协定：CC BY-NC-SA 4.0
不要放心本人的形象，只关怀如何实现目标。——《准则》，生存准则 2.3.c
- 在线浏览
- ApacheCN 面试求职交换群 724187166
- ApacheCN 学习资源
目录
- TutorialsPoint NumPy 教程
-
NumPy 秘籍中文第二版
- 零、前言
- 一、应用 IPython
- 二、高级索引和数组概念
- 三、把握罕用函数
- 四、将 NumPy 与世界的其余中央连贯
- 五、音频和图像处理
- 六、非凡数组和通用函数
- 七、性能剖析和调试
- 八、质量保证
- 九、应用 Cython 减速代码
- 十、Scikits 的乐趣
- 十一、最新最强的 NumPy
- 十二、应用 NumPy 进行探索性和预测性数据分析
-
NumPy 初学者指南中文第三版
- 零、前言
- 一、NumPy 疾速入门
- 二、从 NumPy 基本原理开始
- 三、相熟罕用函数
- 四、为您带来便当的便当函数
- 五、应用矩阵和 ufunc
- 六、深刻摸索 NumPy 模块
- 七、理解非凡例程
- 八、通过测试确保品质
- 九、matplotlib 绘图
- 十、当 NumPy 不够用时 – SciPy 及更多
- 十一、玩转 Pygame
- 附录 A：小测验答案
- 附录 B：其余在线资源
- 附录 C：NumPy 函数的参考
-
NumPy 基础知识
- 零、前言
- 一、NumPy 简介
- 二、NumPy
ndarray对象 - 三、应用 NumPy 数组
- 四、NumPy 外围和子模块
- 五、NumPy 中的线性代数
- 六、NumPy 中的傅立叶剖析
- 七、构建和散发 NumPy 代码
- 八、应用 Cython 减速 NumPy
- 九、NumPy C-API 简介
- 十、扩大浏览
-
精通 NumPy 数值剖析
- 零、前言
- 一、应用 NumPy 数组
- 二、NumPy 线性代数
- 三、应用 NumPy 统计函数对波士顿住房数据进行探索性数据分析
- 四、应用线性回归预测房价
- 五、应用 NumPy 对零售分销商的客户进行聚类
- 六、NumPy，SciPy，Pandas 和 Scikit-Learn
- 七、高级 NumPy
- 八、高性能数值计算库概述
- 九、性能基准
-
NumPy 数组学习手册
- 零、前言
- 一、NumPy 入门
- 二、NumPy 根底
- 三、应用 NumPy 的根本数据分析
- 四、应用 NumPy 的简略预测性剖析
- 五、信号处理技术
- 六、性能剖析，调试和测试
- 七、Python 迷信生态系统
-
精通 SciPy
- 零、前言
- 一、数值线性代数
- 二、插值和近似
- 三、微分与积分
- 四、非线性方程式和最优化
- 五、常微分方程的初值问题
- 六、计算几何
- 七、描述性统计
- 八、推断和数据分析
- 九、数字图像处理
-
Pandas 秘籍
- 零、前言
- 一、Pandas 根底
- 二、数据帧基本操作
- 三、开始数据分析
- 四、抉择数据子集
- 五、布尔索引
- 六、索引对齐
- 七、分组以进行汇总，过滤和转换
- 八、将数据重组为参差的表格
- 九、组合 Pandas 对象
- 十、工夫序列剖析
- 十一、Pandas，Matplotlib 和 Seaborn 的可视化
-
Pandas 学习手册中文第二版
- 零、前言
- 一、Pandas 与数据分析
- 二、启动和运行 Pandas
- 三、用序列示意单变量数据
- 四、用数据帧示意表格和多元数据
- 五、数据帧的构造操作
- 六、索引数据
- 七、类别数据
- 八、数值统计办法
- 九、存取数据
- 十、整顿数据
- 十一、合并，连贯和重塑数据
- 十二、数据聚合
- 十三、工夫序列建模
- 十四、可视化
- 十五、历史股价剖析
-
精通 Pandas
- 零、前言
- 一、Pandas 和数据分析简介
- 二、Pandas 装置和支持软件
- 三、Pandas 数据结构
- 四、Pandas 的操作，第一局部 — 索引和抉择
- 五、Pandas 的操作，第二局部 — 数据的分组，合并和重塑
- 六、解决缺失数据，工夫序列和 Matplotlib 绘图
- 七、统计之旅 — 经典办法
- 八、贝叶斯统计简介
- 九、Pandas 库体系结构
- 十、R 与 Pandas 的比拟
- 十一、机器学习简介
-
NumPy 和 Pandas 数据分析实用指南
- 零、前言
- 一、配置 Python 数据分析环境
- 二、摸索 NumPy
- 三、NumPy 数组上的运算
- 四、Pandas 很乏味！什么是 Pandas？
- 五、Pandas 的算术，函数利用以及映射
- 六、排序，索引和绘图
-
精通 Pandas 探索性剖析
- 零、前言
- 一、解决不同品种的数据集
- 二、数据抉择
- 三、解决，转换和重塑数据
- 四、像专业人士一样可视化数据
-
Matplotlib 3.0 秘籍
- 零、前言
- 一、Matplotlib 的分析
- 二、根本绘图入门
- 三、绘制多个图表和子图
- 四、开发可视化来进步公布品质
- 五、应用高级性能的绘图
- 六、嵌入文本和表达式
- 七、以不同格局保留图形
- 八、开发交互式绘图
- 九、在图形用户界面中嵌入绘图
- 十、应用
mplot3d工具包绘制 3D 图形 - 十一、应用
axisartist工具包 - 十二、应用
axes_grid1工具包 - 十三、应用 Cartopy 工具包绘制天文地图
- 十四、应用 Seaborn 工具包的探索性数据分析
-
Matplotlib 绘图秘籍
- 零、前言
- 一、第一步
- 二、自定义色彩和款式
- 三、解决标注
- 四、解决图形
- 五、文件输入
- 六、解决地图
- 七、解决 3D 图形
- 八、用户界面
-
Sklearn 秘籍
- 第一章 模型预处理
- 第二章 解决线性模型
- 第三章 应用间隔向量构建模型
- 第四章 应用 scikit-learn 对数据分类
- 第五章 模型后处理
-
Sklearn 学习手册
- 一、机器学习 – 温和的介绍
- 二、监督学习
- 三、无监督学习
- 四、高级性能
奉献指南
本我的项目须要校对，欢送大家提交 Pull Request。
请您怯懦地去翻译和改良翻译。尽管咱们谋求卓越，但咱们并不要求您做到美中不足，因而请不要放心因为翻译上犯错——在大部分状况下，咱们的服务器曾经记录所有的翻译，因而您不用放心会因为您的失误受到无法挽回的毁坏。（改编自维基百科）
联系方式
负责人
- 飞龙: 562826179
其余
- 在咱们的 apachecn/apachecn-ds-zh github 上提 issue.
- 发邮件到 Email:
apachecn@163.com. - 在咱们的 组织学习交换群 中分割群主 / 管理员即可.
资助咱们
通过平台自带的打赏性能，或点击这里。