乐趣区

关于numpy:ApacheCN-数据科学译文集-20208

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。

退出移动版