在众多解释型语言中,Python最大的特点是拥有一个巨大而活跃的科学计算社区。进入21世纪以来,在行业应用和学术研究中采用python进行科学计算的势头越来越猛。
近年来,由于Python有不断改良的库(主要是pandas),使其成为数据处理任务的一大代替方案,结合其在通用编程方面的强大实力,完全可以只使用Python这一种语言去构建以数据为中心的应用程序。
作为一个科学计算平台,Python的成功源于能够轻松的集成C、C++以及Fortran代码。大部分现代计算机环境都利用了一些Fortran和C库来是西安线性代数、优选、积分、快速傅里叶变换以及其他诸如此类的算法。
今天给小伙伴们分享的这份手册堪称数据分析实用入门指南,对 Python 数据科学工具的介绍既贴近实战又内容新颖,非常适合刚开始学习 Python 的数据分析师或刚开始学习数据科学和科学计算的 Python 程序员阅读。
限于文章篇幅原因,只能以截图的形式展示出来,有需要的小伙伴可以文末获取↓↓↓
目录
内容
第1章 准备工作
第2章 Python 语言基础、IPython及Jupyter notebook
第3章 内建数据结构、函数及文件
第4章 NumPy 基础:数组与向量化计算
第5章 pandas 入门
第6章 数据载入、存储及文件格式
第7章 数据清洗与准备
第8章 数据规整:连接、联合与重塑
第9章 绘图与可视化
第10章 数据聚合与分组操作
第11章 时间序列
第12章 高阶 pandas
第13章 Python 建模库介绍
第14章 数据分析示例
限于文章篇幅原因,就展示到这里了,有需要的小伙伴可以查看下方名片↓↓↓