Python資料科學學習手冊 - 城邦阅读花园


	需要處理大量資料的人必備的案頭書　　對於許多研究人員來說，Python是首選的工具，因為它擁有豐富的儲存、操作、以及洞察資料的程式庫。這些資源散布在資料科學的領域中，但藉由本書，你可以一口氣取得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。　　對於需要處理大量資料的人而言，這是一本非常有價值的案頭書，可以有效率地處理每天面對的問題，像是操作、轉換，以及清理資料、視覺化不同形式的資料，建立統計學或機器學習的模型等等。　　藉由這本手冊，你將可以學習到如何使用：　　．IPython和Jupyter：提供資料科學家使用的Python計算環境。　　．NumPy：在Python中進行高效儲存以及操作密集資料陣列的ndarrys。　　．Pandas：在Python中進行對於標籤式/欄位式的資料高效率儲存與操作。　　．Matplotlib：在Python中進行彈性範圍的資料視覺化的能力。　　．Scikit-Learn：提供機器學習演算法以及簡潔的Python實作。名人推薦　　”如果你想要藉由Python學習資料科學，本書是一個極佳的起點。我用來教授電腦科學以及統計學獲得極大的成功。Jake在這些開放源碼的工具上的基礎上更進一步；使用了清晰的語言以及易懂的解釋闡述資料科學基礎的概念、範式、以及抽象的內容。“ -- Brian Granger, Jupyter計畫聯合創始人


	目錄第一章 IPython：更好用的Python Shell還是Notebook IPython 的求助與說明文件在IPython Shell中的快捷鍵 IPython的Magic命令輸入和輸出的歷程 IPython和Shell命令和Shell相關的Magic命令錯誤以及除錯剖析和測定程式碼的時間第二章 NumPy介紹瞭解Python的資料型態 NumPy陣列基礎 NumPy 陣列屬性陣列索引：存取單一個陣列元素在NumPy陣列中的計算：Universal Functions 聚合操作：Min、Max、以及兩者間的所有事在陣列上的計算：Broadcasting 比較、遮罩以及布林邏輯 Fancy索引排序陣列結構化的資料：NumPy的結構化陣列更多進階的複合型態第三章使用Pandas操作資料安裝並使用Pandas Pandas 物件的介紹資料的索引和選擇在Pandas中操作資料處理缺失資料階層式索引資料集的合併：Concat 和Append 合併資料集：Merge 以及Join 聚合計算與分組樞紐分析表向量化字串操作使用時間系列高效率Pandas：eval() 以及query() 第四章使用Matplotlib進行視覺化通用的Matplotlib技巧買一送一的介面簡單的線條圖形簡單的散佈圖視覺化誤差密度圖和等高線圖直方圖、分箱法及密度自訂圖表的圖例自訂色彩條多重子圖表文字和註解自訂刻度客製化Matplotlib：系統配置和樣式表在Matplotlib中的三維繪圖法 Basemap的地理資料使用Seaborn進行視覺化第五章機器學習什麼是機器學習？ Scikit-Learn簡介超參數以及模型驗證特徵工程深入探究：Naive Bayes Classification 深入探究：線性迴歸（Linear Regression）深入探究：Support Vector Machines 深入探究：決策樹（Decision Tree）和隨機森林（Random Forest）深入探究：主成份分析（Principal Component Analysis）深入探究：流形學習（Manifold Learning）深入探究：k- 平均集群法深入探究：高斯混合模型（Gaussian Mixture Models）深入探究：核密度估計（Kernel Density Estimation）應用：臉部辨識的管線