如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

PYTHON极简讲义 一本书入门数据分析与机器学习PDF电子书下载

其他书籍

• 作 者：张玉宏着
• 出 版 社：
• 出版年份：2020
• ISBN：
• 页数：0 页

图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：空间物理学进展（第七卷）下一篇：蒋委员长重要训词 影印本 《PYTHON极简讲义 一本书入门数据分析与机器学习》目录 标签：数据分析 讲义 入门 机器 分析

第1章 初识Python与Jupyter1

1.1 Python概要2

1.1.1 为什么要学习Python2

1.1.2 Python中常用的库2

1.2 Python的版本之争4

1.3 安装Anaconda5

1.3.1 Linux环境下的Anaconda安装5

1.3.2 conda命令的使用6

1.3.3 Windows环境下的Anaconda安装7

1.4 运行Python11

1.4.1 验证Python11

1.4.2 Python版本的Hello World12

1.4.3 Python的脚本文件13

1.4.4 代码缩进15

1.4.5 代码注释17

1.5 Python中的内置函数17

1.6 文学化编程——Jupyter20

1.6.1 Jupyter的由来20

1.6.2 Jupyter的安装21

1.6.3 Jupyter的使用23

1.6.4 Markdown编辑器26

1.7 Jupyter中的魔法函数31

1.7.1 ％lsmagic函数31

1.7.2 ％matplotlib inline函数32

1.7.3 ％timeit函数32

1.7.4 ％％writefile函数33

1.7.5 其他常用的魔法函数34

1.7.6 在Jupyter中执行shell命令35

1.8 本章小结35

1.9 思考与提高36

第2章 数据类型与程序控制结构40

2.1 为什么需要不同的数据类型41

2.2 Python中的基本数据类型42

2.2.1 数值型（Number）42

2.2.2 布尔类型（Boolean）45

2.2.3 字符串型（String）45

2.2.4 列表（List）49

2.2.5 元组（Tuple）59

2.2.6 字典（Dictionary）62

2.2.7 集合（Set）65

2.3 程序控制结构67

2.3.1 回顾那段难忘的历史67

2.3.2 顺序结构69

2.3.3 选择结构70

2.3.4 循环结构74

2.4 高效的推导式80

2.4.1 列表推导式80

2.4.2 字典推导式83

2.4.3 集合推导式83

2.5 本章小结84

2.6 思考与提高84

第3章 自建Python模块与第三方模块90

3.1 导入Python标准库91

3.2 编写自己的模块93

3.3 模块的搜索路径97

3.4 创建模块包100

3.5 常用的内建模块103

3.5.1 collection模块103

3.5.2 datetime模块110

3.5.3 json模块115

3.5.4 random模块118

3.6 本章小结121

3.7 思考与提高122

第4章 Python函数124

4.1 Python中的函数125

4.1.1 函数的定义125

4.1.2 函数返回多个值127

4.1.3 函数文档的构建128

4.2 函数参数的“花式”传递132

4.2.1 关键字参数132

4.2.2 可变参数133

4.2.3 默认参数136

4.2.4 参数序列的打包与解包138

4.2.5 传值还是传引用142

4.3 函数的递归146

4.3.1 感性认识递归146

4.3.2 思维与递归思维148

4.3.3 递归调用的函数149

4.4 函数式编程的高阶函数151

4.4.1 lambda表达式152

4.4.2 filter（）函数153

4.4.3 map（）函数155

4.4.4 reduce（）函数157

4.4.5 sorted（）函数158

4.5 本章小结159

4.6 思考与提高160

第5章 Python高级特性165

5.1 面向对象程序设计166

5.1.1 面向过程与面向对象之辩166

5.1.2 类的定义与使用169

5.1.3 类的继承173

5.2 生成器与迭代器176

5.2.1 生成器176

5.2.2 迭代器183

5.3 文件操作187

5.3.1 打开文件187

5.3.2 读取一行与读取全部行191

5.3.3 写入文件193

5.4 异常处理193

5.4.1 感性认识程序中的异常194

5.4.2 异常处理的三步走195

5.5 错误调试197

5.5.1 利用print（）输出观察变量197

5.5.2 assert断言198

5.6 本章小结201

5.7 思考与提高202

第6章 NumPy向量计算204

6.1 为何需要NumPy205

6.2 如何导入NumPy205

6.3 生成NumPy数组206

6.3.1 利用序列生成206

6.3.2 利用特定函数生成207

6.3.3 Numpy数组的其他常用函数209

6.4 N维数组的属性212

6.5 NumPy数组中的运算215

6.5.1 向量运算216

6.5.2 算术运算216

6.5.3 逐元素运算与张量点乘运算218

6.6 爱因斯坦求和约定222

6.6.1 不一样的标记法222

6.6.2 NumPy中的einsum（）方法224

6.7 NumPy中的“轴”方向231

6.8 操作数组元素234

6.8.1 通过索引访问数组元素234

6.8.2 NumPy中的切片访问236

6.8.3 二维数组的转置与展平238

6.9 NumPy中的广播239

6.10 NumPy数组的高级索引242

6.10.1 “花式”索引242

6.10.2 布尔索引247

6.11 数组的堆叠操作249

6.11.1 水平方向堆叠hstack（）250

6.11.2 垂直方向堆叠vstack（）251

6.11.3 深度方向堆叠hstack（）252

6.11.4 列堆叠与行堆叠255

6.11.5 数组的分割操作257

6.12 NumPy中的随机数模块264

6.13 本章小结266

6.14 思考与提高267

第7章 Pandas数据分析271

7.1 Pandas简介272

7.2 Pandas的安装272

7.3 Series类型数据273

7.3.1 Series的创建273

7.3.2 Series中的数据访问277

7.3.3 Series中的向量化操作与布尔索引280

7.3.4 Series中的切片操作283

7.3.5 Series中的缺失值284

7.3.6 Series中的删除与添加操作286

7.3.7 Series中的name属性288

7.4 DataFrame类型数据289

7.4.1 构建DataFrame289

7.4.2 访问DataFrame中的列与行293

7.4.3 DataFrame中的删除操作298

7.4.4 DataFrame中的“轴”方向301

7.4.5 DataFrame中的添加操作303

7.5 基于Pandas的文件读取与分析310

7.5.1 利用Pandas读取文件311

7.5.2 DataFrame中的常用属性312

7.5.3 DataFrame中的常用方法314

7.5.4 DataFrame的条件过滤318

7.5.5 DataFrame的切片操作320

7.5.6 DataFrame的排序操作323

7.5.7 Pandas的聚合和分组运算325

7.5.8 DataFrame的透视表334

7.5.9 DataFrame的类SQL操作339

7.5.10 DataFrame中的数据清洗方法341

7.6 泰坦尼克幸存者数据预处理342

7.6.1 数据集简介342

7.6.2 数据集的拼接344

7.6.3 缺失值的处理350

7.7 本章小结353

7.8 思考与提高353

第8章 Matplotlib与Seaborn可视化分析365

8.1 Matplotlib与图形绘制366

8.2 绘制简单图形366

8.3 pyplot的高级功能371

8.3.1 添加图例与注释371

8.3.2 设置图形标题及坐标轴374

8.3.3 添加网格线378

8.3.4 绘制多个子图380

8.3.5 Axes与Subplot的区别382

8.4 散点图388

8.5 条形图与直方图392

8.5.1 垂直条形图392

8.5.2 水平条形图394

8.5.3 并列条形图395

8.5.4 叠加条形图400

8.5.5 直方图402

8.6 饼图407

8.7 箱形图409

8.8 误差条411

8.9 绘制三维图形413

8.10 与Pandas协作绘图——以谷歌流感趋势数据为例416

8.10.1 谷歌流感趋势数据描述416

8.10.2 导入数据与数据预处理417

8.10.3 绘制时序曲线图421

8.10.4 选择合适的数据可视化表达423

8.10.5 基于条件判断的图形绘制427

8.10.6 绘制多个子图430

8.11 惊艳的Seaborn431

8.11.1 pairplot（对图）432

8.11.2 heatmap（热力图）434

8.11.3 boxplot（箱形图）436

8.11.4 violin plot（小提琴图）442

8.11.5 Density Plot（密度图）446

8.12 本章小结450

8.13 思考与提高450

第9章 机器学习初步459

9.1 机器学习定义460

9.1.1 什么是机器学习460

9.1.2 机器学习的三个步骤461

9.1.3 传统编程与机器学习的差别464

9.1.4 为什么机器学习不容易465

9.2 监督学习467

9.2.1 感性认识监督学习467

9.2.2 监督学习的形式化描述468

9.2.3 损失函数470

9.3 非监督学习471

9.4 半监督学习473

9.5 机器学习的哲学视角474

9.6 模型性能评估476

9.6.1 经验误差与测试误差476

9.6.2 过拟合与欠拟合477

9.6.3 模型选择与数据拟合479

9.7 性能度量480

9.7.1 二分类的混淆矩阵480

9.7.2 查全率、查准率与F1分数481

9.7.3 P-R曲线484

9.7.4 ROC曲线485

9.7.5 AUC489

9.8 本章小结489

9.9 思考与提高490

第10章 sklearn与经典机器学习算法492

10.1 机器学习的利器——sklearn493

10.1.1 sklearn简介494

10.1.3 sklearn的安装496

10.2 线性回归497

10.2.1 线性回归的概念497

10.2.2 使用sklearn实现波士顿房价预测499

10.3 k-近邻算法516

10.3.1 算法简介516

10.3.2 k值的选取518

10.3.3 特征数据的归一化519

10.3.4 邻居距离的度量521

10.3.5 分类原则的制定522

10.3.6 基于sklearn的k-近邻算法实战522

10.4 Logistic回归527

10.4.1 为什么需要Logistic回归527

10.4.2 Logistic源头初探529

10.4.3 Logistic回归实战532

10.5 神经网络学习算法536

10.5.1 人工神经网络的定义537

10.5.2 神经网络中的“学习”本质537

10.5.3 神经网络结构的设计540

10.5.4 利用sklearn搭建多层神经网络541

10.6 非监督学习的代表——k均值聚类550

10.6.1 聚类的基本概念551

10.6.2 簇的划分552

10.6.3 k均值聚类算法核心552

10.6.4 k均值聚类算法优缺点554

10.6.5 基于sklearn的k均值聚类算法实战555

10.7 本章小结561

10.8 思考与提高562

相关图书

• 《水面舰艇编队作战运筹分析》谭安胜着 2009
• 《SQL与关系数据库理论》（美）戴特（C.J.Date） 2019
• 《HTML5从入门到精通 第3版》（中国）明日科技 2019
• 《少儿电子琴入门教程 双色图解版》灌木文化 2019
• 《分析化学》陈怀侠主编 2019
• 《习近平总书记教育重要论述讲义》本书编写组 2020
• 《数据库技术与应用 Access 2010 微课版 第2版》刘卫国主编 2020
• 《白雪公主分面包 分数》（韩）车宝金文 2016
• 《区块链DAPP开发入门、代码实现、场景应用》李万胜着 2019
• 《Python3从入门到实战》董洪伟 2019

作者其它书籍

• 《NLP英语教学法》成宇宏着 2019
• 《水浒解“毒”》郭相宏着 2019
• 《怎样做好一项研究》张玉婷 2020
• 《经管类专门用途英语教程》张玉玲责任编辑；黄玉倩，管晓霞，尹平 2019
• 《大学英语 1》张玉玲责任编辑；隋修平，王彩霞，张宁 2019
• 《应用型高等院校改革创新示范教材 大学英语 4》张玉玲责任编辑；（中国）高源，高飞，赵瑶 2019
• 《愿你慢慢长大 爸爸写给女儿的二十封信》李映宏着 2019
• 《读红楼·学管理》李谋宏着 2019
• 《话有引力》（日）美浓部达宏着；夏言译 2020
• 《还原素描古典美》（日）卯野和宏着 2019

出版社其它书籍

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文将深入探讨《PYTHON极简讲义 一本书入门数据分析与机器学习.pdf电子书版文档下载》这一资源，全面解析其内容、特点、适用人群以及下载方式，旨在为广大读者提供一份全面的数据分析与机器学习入门指南。

1、内容概述

《PYTHON极简讲义》是一本专注于Python编程语言在数据分析与机器学习领域的入门书籍。全书以Python为基础，通过大量的实例和实战演练，帮助读者快速掌握数据分析与机器学习的基本概念、方法和技巧。

本书内容涵盖了Python编程基础、数据分析常用库、数据预处理、特征工程、模型选择与评估、机器学习算法等多个方面，旨在让读者在短时间内建立起数据分析与机器学习的基本框架。

此外，本书还特别强调了实践的重要性，通过大量的实战案例，让读者在实际操作中巩固所学知识，提高解决问题的能力。

2、特点分析

《PYTHON极简讲义》具有以下特点：

1. 简洁明了：本书语言通俗易懂，避免了复杂的理论推导，让读者能够轻松上手。

2. 实战性强：本书以实战为导向，通过大量实例和案例，让读者在实际操作中掌握数据分析与机器学习的方法。

3. 系统全面：本书内容涵盖了数据分析与机器学习的各个方面，为读者提供了一套完整的知识体系。

3、适用人群

《PYTHON极简讲义》适合以下人群阅读：

1. 对数据分析与机器学习感兴趣的初学者

2. 想要在短时间内掌握数据分析与机器学习基本概念的读者

3. 希望通过实战提高数据分析与机器学习能力的从业者

4、下载方式

《PYTHON极简讲义 一本书入门数据分析与机器学习.pdf电子书版文档下载》可以通过以下途径获取：

1. 在线购买：可在各大电商平台、电子书平台搜索并购买。

2. 免费下载：部分网站提供本书的免费下载，但需注意版权问题。

3. 图书馆借阅：部分图书馆收藏了本书的实体书，读者可前往借阅。

总结：

《PYTHON极简讲义》是一本非常适合入门数据分析与机器学习的书籍。它以简洁明了的语言、实战性强的方式，帮助读者快速掌握数据分析与机器学习的基本概念、方法和技巧。通过本书的学习，读者可以在短时间内建立起数据分析与机器学习的基本框架，为今后的学习和工作打下坚实基础。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询