登录
首页 » Python » python数据分析 韩波

python数据分析 韩波

于 2018-09-08 发布 文件大小:171KB
0 191
下载积分: 1 下载次数: 8

代码说明:

  一本python数据分析的优秀资料 《python数据分析》(python data analysis),作者【印尼】Ivan Idris,翻译:韩波。 本人制作的PDF图书,带目录和书签。 作为一种高级程序设计语言,Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时,Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章,从Python程序库入门、NumPy数组、matplotlib和pandas开始,陆续介绍了数据加工、数据处理和数据可视化等内容。同时,本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾,还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。, 本书示例丰富、简单易懂,非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。(python data analysis)

文件列表:

3358OS_Code, 0 , 2014-10-24
3358OS_Code\3358OS_01_Code, 0 , 2014-10-24
3358OS_Code\3358OS_01_Code\code1, 0 , 2014-10-24
3358OS_Code\3358OS_01_Code\code1\vectorsum.py, 1148 , 2014-05-04
3358OS_Code\3358OS_02_Code, 0 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code, 0 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2, 0 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\arrayattributes.py, 587 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\arrayattributes2.py, 2016 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\arrayconversion.py, 1264 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\boolean_indexing.py, 545 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\broadcasting.py, 731 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\charcodes.py, 399 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\copy_view.py, 386 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\dtypeattributes.py, 344 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\dtypeattributes2.py, 340 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\dtypeconstructors.py, 488 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\elementselection.py, 396 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\fancy.py, 503 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\ix.py, 479 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\numericaltypes.py, 772 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\shapemanipulation.py, 1350 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\slicing1d.py, 599 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\splitting.py, 1707 , 2014-10-24
3358OS_Code\3358OS_02_Code\3358OS_02_Code\code2\stacking.py, 2817 , 2014-10-24
3358OS_Code\3358OS_03_Code, 0 , 2014-10-24
3358OS_Code\3358OS_03_Code\3358OS_03_Code, 0 , 2014-10-24
3358OS_Code\3358OS_03_Code\3358OS_03_Code\basic_stats.py, 517 , 2014-05-10
3358OS_Code\3358OS_03_Code\3358OS_03_Code\eigenvalues.py, 384 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\goog_flutrends.csv, 7549 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\headortail.py, 441 , 2014-09-09
3358OS_Code\3358OS_03_Code\3358OS_03_Code\inversion.py, 201 , 2014-09-09
3358OS_Code\3358OS_03_Code\3358OS_03_Code\masked.py, 589 , 2014-10-15
3358OS_Code\3358OS_03_Code\3358OS_03_Code\masked_funcs.py, 778 , 2014-09-09
3358OS_Code\3358OS_03_Code\3358OS_03_Code\mdrtb_2012.csv, 3337 , 2014-05-10
3358OS_Code\3358OS_03_Code\3358OS_03_Code\MLB2008.csv, 7136 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\normaldist.py, 304 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\normality_test.py, 806 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\pkg_check.py, 839 , 2014-05-11
3358OS_Code\3358OS_03_Code\3358OS_03_Code\solution.py, 190 , 2014-05-11
3358OS_Code\3358OS_04_Code, 0 , 2014-10-24
3358OS_Code\3358OS_04_Code\code4, 0 , 2014-10-24
3358OS_Code\3358OS_04_Code\code4\data_aggregation.py, 843 , 2014-05-19
3358OS_Code\3358OS_04_Code\code4\date_handling.py, 757 , 2014-05-30
3358OS_Code\3358OS_04_Code\code4\dest.csv, 47 , 2014-05-19
3358OS_Code\3358OS_04_Code\code4\df_demo.py, 261 , 2014-05-18
3358OS_Code\3358OS_04_Code\code4\join_demo.py, 913 , 2014-05-20
3358OS_Code\3358OS_04_Code\code4\missing_values.py, 498 , 2014-05-21
3358OS_Code\3358OS_04_Code\code4\pivot_demo.py, 493 , 2014-06-11
3358OS_Code\3358OS_04_Code\code4\pkg_check.py, 664 , 2014-06-10
3358OS_Code\3358OS_04_Code\code4\price_straddle.py, 677 , 2014-06-10
3358OS_Code\3358OS_04_Code\code4\query_demo.py, 704 , 2014-05-19
3358OS_Code\3358OS_04_Code\code4\series_demo.py, 621 , 2014-05-18
3358OS_Code\3358OS_04_Code\code4\stats_demo.py, 553 , 2014-05-19
3358OS_Code\3358OS_04_Code\code4\tips.csv, 28 , 2014-05-19
3358OS_Code\3358OS_04_Code\code4\WHO_first9cols.csv, 7776 , 2014-05-18
3358OS_Code\3358OS_05_Code, 0 , 2014-10-24
3358OS_Code\3358OS_05_Code\code5, 0 , 2014-10-24
3358OS_Code\3358OS_05_Code\code5\binary_formats.py, 563 , 2014-05-31
3358OS_Code\3358OS_05_Code\code5\hf5storage.py, 491 , 2014-06-01
3358OS_Code\3358OS_05_Code\code5\json_demo.py, 381 , 2014-06-02
3358OS_Code\3358OS_05_Code\code5\loremIpsum.html, 3623 , 2014-06-07
3358OS_Code\3358OS_05_Code\code5\pd_hdf.py, 597 , 2014-06-01
3358OS_Code\3358OS_05_Code\code5\pd_json.py, 410 , 2014-06-03
3358OS_Code\3358OS_05_Code\code5\pd_xls.py, 320 , 2014-06-01
3358OS_Code\3358OS_05_Code\code5\rss.py, 239 , 2014-06-03
3358OS_Code\3358OS_05_Code\code5\soup_request.py, 1056 , 2014-06-07
3358OS_Code\3358OS_05_Code\code5\writing_csv.py, 277 , 2014-05-31
3358OS_Code\3358OS_06_Code, 0 , 2014-10-24
3358OS_Code\3358OS_06_Code\code6, 0 , 2014-10-24
3358OS_Code\3358OS_06_Code\code6\autocorr_plot.py, 450 , 2014-06-16
3358OS_Code\3358OS_06_Code\code6\basic_plot.py, 137 , 2014-06-14
3358OS_Code\3358OS_06_Code\code6\gpu_transcount.csv, 483 , 2014-06-15
3358OS_Code\3358OS_06_Code\code6\lag_plot.py, 426 , 2014-06-16
3358OS_Code\3358OS_06_Code\code6\legend_annotations.py, 1097 , 2014-06-15
3358OS_Code\3358OS_06_Code\code6\log_plots.py, 373 , 2014-06-14
3358OS_Code\3358OS_06_Code\code6\pd_plotting.py, 478 , 2014-06-15
3358OS_Code\3358OS_06_Code\code6\pkg_check.py, 679 , 2014-06-14
3358OS_Code\3358OS_06_Code\code6\plot_ly.py, 714 , 2014-06-16
3358OS_Code\3358OS_06_Code\code6\scatter_plot.py, 579 , 2014-06-15
3358OS_Code\3358OS_06_Code\code6\three_dimensional.py, 735 , 2014-06-15
3358OS_Code\3358OS_06_Code\code6\transcount.csv, 1123 , 2014-06-14
3358OS_Code\3358OS_06_Code\__MACOSX, 0 , 2014-10-24
3358OS_Code\3358OS_06_Code\__MACOSX\code6, 0 , 2014-10-24
3358OS_Code\3358OS_06_Code\__MACOSX\code6\._gpu_transcount.csv, 120 , 2014-06-15
3358OS_Code\3358OS_06_Code\__MACOSX\code6\._transcount.csv, 120 , 2014-06-14
3358OS_Code\3358OS_07_Code, 0 , 2014-10-24
3358OS_Code\3358OS_07_Code\code7, 0 , 2014-10-24
3358OS_Code\3358OS_07_Code\code7\ar.py, 1350 , 2014-07-05
3358OS_Code\3358OS_07_Code\code7\arma.py, 506 , 2014-07-05
3358OS_Code\3358OS_07_Code\code7\autocorrelation.py, 540 , 2014-07-05
3358OS_Code\3358OS_07_Code\code7\cointegration.py, 695 , 2014-07-04
3358OS_Code\3358OS_07_Code\code7\filtering.py, 609 , 2014-07-06
3358OS_Code\3358OS_07_Code\code7\fourier.py, 898 , 2014-07-06
3358OS_Code\3358OS_07_Code\code7\iterate.dat, 3525 , 2014-07-05
3358OS_Code\3358OS_07_Code\code7\moving_average.py, 461 , 2014-07-04
3358OS_Code\3358OS_07_Code\code7\periodic.py, 1479 , 2014-07-05
3358OS_Code\3358OS_07_Code\code7\pkg_check.py, 678 , 2014-07-03
3358OS_Code\3358OS_07_Code\code7\spectrum.py, 547 , 2014-07-06
3358OS_Code\3358OS_07_Code\code7\window_functions.py, 551 , 2014-07-04

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • boston_housing
    说明:  采用机器学习预测房价.使用波士顿房屋信息数据来训练和测试一个模型,并对模型的性能和预测能力进行评估。(Using Machine Learning to Predict House Prices)
    2019-10-04 11:48:44下载
    积分:1
  • Java实现Apriori算法
    Java实现Apriori数据挖掘算法,包内还有实例用的数据库 Apriori数据挖掘算法:先找出所有的频集,这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则,这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则,产生只包含集合的项的所有规则,其中每一条规则的右部只有一项,这里采用的是中规则的定义。一旦这些规则被生成,那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集,使用了递归的方法。 请在jbuilder下编译 配好JDBC驱动 商品如果 买的表示为大写 没买表示为小写的 具体看GetSource.java
    2022-10-02 14:05:03下载
    积分:1
  • python分析 韩波
    一本python数据分析的优秀资料 《python数据分析》(python data analysis),作者【印尼】Ivan Idris,翻译:韩波。 本人制作的PDF图书,带目录和书签。 作为一种高级程序设计语言,Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时,Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章,从Python程序库入门、NumPy数组、matplotlib和pandas开始,陆续介绍了数据加工、数据处理和数据可视化等内容。同时,本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾,还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。, 本书示例丰富、简单易懂,非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。(python data analysis)
    2018-09-08 10:45:20下载
    积分:1
  • Adaboost
    Python实现Adaboost算法,数据集为horseColic马疝气病数据集,准确率和sklearn库中的adaboost算法一样。(Python implementation adaboost algorithm, the data set is horseColic horse hernia disease data collection, accuracy and sklearn library adaboost the same algorithm.)
    2017-04-21 15:00:34下载
    积分:1
  • regress
    一个xgboost实现的回归模型预测,数据集来源于kaggle的taxi竞赛(Regression model prediction based on a xgboost implementation)
    2017-10-13 10:09:42下载
    积分:1
  • Binning算法
    说明:  数据挖掘中的binning算法,用于数据预处理(Binning algorithm in data mining for data preprocessing)
    2019-01-07 09:04:15下载
    积分:1
  • mocc3
    说明:  
    2018-02-06 13:33:06下载
    积分:1
  • rcitime__type
    二进制粒子群优化算法pso,主程序:swarmpso m 它包括以下子程序: 1  初始化:swarminit m 2  适应值计算函()
    2017-12-09 12:19:17下载
    积分:1
  • 频繁项集算法
    频繁项集挖掘算法,能在大量局部特征中发现频繁空间配置,这些空间配置可以作为词语,加入到特征包中进行分类,实现图像分类。
    2022-03-23 21:38:47下载
    积分:1
  • FDXD-CPML
    FDTD three-dimensional CPML
    2018-09-06 15:38:10下载
    积分:1
  • 696518资源总数
  • 104226会员总数
  • 29今日下载