Python數據分析 活用Pandas庫 Pandas for Everyone: Python Data Analysis
[美] 丹尼爾·陳（Daniel Y. Chen）
- 出版商: 人民郵電
- 出版日期: 2020-01-01
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- ISBN: 7115529116
- ISBN-13: 9787115529114
-
相關分類:
Data Science
- 此書翻譯自: Pandas for Everyone: Python Data Analysis (Addison-Wesley Data & Analytics Series)
立即出貨
買這商品的人也買了...
-
Pandas Cookbook$2,190$2,081 -
Python 資料分析, 2/e (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e)$880$695 -
$352機器學習算法實踐 — 推薦系統的協同過濾理論及其應用 -
$352別拿相關當因果：因果關係簡易入門 -
Web API 建構與設計 (Designing Web APIs: Building APIs That Developers Love)$480$379 -
$301精通特徵工程 (Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists) -
機器交易：利用算法贏得市場先機$534$507 -
電腦程序的構造和解釋, 2/e (典藏版) (Structure and Interpretation of Computer Programs, 2/e)$474$450 -
Python 最強入門邁向頂尖高手之路 -- 王者歸來 (全彩版)$1,000$790 -
Pandas 資料分析實戰：使用 Python 進行高效能資料處理及分析 (Learning pandas : High-performance data manipulation and analysis in Python, 2/e)$580$452 -
Data Science from Scratch｜用 Python 學資料科學, 2/e (中文版)(Data Science from Scratch: First Principles with Python, 2/e)$680$537 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
Python for Finance Cookbook (Paperback)$1,820$1,729 -
$658Python 數據可視化之美：專業圖表繪制指南 (全彩) -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
$1,21640 Algorithms Every Programmer Should Know -
$454實時數字信號處理 (從MATLAB到C基於TMS320C6x DSP), 3/e -
$403Python 數據分析 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
預測之美：機器學習及深度學習真實生活應用$780$663 -
懶人圖解統計學：統整複雜數據，看穿大數據背後真相$350$298 -
Python 3.9 技術手冊$560$442 -
必學！Python 資料科學‧機器學習最強套件 － NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras$680$537 -
$331電腦視覺 — 基於 OpenCV 與 TensorFlow 的深度學習方法 -
$653Pandas 數據預處理詳解
相關主題
商品描述
本書是Python數據分析入門書，每個概念都通過簡單實例來闡述，便於讀者理解與上手。具體內容包括：Python及Pandas基礎知識，加載和查看數據集，Pandas的DataFrame對象和Series對象，使用matplotlib、seaborn和Pandas提供的繪圖方法為探索性數據分析作圖，連接與合並數據集，處理缺失數據，清理數據，轉換數據類型，處理字符串，應用函數，分組操作，擬合及評估模型，正則化方法與聚類技術等。
