封面

簡介

本書是對(duì)以數(shù)據(jù)深度需求為中心的科學(xué)奔浅、研究以及針對(duì)計(jì)算和統(tǒng)計(jì)方法的參考書蜜另。本書共五章惶楼，每章介紹一到兩個(gè)Python數(shù)據(jù)科學(xué)中的重點(diǎn)工具包轮蜕。首先從IPython和Jupyter開始怎茫，它們提供了數(shù)據(jù)科學(xué)家需要的計(jì)算環(huán)境收壕；第2章講解能提供ndarray對(duì)象的NumPy，它可以用Python高效地存儲(chǔ)和操作大型數(shù)組轨蛤；第3章主要涉及提供DataFrame對(duì)象的Pandas蜜宪，它可以用Python高效地存儲(chǔ)和操作帶標(biāo)簽的/列式數(shù)據(jù)；第4章的主角是Matplotlib祥山，它為Python提供了許多數(shù)據(jù)可視化功能圃验；第5章以Scikit-Learn為主，這個(gè)程序庫為最重要的機(jī)器學(xué)習(xí)算法提供了高效整潔的Python版實(shí)現(xiàn)缝呕。

本書適合有編程背景澳窑，并打算將開源Python工具用作分析、操作供常、可視化以及學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)科學(xué)研究人員摊聋。

資源

資源文件

鏈接：https://pan.baidu.com/s/1xp8jgBbHK3b3yiueQPli7w

提取碼：（關(guān)注微信公眾號(hào)：可以叫我才哥，回復(fù) “資料”免費(fèi)獲日幌尽）

目錄

目錄 · · · · · ·

譯者序 xiii

前言 xv

第1 章　IPython：超越Python 1

1.1　shell還是Notebook 1

1.1.1　啟動(dòng)IPython shell 2

1.1.2　啟動(dòng)Jupyter Notebook 2

1.2　IPython的幫助和文檔 3

1.2.1　用符號(hào)? 獲取文檔 3

1.2.2　通過符號(hào)?? 獲取源代碼 4

1.2.3　用Tab補(bǔ)全的方式探索模塊 5

1.3　IPython shell中的快捷鍵 7

1.3.1　導(dǎo)航快捷鍵 7

1.3.2　文本輸入快捷鍵 7

1.3.3　命令歷史快捷鍵 8

1.3.4　其他快捷鍵 9

1.4　IPython魔法命令 9

1.4.1　粘貼代碼塊：%paste和%cpaste 9

1.4.2　執(zhí)行外部代碼：%run 10

1.4.3　計(jì)算代碼運(yùn)行時(shí)間：%timeit 11

1.4.4　魔法函數(shù)的幫助：?麻裁、%magic 和%lsmagic 11

1.5　輸入和輸出歷史 12

1.5.1　IPython的輸入和輸出對(duì)象 12

1.5.2　下劃線快捷鍵和以前的輸出 13

1.5.3　禁止輸出 13

1.5.4　相關(guān)的魔法命令 13

1.6　IPython和shell命令 14

1.6.1　shell快速入門 14

1.6.2　IPython中的shell命令 15

1.6.3　在shell中傳入或傳出值 15

1.7　與shell相關(guān)的魔法命令 16

1.8　錯(cuò)誤和調(diào)試 17

1.8.1　控制異常：%xmode 17

1.8.2　調(diào)試：當(dāng)閱讀軌跡追溯不足以解決問題時(shí) 19

1.9　代碼的分析和計(jì)時(shí) 21

1.9.1　代碼段計(jì)時(shí)：%timeit和%time 22

1.9.2　分析整個(gè)腳本：%prun 23

1.9.3　用%lprun進(jìn)行逐行分析 24

1.9.4　用%memit和%mprun進(jìn)行內(nèi)存分析 25

1.10　IPython參考資料 26

1.10.1　網(wǎng)絡(luò)資源 26

1.10.2　相關(guān)圖書 27

第2 章　NumPy入門 28

2.1　理解Python中的數(shù)據(jù)類型 29

2.1.1　Python整型不僅僅是一個(gè)整型 30

2.1.2　Python列表不僅僅是一個(gè)列表 31

2.1.3　Python中的固定類型數(shù)組 32

2.1.4　從Python列表創(chuàng)建數(shù)組 32

2.1.5　從頭創(chuàng)建數(shù)組 33

2.1.6　NumPy標(biāo)準(zhǔn)數(shù)據(jù)類型 34

2.2　NumPy數(shù)組基礎(chǔ) 35

2.2.1　NumPy數(shù)組的屬性 36

2.2.2　數(shù)組索引：獲取單個(gè)元素 37

2.2.3　數(shù)組切片：獲取子數(shù)組 38

2.2.4　數(shù)組的變形 41

2.2.5　數(shù)組拼接和分裂 42

2.3　NumPy數(shù)組的計(jì)算：通用函數(shù) 44

2.3.1　緩慢的循環(huán) 44

2.3.2　通用函數(shù)介紹 45

2.3.3　探索NumPy的通用函數(shù) 46

2.3.4　高級(jí)的通用函數(shù)特性 49

2.3.5　通用函數(shù)：更多的信息 51

2.4　聚合：最小值、最大值和其他值 51

2.4.1　數(shù)組值求和 51

2.4.2　最小值和最大值 52

2.4.3　示例：美國總統(tǒng)的身高是多少 54

2.5　數(shù)組的計(jì)算：廣播 55

2.5.1　廣播的介紹 55

2.5.2　廣播的規(guī)則 57

2.5.3　廣播的實(shí)際應(yīng)用 60

2.6　比較源祈、掩碼和布爾邏輯 61

2.6.1　示例：統(tǒng)計(jì)下雨天數(shù) 61

2.6.2　和通用函數(shù)類似的比較操作 62

2.6.3　操作布爾數(shù)組 64

2.6.4　將布爾數(shù)組作為掩碼 66

2.7　花哨的索引 69

2.7.1　探索花哨的索引 69

2.7.2　組合索引 70

2.7.3　示例：選擇隨機(jī)點(diǎn) 71

2.7.4　用花哨的索引修改值 72

2.7.5　示例：數(shù)據(jù)區(qū)間劃分 73

2.8　數(shù)組的排序 75

2.8.1　NumPy中的快速排序：np.sort和np.argsort 76

2.8.2　部分排序：分隔 77

2.8.3　示例：K個(gè)最近鄰 78

2.9　結(jié)構(gòu)化數(shù)據(jù)：NumPy的結(jié)構(gòu)化數(shù)組 81

2.9.1　生成結(jié)構(gòu)化數(shù)組 83

2.9.2　更高級(jí)的復(fù)合類型 84

2.9.3　記錄數(shù)組：結(jié)構(gòu)化數(shù)組的扭轉(zhuǎn) 84

2.9.4　關(guān)于Pandas 85

第3 章　Pandas數(shù)據(jù)處理 86

3.1　安裝并使用Pandas 86

3.2　Pandas對(duì)象簡介 87

3.2.1　Pandas的Series對(duì)象 87

3.2.2　Pandas的DataFrame對(duì)象 90

3.2.3　Pandas的Index對(duì)象 93

3.3　數(shù)據(jù)取值與選擇 95

3.3.1　Series數(shù)據(jù)選擇方法 95

3.3.2　DataFrame數(shù)據(jù)選擇方法 98

3.4　Pandas數(shù)值運(yùn)算方法 102

3.4.1　通用函數(shù)：保留索引 102

3.4.2　通用函數(shù)：索引對(duì)齊 103

3.4.3　通用函數(shù)：DataFrame與Series的運(yùn)算 105

3.5　處理缺失值 106

3.5.1　選擇處理缺失值的方法 106

3.5.2　Pandas的缺失值 107

3.5.3　處理缺失值 110

3.6　層級(jí)索引 113

3.6.1　多級(jí)索引Series 113

3.6.2　多級(jí)索引的創(chuàng)建方法 116

3.6.3　多級(jí)索引的取值與切片 119

3.6.4　多級(jí)索引行列轉(zhuǎn)換 121

3.6.5　多級(jí)索引的數(shù)據(jù)累計(jì)方法 124

3.7　合并數(shù)據(jù)集：Concat與Append操作 125

3.7.1　知識(shí)回顧：NumPy數(shù)組的合并 126

3.7.2　通過pd.concat實(shí)現(xiàn)簡易合并 126

3.8　合并數(shù)據(jù)集：合并與連接 129

3.8.1　關(guān)系代數(shù) 129

3.8.2　數(shù)據(jù)連接的類型 130

3.8.3　設(shè)置數(shù)據(jù)合并的鍵 132

3.8.4　設(shè)置數(shù)據(jù)連接的集合操作規(guī)則 134

3.8.5　重復(fù)列名：suffixes參數(shù) 135

3.8.6　案例：美國各州的統(tǒng)計(jì)數(shù)據(jù) 136

3.9　累計(jì)與分組 140

3.9.1　行星數(shù)據(jù) 140

3.9.2　Pandas的簡單累計(jì)功能 141

3.9.3　GroupBy：分割煎源、應(yīng)用和組合 142

3.10　數(shù)據(jù)透視表 150

3.10.1　演示數(shù)據(jù)透視表 150

3.10.2　手工制作數(shù)據(jù)透視表 151

3.10.3　數(shù)據(jù)透視表語法 151

3.10.4　案例：美國人的生日 153

3.11　向量化字符串操作 157

3.11.1　Pandas字符串操作簡介 157

3.11.2　Pandas字符串方法列表 159

3.11.3　案例：食譜數(shù)據(jù)庫 163

3.12　處理時(shí)間序列 166

3.12.1　Python的日期與時(shí)間工具 166

3.12.2　Pandas時(shí)間序列：用時(shí)間作索引 169

3.12.3　Pandas時(shí)間序列數(shù)據(jù)結(jié)構(gòu) 170

3.12.4　時(shí)間頻率與偏移量 172

3.12.5　重新取樣、遷移和窗口 173

3.12.6　更多學(xué)習(xí)資料 178

3.12.7　案例：美國西雅圖自行車統(tǒng)計(jì)數(shù)據(jù)的可視化 179

3.13　高性能Pandas：eval()與query() 184

3.13.1　query()與eval()的設(shè)計(jì)動(dòng)機(jī)：復(fù)合代數(shù)式 184

3.13.2　用pandas.eval()實(shí)現(xiàn)高性能運(yùn)算 185

3.13.3　用DataFrame.eval()實(shí)現(xiàn)列間運(yùn)算 187

3.13.4　DataFrame.query()方法 188

3.13.5　性能決定使用時(shí)機(jī) 189

3.14　參考資料 189

第4 章　Matplotlib數(shù)據(jù)可視化 191

4.1　Matplotlib常用技巧 192

4.1.1　導(dǎo)入Matplotlib 192

4.1.2　設(shè)置繪圖樣式 192

4.1.3　用不用show()香缺？如何顯示圖形 192

4.1.4　將圖形保存為文件 194

4.2　兩種畫圖接口 195

4.2.1　MATLAB風(fēng)格接口 195

4.2.2　面向?qū)ο蠼涌?196

4.3　簡易線形圖 197

4.3.1　調(diào)整圖形：線條的顏色與風(fēng)格 199

4.3.2　調(diào)整圖形：坐標(biāo)軸上下限 200

4.3.3　設(shè)置圖形標(biāo)簽 203

4.4　簡易散點(diǎn)圖 204

4.4.1　用plt.plot畫散點(diǎn)圖 205

4.4.2　用plt.scatter畫散點(diǎn)圖 206

4.4.3　plot與scatter：效率對(duì)比 208

4.5　可視化異常處理 208

4.5.1　基本誤差線 209

4.5.2　連續(xù)誤差 210

4.6　密度圖與等高線圖 211

4.7　頻次直方圖手销、數(shù)據(jù)區(qū)間劃分和分布密度 215

4.8　配置圖例 219

4.8.1　選擇圖例顯示的元素 221

4.8.2　在圖例中顯示不同尺寸的點(diǎn) 222

4.8.3　同時(shí)顯示多個(gè)圖例 223

4.9　配置顏色條 224

4.9.1　配置顏色條 224

4.9.2　案例：手寫數(shù)字 228

4.10　多子圖 230

4.10.1　plt.axes：手動(dòng)創(chuàng)建子圖 230

4.10.2　plt.subplot：簡易網(wǎng)格子圖 231

4.10.3　plt.subplots：用一行代碼創(chuàng)建網(wǎng)格 233

4.10.4　plt.GridSpec：實(shí)現(xiàn)更復(fù)雜的排列方式 234

4.11　文字與注釋 235

4.11.1　案例：節(jié)假日對(duì)美國出生率的影響 236

4.11.2　坐標(biāo)變換與文字位置 237

4.11.3　箭頭與注釋 239

4.12　自定義坐標(biāo)軸刻度 241

4.12.1　主要刻度與次要刻度 242

4.12.2　隱藏刻度與標(biāo)簽 243

4.12.3　增減刻度數(shù)量 244

4.12.4　花哨的刻度格式 245

4.12.5　格式生成器與定位器小結(jié) 247

4.13　Matplotlib自定義：配置文件與樣式表 248

4.13.1　手動(dòng)配置圖形 248

4.13.2　修改默認(rèn)配置：rcParams 249

4.13.3　樣式表 251

4.14　用Matplotlib畫三維圖 255

4.14.1　三維數(shù)據(jù)點(diǎn)與線 256

4.14.2　三維等高線圖 256

4.14.3　線框圖和曲面圖 258

4.14.4　曲面三角剖分 259

4.15　用Basemap可視化地理數(shù)據(jù) 261

4.15.1　地圖投影 263

4.15.2　畫一個(gè)地圖背景 267

4.15.3　在地圖上畫數(shù)據(jù) 269

4.15.4　案例：美國加州城市數(shù)據(jù) 270

4.15.5　案例：地表溫度數(shù)據(jù) 271

4.16　用Seaborn做數(shù)據(jù)可視化 273

4.16.1　Seaborn與Matplotlib 274

4.16.2　Seaborn圖形介紹 275

4.16.3　案例：探索馬拉松比賽成績數(shù)據(jù) 283

4.17　參考資料 290

4.17.1　Matplotlib資源 290

4.17.2　其他Python畫圖程序庫 290

第5 章　機(jī)器學(xué)習(xí) 291

5.1　什么是機(jī)器學(xué)習(xí) 291

5.1.1　機(jī)器學(xué)習(xí)的分類 292

5.1.2　機(jī)器學(xué)習(xí)應(yīng)用的定性示例 292

5.1.3　小結(jié) 299

5.2　Scikit-Learn簡介 300

5.2.1　Scikit-Learn的數(shù)據(jù)表示 300

5.2.2　Scikit-Learn的評(píng)估器API 302

5.2.3　應(yīng)用：手寫數(shù)字探索 309

5.2.4　小結(jié) 313

5.3　超參數(shù)與模型驗(yàn)證 313

5.3.1　什么是模型驗(yàn)證 314

5.3.2　選擇最優(yōu)模型 317

5.3.3　學(xué)習(xí)曲線 322

5.3.4　驗(yàn)證實(shí)踐：網(wǎng)格搜索 326

5.3.5　小結(jié) 327

5.4　特征工程 327

5.4.1　分類特征 327

5.4.2　文本特征 329

5.4.3　圖像特征 330

5.4.4　衍生特征 330

5.4.5　缺失值填充 332

5.4.6　特征管道 332

5.5　專題：樸素貝葉斯分類 333

5.5.1　貝葉斯分類 333

5.5.2　高斯樸素貝葉斯 334

5.5.3　多項(xiàng)式樸素貝葉斯 336

5.5.4　樸素貝葉斯的應(yīng)用場景 339

5.6　專題：線性回歸 340

5.6.1　簡單線性回歸 340

5.6.2　基函數(shù)回歸 342

5.6.3　正則化 346

5.6.4　案例：預(yù)測(cè)自行車流量 349

5.7　專題：支持向量機(jī) 353

5.7.1　支持向量機(jī)的由來 354

5.7.2　支持向量機(jī)：邊界最大化 355

5.7.3　案例：人臉識(shí)別 363

5.7.4　支持向量機(jī)總結(jié) 366

5.8　專題：決策樹與隨機(jī)森林 367

5.8.1　隨機(jī)森林的誘因：決策樹 367

5.8.2　評(píng)估器集成算法：隨機(jī)森林 371

5.8.3　隨機(jī)森林回歸 373

5.8.4　案例：用隨機(jī)森林識(shí)別手寫數(shù)字 374

5.8.5　隨機(jī)森林總結(jié) 376

5.9　專題：主成分分析 376

5.9.1　主成分分析簡介 377

5.9.2　用PCA作噪音過濾 383

5.9.3　案例：特征臉 385

5.9.4　主成分分析總結(jié) 387

5.10　專題：流形學(xué)習(xí) 388

5.10.1　流形學(xué)習(xí)：“HELLO” 388

5.10.2　多維標(biāo)度法（MDS） 389

5.10.3　將MDS用于流形學(xué)習(xí) 391

5.10.4　非線性嵌入：當(dāng)MDS失敗時(shí) 393

5.10.5　非線性流形：局部線性嵌入 395

5.10.6　關(guān)于流形方法的一些思考 396

5.10.7　示例：用Isomap 處理人臉數(shù)據(jù) 397

5.10.8　示例：手寫數(shù)字的可視化結(jié)構(gòu) 400

5.11　專題：k-means聚類 402

5.11.1　k-means簡介 403

5.11.2　k-means算法：期望最大化 404

5.11.3　案例 409

5.12　專題：高斯混合模型 415

5.12.1　高斯混合模型（GMM）為什么會(huì)出現(xiàn)：k-means算法

的缺陷 415

5.12.2　一般化E-M：高斯混合模型 417

5.12.3　將GMM用作密度估計(jì) 421

5.12.4　示例：用GMM生成新的數(shù)據(jù) 425

5.13　專題：核密度估計(jì) 427

5.13.1　KDE的由來：直方圖 428

5.13.2　核密度估計(jì)的實(shí)際應(yīng)用 431

5.13.3　示例：球形空間的KDE 433

5.13.4　示例：不是很樸素的貝葉斯 436

5.14　應(yīng)用：人臉識(shí)別管道 439

5.14.1　HOG特征 440

5.14.2　HOG實(shí)戰(zhàn)：簡單人臉識(shí)別器 441

5.14.3　注意事項(xiàng)與改進(jìn)方案 445

5.15　機(jī)器學(xué)習(xí)參考資料 446

5.15.1　Python中的機(jī)器學(xué)習(xí) 446

5.15.2　通用機(jī)器學(xué)習(xí)資源 447

關(guān)于作者 448

關(guān)于封面 448