ApacheCN 數據科學譯文集 2020.8

協議： CC BY-NC-SA 4.0

不要擔憂本身的形象，只關心如何實現目標。——《原則》，生活原則 2.3.c

• 在線閱讀
• ApacheCN 面試求職交流羣 724187166
• ApacheCN 學習資源

目錄

• TutorialsPoint NumPy 教程

• NumPy 祕籍中文第二版

  • 零、前言
  • 1、使用 IPython
  • 2、高級索引和數組概念
  • 3、掌握經常使用函數
  • 4、將 NumPy 與世界的其餘地方鏈接
  • 5、音頻和圖像處理
  • 6、特殊數組和通用函數
  • 7、性能分析和調試
  • 8、質量保證
  • 9、使用 Cython 加速代碼
  • 10、Scikits 的樂趣
  • 11、最新最強的 NumPy
  • 12、使用 NumPy 進行探索性和預測性數據分析

• NumPy 初學者指南中文第三版

  • 零、前言
  • 1、NumPy 快速入門
  • 2、從 NumPy 基本原理開始
  • 3、熟悉經常使用函數
  • 4、爲您帶來便利的便利函數
  • 5、使用矩陣和 ufunc
  • 6、深刻探索 NumPy 模塊
  • 7、瞭解特殊例程
  • 8、經過測試確保質量
  • 9、matplotlib 繪圖
  • 10、當 NumPy 不夠用時 - SciPy 及更多
  • 11、玩轉 Pygame
  • 附錄 A：小測驗答案
  • 附錄 B：其餘在線資源
  • 附錄 C：NumPy 函數的參考

• NumPy 基礎知識

  • 零、前言
  • 1、NumPy 簡介
  • 2、NumPy ndarray對象
  • 3、使用 NumPy 數組
  • 4、NumPy 核心和子模塊
  • 5、NumPy 中的線性代數
  • 6、NumPy 中的傅立葉分析
  • 7、構建和分發 NumPy 代碼
  • 8、使用 Cython 加速 NumPy
  • 9、NumPy C-API 簡介
  • 10、擴展閱讀

• 精通 NumPy 數值分析

  • 零、前言
  • 1、使用 NumPy 數組
  • 2、NumPy 線性代數
  • 3、使用 NumPy 統計函數對波士頓住房數據進行探索性數據分析
  • 4、使用線性迴歸預測房價
  • 5、使用 NumPy 對批發分銷商的客戶進行聚類
  • 6、NumPy，SciPy，Pandas 和 Scikit-Learn
  • 7、高級 NumPy
  • 8、高性能數值計算庫概述
  • 9、性能基準

• NumPy 數組學習手冊

  • 零、前言
  • 1、NumPy 入門
  • 2、NumPy 基礎
  • 3、使用 NumPy 的基本數據分析
  • 4、使用 NumPy 的簡單預測性分析
  • 5、信號處理技術
  • 6、性能分析，調試和測試
  • 7、Python 科學生態系統

• 精通 SciPy

  • 零、前言
  • 1、數值線性代數
  • 2、插值和近似
  • 3、微分與積分
  • 4、非線性方程式和最優化
  • 5、常微分方程的初值問題
  • 6、計算幾何
  • 7、描述性統計
  • 8、推斷和數據分析
  • 9、數字圖像處理

• Pandas 祕籍

  • 零、前言
  • 1、Pandas 基礎
  • 2、數據幀基本操做
  • 3、開始數據分析
  • 4、選擇數據子集
  • 5、布爾索引
  • 6、索引對齊
  • 7、分組以進行彙總，過濾和轉換
  • 8、將數據重組爲整齊的表格
  • 9、組合 Pandas 對象
  • 10、時間序列分析
  • 11、Pandas，Matplotlib 和 Seaborn 的可視化

• Pandas 學習手冊中文第二版

  • 零、前言
  • 1、Pandas 與數據分析
  • 2、啓動和運行 Pandas
  • 3、用序列表示單變量數據
  • 4、用數據幀表示表格和多元數據
  • 5、數據幀的結構操做
  • 6、索引數據
  • 7、類別數據
  • 8、數值統計方法
  • 9、存取數據
  • 10、整理數據
  • 11、合併，鏈接和重塑數據
  • 12、數據聚合
  • 十3、時間序列建模
  • 十4、可視化
  • 十5、歷史股價分析

• 精通 Pandas

  • 零、前言
  • 1、Pandas 和數據分析簡介
  • 2、Pandas 安裝和支持軟件
  • 3、Pandas 數據結構
  • 4、Pandas 的操做，第一部分 -- 索引和選擇
  • 5、Pandas 的操做，第二部分 -- 數據的分組，合併和重塑
  • 6、處理缺失數據，時間序列和 Matplotlib 繪圖
  • 7、統計之旅 -- 經典方法
  • 8、貝葉斯統計簡介
  • 9、Pandas 庫體系結構
  • 10、R 與 Pandas 的比較
  • 11、機器學習簡介

• NumPy 和 Pandas 數據分析實用指南

  • 零、前言
  • 1、配置 Python 數據分析環境
  • 2、探索 NumPy
  • 3、NumPy 數組上的運算
  • 4、Pandas 頗有趣！ 什麼是 Pandas？
  • 5、Pandas 的算術，函數應用以及映射
  • 6、排序，索引和繪圖

• 精通 Pandas 探索性分析

  • 零、前言
  • 1、處理不一樣種類的數據集
  • 2、數據選擇
  • 3、處理，轉換和重塑數據
  • 4、像專業人士同樣可視化數據

• Matplotlib 3.0 祕籍

  • 零、前言
  • 1、Matplotlib 的剖析
  • 2、基本繪圖入門
  • 3、繪製多個圖表和子圖
  • 4、開發可視化來提升發佈質量
  • 5、使用高級功能的繪圖
  • 6、嵌入文本和表達式
  • 7、以不一樣格式保存圖形
  • 8、開發交互式繪圖
  • 9、在圖形用戶界面中嵌入繪圖
  • 10、使用mplot3d工具包繪製 3D 圖形
  • 11、使用axisartist工具包
  • 12、使用axes_grid1工具包
  • 十3、使用 Cartopy 工具包繪製地理地圖
  • 十4、使用 Seaborn 工具包的探索性數據分析

• Matplotlib 繪圖祕籍

  • 零、前言
  • 1、第一步
  • 2、自定義顏色和樣式
  • 3、處理標註
  • 4、處理圖形
  • 5、文件輸出
  • 6、處理地圖
  • 7、處理 3D 圖形
  • 8、用戶界面

• Sklearn 祕籍

  • 第一章 模型預處理
  • 第二章 處理線性模型
  • 第三章 使用距離向量構建模型
  • 第四章 使用 scikit-learn 對數據分類
  • 第五章 模型後處理

• Sklearn 學習手冊

  • 1、機器學習 - 溫和的介紹
  • 2、監督學習
  • 3、無監督學習
  • 4、高級功能

貢獻指南

本項目須要校對，歡迎你們提交 Pull Request。

請您勇敢地去翻譯和改進翻譯。雖然咱們追求卓越，但咱們並不要求您作到十全十美，所以請不要擔憂由於翻譯上犯錯——在大部分狀況下，咱們的服務器已經記錄全部的翻譯，所以您沒必要擔憂會由於您的失誤遭到沒法挽回的破壞。（改編自維基百科）

聯繫方式

負責人

• 飛龍: 562826179

其餘

• 在咱們的 apachecn/apachecn-ds-zh github 上提 issue.
• 發郵件到 Email: apachecn@163.com.
• 在咱們的 組織學習交流羣 中聯繫羣主/管理員便可.

贊助咱們

經過平臺自帶的打賞功能，或點擊這裏。