文件列表:

ch04_NumPy基础 (0, 2018-01-17)
ch04_NumPy基础\array_ex.txt (223, 2018-01-17)
ch04_NumPy基础\p01_NumPy的ndarray.ipynb (33222, 2018-01-17)
ch04_NumPy基础\p02_通用函数.ipynb (4458, 2018-01-17)
ch04_NumPy基础\p03_利用数组进行数据处理.ipynb (21100, 2018-01-17)
ch04_NumPy基础\p04_用于数组的文件输入输出.ipynb (2889, 2018-01-17)
ch04_NumPy基础\p05_线性代数.ipynb (4514, 2018-01-17)
ch04_NumPy基础\p06_随机数生成.ipynb (2456, 2018-01-17)
ch04_NumPy基础\p07_范例_随机漫步.ipynb (26547, 2018-01-17)
ch05_pandas入门 (0, 2018-01-17)
ch05_pandas入门\p01_pandas的数据结构介绍.ipynb (37536, 2018-01-17)
ch05_pandas入门\p02_基本功能.ipynb (70596, 2018-01-17)
ch05_pandas入门\p03_汇总和计算描述统计.ipynb (23419, 2018-01-17)
ch05_pandas入门\p04_处理缺失数据.ipynb (33232, 2018-01-17)
ch05_pandas入门\p05_层次化索引.ipynb (41195, 2018-01-17)
ch05_pandas入门\p06_其他有关pandas的话题.ipynb (29941, 2018-01-17)
ch07_数据规整化 (0, 2018-01-17)
ch07_数据规整化\p01_合并数据集.ipynb (79215, 2018-01-17)
ch07_数据规整化\p02_重塑和轴向旋转.ipynb (39567, 2018-01-17)
ch07_数据规整化\p03_数据转换.ipynb (76919, 2018-01-17)
ch07_数据规整化\p04_字符串操作.ipynb (13732, 2018-01-17)
ch07_数据规整化\p05_示例_USDA食品数据库.ipynb (59338, 2018-01-17)
ch08_绘图和可视化 (0, 2018-01-17)
ch08_绘图和可视化\p01_matplotlib_API入门.ipynb (246787, 2018-01-17)
ch08_绘图和可视化\p02_pandas中的绘图函数.ipynb (216332, 2018-01-17)
ch08_绘图和可视化\p03_绘制地图_图形化显示海地地震危机数据.ipynb (706524, 2018-01-17)
ch09_数据聚合与分组运算 (0, 2018-01-17)
ch09_数据聚合与分组运算\p01_GroupBy技术.ipynb (35060, 2018-01-17)
ch09_数据聚合与分组运算\p02_数据聚合.ipynb (38058, 2018-01-17)
ch09_数据聚合与分组运算\p03_分组级运算和转换.ipynb (93655, 2018-01-17)
ch09_数据聚合与分组运算\p04_透视表和交叉表.ipynb (29149, 2018-01-17)
ch09_数据聚合与分组运算\p05_示例_2012联邦选举委员会数据库.ipynb (84075, 2018-01-17)
ch10_时间序列 (0, 2018-01-17)
ch10_时间序列\p01_日期和时间数据类型及工具.ipynb (8452, 2018-01-17)
ch10_时间序列\p02_时间序列基础.ipynb (16329, 2018-01-17)
ch10_时间序列\p03_日期的范围频率以及移动.ipynb (20311, 2018-01-17)
ch10_时间序列\p04_时区处理.ipynb (661, 2018-01-17)
ch10_时间序列\p05_时期及其算术运算.ipynb (21997, 2018-01-17)
... ...

# pydata-book 利用Python进行数据分析 https://read.douban.com/reader/ebook/15249337/ 源代码整理版 主要工作如下: 1. Python3环境运行 2. 代码bug和警告修复,主要由于新版本升级导致。 3. 代码注释和讲解 4. 数据整理

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：