ApacheCN 数据科学译文集 2020.8

协议： CC BY-NC-SA 4.0

不要担忧本身的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c

• 在线阅读
• ApacheCN 面试求职交流群 724187166
• ApacheCN 学习资源

目录

• TutorialsPoint NumPy 教程

• NumPy 秘籍中文第二版

  • 零、前言
  • 1、使用 IPython
  • 2、高级索引和数组概念
  • 3、掌握经常使用函数
  • 4、将 NumPy 与世界的其余地方链接
  • 5、音频和图像处理
  • 6、特殊数组和通用函数
  • 7、性能分析和调试
  • 8、质量保证
  • 9、使用 Cython 加速代码
  • 10、Scikits 的乐趣
  • 11、最新最强的 NumPy
  • 12、使用 NumPy 进行探索性和预测性数据分析

• NumPy 初学者指南中文第三版

  • 零、前言
  • 1、NumPy 快速入门
  • 2、从 NumPy 基本原理开始
  • 3、熟悉经常使用函数
  • 4、为您带来便利的便利函数
  • 5、使用矩阵和 ufunc
  • 6、深刻探索 NumPy 模块
  • 7、了解特殊例程
  • 8、经过测试确保质量
  • 9、matplotlib 绘图
  • 10、当 NumPy 不够用时 - SciPy 及更多
  • 11、玩转 Pygame
  • 附录 A：小测验答案
  • 附录 B：其余在线资源
  • 附录 C：NumPy 函数的参考

• NumPy 基础知识

  • 零、前言
  • 1、NumPy 简介
  • 2、NumPy ndarray对象
  • 3、使用 NumPy 数组
  • 4、NumPy 核心和子模块
  • 5、NumPy 中的线性代数
  • 6、NumPy 中的傅立叶分析
  • 7、构建和分发 NumPy 代码
  • 8、使用 Cython 加速 NumPy
  • 9、NumPy C-API 简介
  • 10、扩展阅读

• 精通 NumPy 数值分析

  • 零、前言
  • 1、使用 NumPy 数组
  • 2、NumPy 线性代数
  • 3、使用 NumPy 统计函数对波士顿住房数据进行探索性数据分析
  • 4、使用线性回归预测房价
  • 5、使用 NumPy 对批发分销商的客户进行聚类
  • 6、NumPy，SciPy，Pandas 和 Scikit-Learn
  • 7、高级 NumPy
  • 8、高性能数值计算库概述
  • 9、性能基准

• NumPy 数组学习手册

  • 零、前言
  • 1、NumPy 入门
  • 2、NumPy 基础
  • 3、使用 NumPy 的基本数据分析
  • 4、使用 NumPy 的简单预测性分析
  • 5、信号处理技术
  • 6、性能分析，调试和测试
  • 7、Python 科学生态系统

• 精通 SciPy

  • 零、前言
  • 1、数值线性代数
  • 2、插值和近似
  • 3、微分与积分
  • 4、非线性方程式和最优化
  • 5、常微分方程的初值问题
  • 6、计算几何
  • 7、描述性统计
  • 8、推断和数据分析
  • 9、数字图像处理

• Pandas 秘籍

  • 零、前言
  • 1、Pandas 基础
  • 2、数据帧基本操做
  • 3、开始数据分析
  • 4、选择数据子集
  • 5、布尔索引
  • 6、索引对齐
  • 7、分组以进行汇总，过滤和转换
  • 8、将数据重组为整齐的表格
  • 9、组合 Pandas 对象
  • 10、时间序列分析
  • 11、Pandas，Matplotlib 和 Seaborn 的可视化

• Pandas 学习手册中文第二版

  • 零、前言
  • 1、Pandas 与数据分析
  • 2、启动和运行 Pandas
  • 3、用序列表示单变量数据
  • 4、用数据帧表示表格和多元数据
  • 5、数据帧的结构操做
  • 6、索引数据
  • 7、类别数据
  • 8、数值统计方法
  • 9、存取数据
  • 10、整理数据
  • 11、合并，链接和重塑数据
  • 12、数据聚合
  • 十3、时间序列建模
  • 十4、可视化
  • 十5、历史股价分析

• 精通 Pandas

  • 零、前言
  • 1、Pandas 和数据分析简介
  • 2、Pandas 安装和支持软件
  • 3、Pandas 数据结构
  • 4、Pandas 的操做，第一部分 -- 索引和选择
  • 5、Pandas 的操做，第二部分 -- 数据的分组，合并和重塑
  • 6、处理缺失数据，时间序列和 Matplotlib 绘图
  • 7、统计之旅 -- 经典方法
  • 8、贝叶斯统计简介
  • 9、Pandas 库体系结构
  • 10、R 与 Pandas 的比较
  • 11、机器学习简介

• NumPy 和 Pandas 数据分析实用指南

  • 零、前言
  • 1、配置 Python 数据分析环境
  • 2、探索 NumPy
  • 3、NumPy 数组上的运算
  • 4、Pandas 颇有趣！ 什么是 Pandas？
  • 5、Pandas 的算术，函数应用以及映射
  • 6、排序，索引和绘图

• 精通 Pandas 探索性分析

  • 零、前言
  • 1、处理不一样种类的数据集
  • 2、数据选择
  • 3、处理，转换和重塑数据
  • 4、像专业人士同样可视化数据

• Matplotlib 3.0 秘籍

  • 零、前言
  • 1、Matplotlib 的剖析
  • 2、基本绘图入门
  • 3、绘制多个图表和子图
  • 4、开发可视化来提升发布质量
  • 5、使用高级功能的绘图
  • 6、嵌入文本和表达式
  • 7、以不一样格式保存图形
  • 8、开发交互式绘图
  • 9、在图形用户界面中嵌入绘图
  • 10、使用mplot3d工具包绘制 3D 图形
  • 11、使用axisartist工具包
  • 12、使用axes_grid1工具包
  • 十3、使用 Cartopy 工具包绘制地理地图
  • 十4、使用 Seaborn 工具包的探索性数据分析

• Matplotlib 绘图秘籍

  • 零、前言
  • 1、第一步
  • 2、自定义颜色和样式
  • 3、处理标注
  • 4、处理图形
  • 5、文件输出
  • 6、处理地图
  • 7、处理 3D 图形
  • 8、用户界面

• Sklearn 秘籍

  • 第一章 模型预处理
  • 第二章 处理线性模型
  • 第三章 使用距离向量构建模型
  • 第四章 使用 scikit-learn 对数据分类
  • 第五章 模型后处理

• Sklearn 学习手册

  • 1、机器学习 - 温和的介绍
  • 2、监督学习
  • 3、无监督学习
  • 4、高级功能

贡献指南

本项目须要校对，欢迎你们提交 Pull Request。

请您勇敢地去翻译和改进翻译。虽然咱们追求卓越，但咱们并不要求您作到十全十美，所以请不要担忧由于翻译上犯错——在大部分状况下，咱们的服务器已经记录全部的翻译，所以您没必要担忧会由于您的失误遭到没法挽回的破坏。（改编自维基百科）

联系方式

负责人

• 飞龙: 562826179

其余

• 在咱们的 apachecn/apachecn-ds-zh github 上提 issue.
• 发邮件到 Email: apachecn@163.com.
• 在咱们的 组织学习交流群 中联系群主/管理员便可.

赞助咱们

经过平台自带的打赏功能，或点击这里。