{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}
免运费
Yami

Nickname

请告诉我们怎么更好地称呼你

更新你的名字
账户 订单 收藏
{{ inviteNavTitle }}
退出登录

切换配送区域

不同区域的库存和配送时效可能存在差异.

历史邮编

{{email ? __('Got it!') : __('Restock Alert')}}

我们将在商品到货后第一时间通知你。

取消
Yami

京东图书

Python数据分析

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

Python数据分析

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}
后结束
{{ itemCurrency }}{{ item.valid_price }}
{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}
{{ itemDiscount }}
{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}
{{ itemCurrency }}{{ item.valid_price }}
后结束促销
后开始秒杀 后结束秒杀
{{ getSeckillDesc(item.seckill_data) }}
{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 详情
商品有效期

已下架

当前地址无法配送
已售完

商品描述

展开全部描述
编辑推荐

实用的Python开源模块的大集合;
简单易懂、示例丰富的数据分析教程;
掌握数据可视化、机器学习等高端主题;
新手变身数据分析专家的上好读本;
内容简介

作为一种高级程序设计语言,Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时,Python语言的数据分析功能也逐渐为大众所认可。
本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章,从Python程序库入门、NumPy数组、matplotlib和pandas开始,陆续介绍了数据加工、数据处理和数据可视化等内容。同时,本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾,还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。
本书示例丰富、简单易懂,非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。
作者简介

Ivan Idris,实验物理学硕士,学位论文侧重于应用计算机科学。毕业后,他曾经效力于多家公司,从事Java开发、数据仓库开发以及QA分析等方面的工作;目前,他的兴趣主要集中在商业智能、大数据和云计算等专业领域。
Ivan Idris以编写简洁可测试的程序代码以及撰写有趣的技术文章为乐,同时也是Packt出版社NumPy Beginner's Guide-Second Edition、NumPy Cookbook和Learning NumPy Array等书籍的作者。
目录

第1章 Python程序库入门 1
1.1 本书用到的软件 2
1.1.1 软件的安装和设置 2
1.1.2 Windows平台 2
1.1.3 Linux平台 3
1.1.4 Mac OS X平台 4
1.2 从源代码安装NumPy、SciPy、matplotlib和IPython 6
1.3 用setuptools安装 7
1.4 NumPy数组 7
1.5 一个简单的应用 8
1.6 将IPython用作shell 11
1.7 学习手册页 13
1.8 IPython notebook 14
1.9 从何处寻求帮助和参考资料 14
1.10 小结 15
第2章 NumPy数组 16
2.1 NumPy数组对象 16
2.2 创建多维数组 18
2.3 选择NumPy数组元素 18
2.4 NumPy的数值类型 19
2.4.1 数据类型对象 21
2.4.2 字符码 21
2.4.3 Dtype构造函数 22
2.4.4 dtype属性 23
2.5 一维数组的切片与索引 23
2.6 处理数组形状 24
2.6.1 堆叠数组 27
2.6.2 拆分NumPy数组 30
2.6.3 NumPy数组的属性 33
2.6.4 数组的转换 39
2.7 创建数组的视图和拷贝 40
2.8 花式索引 41
2.9 基于位置列表的索引方法 43
2.10 用布尔型变量索引NumPy数组 44
2.11 NumPy数组的广播 46
2.12 小结 49
第3章 统计学与线性代数 50
3.1 Numpy和Scipy模块 50
3.2 用NumPy进行简单的描述性统计计算 55
3.3 用NumPy进行线性代数运算 57
3.3.1 用NumPy求矩阵的逆 57
3.3.2 用NumPy解线性方程组 59
3.4 用NumPy计算特征值和特征向量 61
3.5 NumPy随机数 63
3.5.1 用二项式分布进行博弈 63
3.5.2 正态分布采样 66
3.5.3 用SciPy进行正态检验 67
3.6 创建掩码式NumPy数组 70
3.7 小结 75
第4章 pandas入门 76
4.1 pandas的安装与概览 77
4.2 pandas数据结构之DataFrame 78
4.3 pandas数据结构之Series 81
4.4 利用pandas查询数据 85
4.5 利用pandas的DataFrame进行统计计算 89
4.6 利用pandas的DataFrame实现数据聚合 91
4.7 DataFrame的串联与附加操作 95
4.8 连接DataFrames 96
4.9 处理缺失数据问题 99
4.10 处理日期数据 102
4.11 数据透视表 106
4.12 访问远程数据 107
4.13 小结 109
第5章 数据的检索、加工与存储 110
5.1 利用NumPy和pandas对CSV文件进行写操作 110
5.2 NumPy.npy与pandas DataFrame 112
5.3 使用PyTables存储数据 115
5.4 Pandas DataFrame与HDF5仓库之间的读写操作 118
5.5 使用pandas读写Excel文件 120
5.6 使用REST Web服务和JSON 123
5.7 使用pandas读写JSON 124
5.8 解析RSS和Atom订阅 126
5.9 使用Beautiful Soup解析HTML 127
5.10 小结 134
第6章 数据可视化 136
6.1 matplotlib的子库 137
6.2 matplotlib绘图入门 137
6.3 对数图 139
6.4 散点图 141
6.5 图例和注解 143
6.6 三维图 145
6.7 pandas绘图 148
6.8 时滞图 150
6.9 自相关图 151
6.10 Plot.ly 153
6.11 小结 155
第7章 信号处理与时间序列 156
7.1 statsmodels子库 157
7.2 移动平均值 157
7.3 窗口函数 159
7.4 协整的定义 161
7.5 自相关 164
7.6 自回归模型 166
7.7 ARMA模型 170
7.8 生成周期信号 172
7.9 傅里叶分析 174
7.10 谱分析 177
7.11 滤波 177
7.12 小结 179
第8章 应用数据库 180
8.1 基于sqlite3的轻量级访问 181
8.2 通过pandas访问数据库 183
8.3 SQLAlchemy 185
8.3.1 SQLAlchemy的安装和配置 186
8.3.2 通过SQLAlchemy填充数据库 188
8.3.3 通过SQLAlchemy查询数据库 189
8.4 Pony ORM 191
8.5 Dataset:懒人数据库 192
8.6 PyMongo与MongoDB 195
8.7 利用Redis存储数据 196
8.8 Apache Cassandra 197
8.9 小结 201
第9章 分析文本数据和社交媒体 203
9.1 安装NLTK 203
9.2 滤除停用字、姓名和数字 206
9.3 词袋模型 208
9.4 词频分析 209
9.5 朴素贝叶斯分类 211
9.6 情感分析 214
9.7 创建词云 217
9.8 社交网络分析 222
9.9 小结 224
第10章 预测性分析与机器学习 225
10.1 scikit-learn概貌 226
10.2 预处理 228
10.3 基于逻辑回归的分类 230
10.4 基于支持向量机的分类 232
10.5 基于ElasticNetCV的回归分析 235
10.6 支持向量回归 237
10.7 基于相似性传播算法的聚类分析 240
10.8 均值漂移算法 242
10.9 遗传算法 244
10.10 神经网络 249
10.11 决策树 251
10.12 小结 253
第11章 Python生态系统的外部环境和云计算 255
11.1 与MATLAB/Octave交换信息 256
11.2 Installing rpy2安装rpy2 257
11.3 连接R 257
11.4 为Java传递NumPy数组 260
11.5 集成SWIG和NumPy 261
11.6 集成Boost和Python 264
11.7 通过f2py使用Fortran代码 266
11.8 配置谷歌应用引擎 267
11.9 在PythonAnywhere上运行程序 269
11.10 使用Wakari 270
11.11 小结 271
第12章 性能优化、性能分析与并发性 272
12.1 代码的性能分析 272
12.2 安装Cython 277
12.3 调用C代码 281
12.4 利用multiprocessing创建进程池 283
12.5 通过Joblib提高for循环的并发性 286
12.6 比较Bottleneck函数与NumPy函数 287
12.7 通过Jug实现MapReduce 289
12.8 安装MPI for Python 292
12.9 IPython Parallel 292
12.10 小结 296
附录A 重要概念 298
附录B 常用函数 303
附录C 在线资源 309

规格参数

品牌 京东图书
品牌属地 中国
ISBN 9787115411228
著者 [印尼]伊德里斯(Ivan Idris)
出版社 人民邮电出版社
用纸 胶版纸
包装 平装
出版时间 2016-02-01
页数 308
译者 韩波
语言 中文
版次 1

免责声明

产品价格、包装、规格等信息如有调整,恕不另行通知。我们尽量做到及时更新产品信息,但请以收到实物为准。使用产品前,请始终阅读产品随附的标签、警告及说明。

查看详情
加入收藏
{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}
{{__("Buy Directly")}} {{ itemCurrency }}{{ item.directly_price }}
数量
{{ quantity }}
{{ instockMsg }}
{{ limitText }}
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
由 京东图书 销售
送至
{{ __("Ship to United States only") }}
满$69免运费
正品保证

已加入购物车

继续逛逛

为你推荐

{{ item.brand_name }}

{{ item.item_name }}

{{ item.currency }}{{ item.market_price }}

{{ item.currency }}{{ item.unit_price }}

{{ item.currency }}{{ item.unit_price }}

优惠券

{{ coupon.coupon_name_new | formatCurrency }}
领取 已领取 已领完
{{ getCouponDescStr(coupon) }}
{{ coupon.use_time_desc }}
即将过期: {{ formatTime(coupon.use_end_time) }}

分享给好友

取消

亚米礼卡专享价

使用礼卡支付即可获得礼卡专享价

规则说明

礼卡专享价是部分商品拥有的特殊优惠价格;

购买礼卡专享价商品时,若在结算时使用电子礼卡抵扣支付,且礼卡余额足够支付订单中所有礼卡专享价商品的专享价总和,则可以启用礼卡专享价;

不使用礼卡支付,或礼卡余额不满足上一条所述要求时,将无法启用礼卡专享价,按照普通售价计算,但您仍然可以购买这些商品;

在购买礼卡专享价商品时,若余额不足,可以在购物车或结算页中点击“充值”按钮对礼卡进行购买和充值;

商品若拥有礼卡专享价,会显示“专享”的特殊价格标记;

如有疑问,请随时联系客服;

礼卡专享价相关规则最终解释权归亚米所有。

由 亚米 销售

服务保障

Yami 满$49免运费
Yami 无忧退换
Yami 从美国发货

配送信息

  • 美国

    标准配送 $5.99(不包含阿拉斯加,夏威夷),最终价满$49免运费

    本地配送$5.99(加州,纽约州,新泽西,麻省和宾夕法尼亚,以上州部分地区);最终价满$49免运费

    两日达(包含阿拉斯加夏威夷)运费$19.99起

退换政策

亚米网希望为我们的客户提供最优秀的售后服务,让所有人都能放心在亚米购物。亚米自营商品在满足退换货条件的情况下,可在收到包裹的30天之内退换商品(食品因商品质量问题7天内可退换;为了确保每位客户都能获得安全和高质量的商品,对于美妆类产品,一经开封或使用即不提供退款或退货服务,质量问题除外;其他特殊商品需联系客服咨询)。
感谢您的理解和支持。

查看详情

由 亚米 销售

亚米电子礼品卡使用规则

若购买时选择自动充值,订单完成后礼卡将自动充值到您的账户中;

若购买时选择发送邮件,订单完成后系统将自动发送卡号和密码到您填写的邮箱;

发送邮件时,任何用户均可使用邮件中的卡号密码进行礼卡充值,请妥善保管邮件信息。

如接收邮件遇到问题,请联系客服处理;

发送邮件时,若礼卡没有被兑换,可以补发邮件。若已经被其他用户兑换,则无法补偿;

亚米网电子礼卡可用于购买自营或第三方商品;

亚米网电子礼卡没有有效期限制,长期有效;

亚米网电子礼卡的金额,可分多次使用;

亚米网电子礼卡业务规则,最终解释权归亚米网所有。

退换政策

已消费的电子礼卡不支持退款。

京东图书 销售

服务保障

Yami 满$49免运费
Yami 最优售后
Yami 美国本土发货

配送信息

  • 美国

    标准配送 $5.99(不包含阿拉斯加,夏威夷),最终价满$49免运费

    本地配送$5.99(加州,纽约州,新泽西,麻省和宾夕法尼亚,以上州部分地区);最终价满$49免运费

    两日达(包含阿拉斯加夏威夷)运费$19.99起

退换政策

提供30天内退还保障。产品需全新未使用原包装内,并附有购买凭据。产品质量问题、或错发漏发等,由商家造成的失误,将进行补发,或退款处理。其它原因需退货费用由客户自行承担。

由 京东图书 销售

服务保障

Yami 跨店满$69免运费
Yami 30天退换保障

亚米-中国集运仓

由亚米从中国精选并集合各大优秀店铺的商品至亚米中国整合中心,合并包裹后将一次合包跨国邮寄至您的地址。跨店铺包邮门槛低至$69。您将在多商家集合提供的广泛选品中选购商品,轻松享受跨店铺包邮后的低邮费。

退换政策

提供30天内退换保障。产品需在全新未使用的原包装内,并附有购买凭据。产品质量问题、错发、或漏发等由商家造成的失误,将进行退款处理。其它原因造成的退换货邮费客户将需要自行承担。由于所有商品均长途跋涉,偶有简易外包压磨等但不涉及内部质量问题者,不予退换。

配送信息

亚米中国集运 Consolidated Shipping 运费$9.99(订单满$69 包邮)

下单后2个工作日中国商家发货,所有包裹抵达亚米中国整合中心(除特别情况及中国境内个别法定节假日外)会合并包裹后通过UPS发往美国。UPS从中国发货后到美国境内的平均时间为10个工作日左右,根据直发单号可随时跟踪查询。受疫情影响,目前物流可能延迟5天左右。包裹需要客人签收。如未签收,客人须承担包裹丢失风险。

由 京东图书 销售

服务保障

满$69免运费
正品保证

配送信息

Yami Consolidated Shipping 运费$9.99(订单满$69包邮)


下单后1-2个工作日内发货。 物流时效预计7-15个工作日。 如遇清关,交货时间将延长3-7天。 最终收货日期以邮政公司信息为准。

积分规则

不参加任何折扣活动以及亚米会员积分制度。

退换政策

提供30天内退还保障。产品需全新未使用原包装内,并附有购买凭据。产品质量问题、或错发漏发等,由商家造成的失误,将进行补发,或退款处理。其它原因需退货费用由客户自行承担。

Yami

下载亚米应用

返回顶部

为你推荐

品牌故事

京东图书

为您推荐

Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g

周销量 600+

$1.66 $1.99 83折

评论{{'('+ commentList.posts_count + ')'}}

分享你的感受,帮助更多用户做出选择。

写评论
{{ totalRating }} 写评论
  • {{i}}星

    {{i}}星

    {{ parseInt(commentRatingList[i]) }}%

Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ comment.content }}

Yami
查看更多

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}
Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ comment.content }}

Yami
查看更多

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

暂无符合条件的评论

评论详情

Yami Yami

{{ showTranslate(commentDetails) }}收起

{{ strLimit(commentDetails,800) }}查看全部

Show Original

{{ commentDetails.content }}

Yami
查看更多

{{ formatTime(commentDetails.in_dtm) }} 已购买 {{groupData}}

{{ commentDetails.likes_count }} {{ commentDetails.likes_count }} {{ commentDetails.reply_count }} {{commentDetails.in_user==uid ? __('Delete') : __('Report')}}

请输入内容

回复{{'(' + replyList.length + ')'}}

Yami Yami

{{ showTranslate(reply) }}收起

{{ strLimit(reply,800) }}查看全部

Show Original

{{ reply.reply_content }}

{{ formatTime(reply.reply_in_dtm) }}

{{ reply.reply_likes_count }} {{ reply.reply_likes_count }} {{ reply.reply_reply_count }} {{reply.reply_in_user==uid ? __('Delete') : __('Report')}}

请输入内容

取消

End

发表评论
商品评分

请输入评论

  • 一个好的昵称,会让你的评论更受欢迎!
  • 修改了这里的昵称,个人资料中的昵称也将被修改。
感谢你的评论
你的好评可以帮助我们的社区发现更好的亚洲商品。

举报

取消

确认删除该评论吗?

取消

历史浏览

品牌故事

京东图书