VIP内容
通过这个紧凑的实用指南，开始使用Python进行数据分析。这本书包括三个练习和一个用正确的格式从Python代码中获取数据的案例研究。使用Python学习数据分析还可以帮助您使用分析发现数据中的意义，并展示如何可视化数据。
每一节课都尽可能是独立的，允许您根据需要插入和退出示例。如果您已经在使用Python进行数据分析，那么您会发现您希望知道如何使用Python来完成许多事情。然后，您可以将这些技术直接应用到您自己的项目中。
如果您不使用Python进行数据分析，那么本书从一开始就带您了解基础知识，为您在该主题中打下坚实的基础。当你阅读完这本书的时候，你会对如何使用Python进行数据分析有更好的理解。
你将学到什么
- 从Python代码中获取数据
- 准备数据及其格式
- 找出数据的意义
- 使用iPython可视化数据
这本书是给谁的
想学习使用Python进行数据分析的同学。建议您具有Python方面的经验，但不是必需的，因为您需要具有数据分析或数据科学方面的经验。
成为VIP会员查看完整内容
【103页pdf】Learn Data Analysis with Python
热门内容
最新内容
最新论文
We introduce tramp, standing for TRee Approximate Message Passing, a python package for compositional inference in high-dimensional tree-structured models. The package provides an unifying framework to study several approximate message passing algorithms previously derived for a variety of machine learning tasks such as generalized linear models, inference in multi-layer networks, matrix factorization, and reconstruction using non-separable penalties. For some models, the asymptotic performance of the algorithm can be theoretically predicted by the state evolution, and the measurements entropy estimated by the free entropy formalism. The implementation is modular by design: each module, which implements a factor, can be composed at will with other modules to solve complex inference tasks. The user only needs to declare the factor graph of the model: the inference algorithm, state evolution and entropy estimation are fully automated.
