<>.

利用 Python 进行数据分析(原书第2版) /
Detalles Bibliográficos
Autor principal: McKinney, Wes (Autor)
Autor Corporativo: Safari, an O'Reilly Media Company
Formato: Electrónico eBook
Idioma:Chino
Publicado: China Machine Press, 2018.
Edición:2nd edition.
Acceso en línea:Texto completo (Requiere registro previo con correo institucional)

MARC

LEADER 00000cam a2200000Ma 4500
001 OR_on1249106705
003 OCoLC
005 20231017213018.0
006 m o d
007 cr cn|||||||||
008 210501s2018 xx go 0o0 0 chi d
040 |a TOH  |b eng  |c TOH  |d OCLCO  |d VT2  |d RDF  |d STF  |d KSU  |d UPM  |d TOH  |d OCLCQ 
066 |c $1 
019 |a 1240508292 
020 |a 9787111603702 
020 |a 7111603702 
024 8 |a 9787111603702 
029 1 |a AU@  |b 000071520533 
035 |a (OCoLC)1249106705  |z (OCoLC)1240508292 
049 |a UAMI 
100 1 |a McKinney, Wes,  |e author. 
245 1 0 |6 880-99  |a <>. 
250 |a 2nd edition. 
264 1 |b China Machine Press,  |c 2018. 
300 |a 1 online resource (491 pages) 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
347 |a text file 
365 |b 18.31 
542 |f Copyright ©William McKinney  |g 2018 
550 |a Made available through: Safari, an O'Reilly Media Company. 
588 0 |a Online resource; Title from title page (viewed July 1, 2018). 
590 |a O'Reilly  |b O'Reilly Online Learning: Academic/Public Library Edition 
710 2 |a O'Reilly for Higher Education (Firm),  |e distributor. 
710 2 |a Safari, an O'Reilly Media Company. 
856 4 0 |u https://learning.oreilly.com/library/view/~/9787111603702/?ar  |z Texto completo (Requiere registro previo con correo institucional) 
880 1 0 |6 245-99  |a 利用 Python 进行数据分析(原书第2版) /  |c McKinney, Wes. 
880 |6 520-00  |a 阅读本书可以获得关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第2版针对Python 3.6进行了更新,并增加了实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到较新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍,非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到。 使用IPython shell和Jupyter notebook进行探索性计算 学习NumPy(Numerical Python)的基础和高级特性 入门pandas库中的数据分析工具 使用灵活工具对数据进行载入、清洗、变换、合并和重塑 使用matplotlib创建富含信息的可视化 将pandas的groupby功能应用于对数据集的切片、切块和汇总 分析并操作规则和不规则的时间序列数据 利用完整的、详细的示例学习如何解决现实中的数据分析问题 
994 |a 92  |b IZTAP 

Ejemplares similares