python数据科学导论概念_Python数据科学导论

若把编写代码比作行军打仗，那么要想称霸沙场，不能仅靠手中的利刃，还需深谙兵法。Python是一把利刃，数据结构与算法则是兵法。只有熟读兵法，才能使利刃所向披靡。《Python数据结构与算法分析 第2版》是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验。通过学习本书，你将掌握数据结构与算法的基本思想，从而有信心探索任何编程难题的解决方法。 - 使用Python实现栈、队列、列表等抽象数据类型 - 掌握大O记法和时间复杂度等概念 - 利用递归解决汉诺塔问题 - 实现常用的搜索算法和排序算法，并分析性能 - 掌握树与图在Python中的应用 书本每章内容都有配套练习，帮助你更好地掌握所学内容； 针对Python新版全新改版，所有的代码都是使用Python3.x写成； 将所有的数据结构源代码都放在一个Python包中，方便读者在完成作业时使用； 相关配套

¥62.40定价：¥79.00(7.9折)电子书：¥39.00

1.作者权威，编写经验丰富，且读者反映良好。 1.内容以实践为主，强化技能训练。 本书通过Python编程实践、书中代码演示和习题等，帮助读者快速掌握数据科学相关技能。 2.实例贴近实际，实用性强。本书案例皆与生活例子相关，更实用。 3.配套资源丰富。本书提供PPT、教学大纲、参考答案等资源，方便读者使用。

¥40.20定价：¥42.00(9.58折)

/2021-01-01

本书对上一版内容进行了全面扩展和更新，将帮助你使用常见的Python库成功地进行数据科学操作。本书提供了对Python核心软件包的前沿见解，包括新版的Jupyter Notebook、Numpy、pandas和Scikit-learn等。 n 本书提供大量详细的示例和大型混合数据集，可以帮助你掌握数据收集、数据改写和分析、可视化和活动报告等基本统计技术。此外，书中还介绍了机器学习算法、分布式计算、预测模型调参和自然语言处理等高级数据科学主题，还介绍了深度学习和梯度提升方案(如XGBoost、LightGBM和CatBoost)等内容。 n 通过本书的学习，你将全面了解主要的机器学习算法、图分析技术以及所有可视化工具和部署工具，使你可以更轻松地向数据科学专家和商业用户展示数据处理结果。 n n 通过阅读本书，你将学到： n ?在Windows、Mac和Linux系统上安装数据科学工具箱 n ?使用Scikit-learn库提供的核心

¥58.00定价：¥270.36(2.15折)

本书首先介绍如何设置基本的数据科学工具箱，然后带你进入数据改写和预处理阶段，这一部分主要是阐明所有与核心数据科学活动相关的数据分析过程，如数据加载、转换、修复以及数据探索和处理等。通过主要的机器学习算法、图形分析技术，以及所有易于表现结果的可视化工具，实现对数据科学的概述。 本书对上一版内容进行了全面拓展和更新，涵盖新版的Jupyter Notebook、NumPy、pandas和Scikit-learn等的新改进。此外，还介绍了深度学习(借助在Theano和Tensorflow平台上运行的Keras库)、漂亮的可视化(使用Seaborn和 ggplot)和Web部署(使用bottle)等新内容。 本书行文过程以数据科学项目为主体，辅以整洁的代码和简化的示例，能帮助你理解与项目相关的潜在原理和实际数据集。

¥57.82定价：¥57.82

本书对上一版内容进行了全面扩展和更新，将帮助你使用常见的Python库成功地进行数据科学操作。本书提供了对Python核心软件包的前沿见解，包括新版的Jupyter Notebook、Numpy、pandas和Scikit-learn等。 本书提供大量详细的示例和大型混合数据集，可以帮助你掌握数据收集、数据改写和分析、可视化和活动报告等基本统计技术。此外，书中还介绍了机器学习算法、分布式计算、预测模型调参和自然语言处理等高级数据科学主题，还介绍了深度学习和梯度提升方案(如XGBoost、LightGBM和CatBoost)等内容。 通过本书的学习，你将全面了解主要的机器学习算法、图分析技术以及所有可视化工具和部署工具，使你可以更轻松地向数据科学专家和商业用户展示数据处理结果。 通过阅读本书，你将学到： 在Windows、Mac和Linux系统上安装数据科学工具箱 使用Scikit-learn库提供的核心机器学习

¥61.20定价：¥79.00(7.75折)

本书对上一版内容进行了全面扩展和更新，将帮助你使用常见的Python库成功地进行数据科学操作。本书提供了对Python核心软件包的前沿见解，包括新版的Jupyter Notebook、Numpy、pandas和Scikit-learn等。本书提供大量详细的示例和大型混合数据集，可以帮助你掌握数据收集、数据改写和分析、可视化和活动报告等基本统计技术。此外，书中还介绍了机器学习算法、分布式计算、预测模型调参和自然语言处理等不错数据科学主题，还介绍了深度学习和梯度提升方案(如XGBoost、LightGBM和CatBoost)等内容。通过本书的学习，你将全面了解主要的机器学习算法、图分析技术以及所有可视化工具和部署工具，使你可以更轻松地向数据科学专家和商业用户展示数据处理结果。通过阅读本书，你将学到： 在Windows、Mac和Linux系统上安装数据科学工具箱 使用Scikit-learn库提供的核心机器学习方法

¥66.40定价：¥79.00(8.41折)

阿尔贝托·博斯凯蒂、卢卡·马萨罗著的《数据科学导论(Python语言实现)》首先介绍如何设置基本的数据科学工具箱，然后带你进入数据改写和预处理阶段，这一部分主要是阐明所有与核心数据科学活动相关的数据分析过程，如数据加载、转换、修复以及数据探索和处理等；最后，通过主要的机器学习算法、图形分析技术，以及所有易于表现结果的可视化工具，实现对数据科学的概述。 本书行文过程以数据科学项目为主体，辅以整洁的代码和简化的示例，能帮助你理解与项目相关的潜在原理和实际数据集。

¥44.10定价：¥346.48(1.28折)

本书对上一版内容进行了全面扩展和更新，将帮助你使用常见的Python库成功地进行数据科学操作。本书提供了对Python核心软件包的前沿见解，包括新版的Jupyter Notebook、Numpy、pandas和Scikit-learn等。 n 本书提供大量详细的示例和大型混合数据集，可以帮助你掌握数据收集、数据改写和分析、可视化和活动报告等基本统计技术。此外，书中还介绍了机器学习算法、分布式计算、预测模型调参和自然语言处理等高级数据科学主题，还介绍了深度学习和梯度提升方案(如XGBoost、LightGBM和CatBoost)等内容。 n 通过本书的学习，你将全面了解主要的机器学习算法、图分析技术以及所有可视化工具和部署工具，使你可以更轻松地向数据科学专家和商业用户展示数据处理结果。 n n 通过阅读本书，你将学到： n ?在Windows、Mac和Linux系统上安装数据科学工具箱 n ?使用Scikit-learn库提供的核心

¥76.20定价：¥378.60(2.02折)