python数据科学实践指南-源代码.zip

【实例简介】
《Python数据科学实践指南》 本书是一本Python数据科学的入门图书，笔者结合多年工作和指导新人的经验，希望以一条简单的路线来为零基础的读者介绍数据科学。在本书中主要使用Python编程语言，来处理真实的数据，从而满足我们对于未知的好奇。如果读者喜欢其中的某一个领域，可以以此为契机进行深入的学习。 本书分为三大部分，第1~4章是Python基础，在这个部分会介绍阅读本书必须的Python知识，但并不会包含很复杂的编程知识，比如面向对象编程就不是必要的，因为Python支持过程式编程，可以直接编写函数。第5~7章会讲解Python直接提供的数据处理工具，这些工具包括一些易用的数据结构、标准库和第三方工具。学习使用这些工具可以让我们快速地实现某些简单的算法，而不用花费大量的时间“重新发明轮子”，Python在处理数据时的高效在此处体现得淋漓尽致。第8~12章是一些实际的案例操作分解，涉及Python主要擅长的几个领域：统计、爬虫、科学计算、Hadoop&Spark;中的集成、图计算等。最后的三个附录分别介绍了一些关于Python的扩展知识，比如如何编写同时兼容Python2和Python3的代码，如何安装完整的Python开发环境，以及一些常用的Python技巧（处理时间、文件I/O等）等。
【实例截图】
【核心代码】
4744300845384599507.zip
└── data_science_tool_book_code-master
├── chapter0
│   ├── __init__.py
│   └── welcome.py
├── chapter10
│   ├── __init__.py
│   ├── iris
│   │   ├── database.sqlite
│   │   ├── hashes.txt
│   │   └── Iris.csv
│   ├── kNN.py
│   ├── scikit_learn_tutorial.py
│   ├── titanic_analysis.py
│   ├── titanic_ml.py
│   └── train.csv
├── chapter11
│   ├── graph_analysis.py
│   ├── graph_tutorial.py
│   ├── hartford_drug.edgelist
│   └── __init__.py
├── chapter2
│   ├── example.py
│   ├── hello.py
│   ├── __init__.py
│   └── input_example.py
├── chapter3
│   ├── closure_example.py
│   ├── find_primes.py
│   └── __init__.py
├── chapter4
│   ├── HackerNews.htm
│   ├── __init__.py
│   └── re_tutorial.py
├── chapter6
│   ├── abc.log
│   ├── __init__.py
│   └── logs
│   ├── abc1.log
│   ├── abc2.log
│   └── abc3.log
├── chapter7
│   ├── A0202.xls
│   ├── csv_toturial.py
│   ├── csv_tutorial.csv
│   ├── csv_tutorial.pipe.csv
│   ├── excel_toturial.py
│   ├── __init__.py
│   ├── insert_mysql.py
│   ├── ipdata.csv
│   ├── mysql_tutorial.py
│   ├── test.csv
│   └── test.xls
├── chapter8
│   ├── A0201.xls
│   ├── A0202.xls
│   ├── __init__.py
│   ├── probability_tutorial.py
│   ├── pyplot_tutorial.py
│   └── stats_tutorial.py
└── chapter9
├── __init__.py
├── jd_dropdown.html
├── jd_spider.py
├── jd_test.html
├── spider_tutorial.py
└── xpath_tutorial.py

13 directories, 53 files