需要處理大量資料的人必備的案頭書
對於許多研究人員來說，Python是首選的工具，因為它擁有豐富的儲存、操作、以及洞察資料的程式庫。這些資源散布在資料科學的領域中，但藉由本書，你可以一口氣取得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。
對於需要處理大量資料的人而言，這是一本非常有價值的案頭書，可以有效率地處理每天面對的問題，像是操作、轉換，以及清理資料、視覺化不同形式的資料，建立統計學或機器學習的模型等等。
藉由這本手冊，你將可以學習到如何使用：
．IPython和Jupyter：提供資料科學家使用的Python計算環境。
．NumPy：在Python中進行高效儲存以及操作密集資料陣列的ndarrys。
．Pandas：在Python中進行對於標籤式/欄位式的資料高效率儲存與操作。
．Matplotlib：在Python中進行彈性範圍的資料視覺化的能力。
．Scikit-Learn：提供機器學習演算法以及簡潔的Python實作。
對於許多研究人員來說，Python是首選的工具，因為它擁有豐富的儲存、操作、以及洞察資料的程式庫。這些資源散布在資料科學的領域中，但藉由本書，你可以一口氣取得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。
對於需要處理大量資料的人而言，這是一本非常有價值的案頭書，可以有效率地處理每天面對的問題，像是操作、轉換，以及清理資料、視覺化不同形式的資料，建立統計學或機器學習的模型等等。
藉由這本手冊，你將可以學習到如何使用：
．IPython和Jupyter：提供資料科學家使用的Python計算環境。
．NumPy：在Python中進行高效儲存以及操作密集資料陣列的ndarrys。
．Pandas：在Python中進行對於標籤式/欄位式的資料高效率儲存與操作。
．Matplotlib：在Python中進行彈性範圍的資料視覺化的能力。
．Scikit-Learn：提供機器學習演算法以及簡潔的Python實作。