前言：

初學(xué)Python的小伙伴肯定會遇到一些問題：

當(dāng)面對Python基礎(chǔ)、導(dǎo)入數(shù)據(jù)、Jupyter Notebook、Numpy基礎(chǔ)、Matplotlib繪圖、Pandas基礎(chǔ)和進階、Scikit-Learn、Keras等具體操作的知識時，經(jīng)常很容易忘記。

在學(xué)習(xí)函數(shù)時，總是會有很多函數(shù)學(xué)得很快，遺忘得也很快。但其實在學(xué)習(xí)中，我們并不需要很深層次的理解，只需要知道相關(guān)參數(shù)，加以調(diào)整就夠了。

而這份由DataCamp大佬整理的Python科學(xué)速查表，就可以幫你解決以上的問題。當(dāng)你在練習(xí)的時候，能夠讓你迅速地找到對應(yīng)的函數(shù)，很方便的掌握Python。

以下是學(xué)習(xí)的三個階段，請大家參考~（中文版由“呆鳥的Python數(shù)據(jù)分析”翻譯，感謝大佬）

【領(lǐng)取方式見文末?。?！】

【領(lǐng)取方式見文末?。?！】

一、python基礎(chǔ)、數(shù)據(jù)的導(dǎo)入

二、數(shù)據(jù)科學(xué)計算

Numpy是Python數(shù)據(jù)科學(xué)計算的核心庫，提供了高性能的多維數(shù)組對象及處理數(shù)組的工具。

Matplotlib是Python的二維繪圖庫

Pandas是基于Numpy創(chuàng)建的Python庫

三、機器學(xué)習(xí)和深度學(xué)習(xí)方面

Scikit-learn通過統(tǒng)一的界面實現(xiàn)機器學(xué)習(xí)、預(yù)處理、交叉驗證及可視化算法。

Keras是強大、易用的深度學(xué)習(xí)庫，基于Theano和TensorFlow提供了高階神經(jīng)網(wǎng)絡(luò)API，用于開發(fā)和評估深度學(xué)習(xí)模型。

文件列表：

英文版

中文翻譯版：

想要領(lǐng)取資料的小伙伴們，請關(guān)注up并評論“資料”哦~?

然后就等著私信查收吧~