前言：

在選擇數(shù)據(jù)分析入門的經(jīng)典書籍時(shí)，有這么幾本書不能不說，在國內(nèi)也有非常好的口碑。

他們分別是《用Python進(jìn)行數(shù)據(jù)分析第一版》：

《用Python進(jìn)行數(shù)據(jù)分析第二版》

（至于我為什么要把兩個(gè)版次的同一本書都提及，這里給大家提個(gè)醒，有些無良廠家喜歡把兩本捆綁起來賣，但是所講述的內(nèi)容大差不差，屬實(shí)沒必要，大家買紙質(zhì)書時(shí)要格外注意。)

耗子書的作者 Wes McKinney 就是 pandas 庫的主要作者，但這本書的結(jié)構(gòu)并不是圍繞著 pandas 庫而展開的——不然就直接去看 pandas 文檔好了。

這本書的結(jié)構(gòu)超越了某個(gè)庫或者某個(gè)語言，最核心的部分是以數(shù)據(jù)分析的工作流展開的，從數(shù)據(jù)載入、數(shù)據(jù)清洗、數(shù)據(jù)規(guī)整到數(shù)據(jù)可視化、數(shù)據(jù)建模。這種結(jié)構(gòu)對(duì)于不熟悉數(shù)據(jù)分析工作流的讀者是非常有幫助的。

《Python數(shù)據(jù)科學(xué)手冊(cè)》

《Python數(shù)據(jù)科學(xué)手冊(cè)》這本書的結(jié)構(gòu)非常扁平，就 5 章。第 1 章著重介紹了作者偏愛的 IPython 的各種用法，然后 NumPy, pandas, matplotlib 各一章，第 5 章是機(jī)器學(xué)習(xí)。整體是以知識(shí)邏輯去組織的。

配套資源

而在看完以上的書籍后，面對(duì)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(jìn)階、Scikit-Learn、Keras等具體操作的知識(shí)時(shí)，經(jīng)常很容易忘記。

在學(xué)習(xí)函數(shù)時(shí)，也總是會(huì)有很多函數(shù)學(xué)得很快，遺忘得也很快。但其實(shí)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。

這里分享一份由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(shí)候，能夠讓你迅速地找到對(duì)應(yīng)的函數(shù)，很方便的掌握Python。

（中文版由“呆鳥的Python數(shù)據(jù)分析”翻譯，感謝大佬）

一、python基礎(chǔ)、數(shù)據(jù)的導(dǎo)入

二、數(shù)據(jù)科學(xué)計(jì)算

Numpy是Python數(shù)據(jù)科學(xué)計(jì)算的核心庫，提供了高性能的多維數(shù)組對(duì)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(jī)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(shí)現(xiàn)機(jī)器學(xué)習(xí)、預(yù)處理、交叉驗(yàn)證及可視化算法。

Keras是強(qiáng)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(píng)估深度學(xué)習(xí)模型。

根據(jù)文件的不同，我把它們分成了兩個(gè)版本：

英文版

中文翻譯版：

一共二十余份的內(nèi)容再加一份Python的語法速查表，足以讓你的學(xué)習(xí)生涯變得輕松幾分。

以上的文檔已經(jīng)準(zhǔn)備好了，領(lǐng)取方式如下：

整理不易，有幫助的話大家一定要 一鍵三連哦 ??

?。。?！后臺(tái)主動(dòng)打招呼即可獲取~

支持作者的同時(shí)，便于自己下次更方便地找到叭！

持續(xù)分享中......?