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

當(dāng)我們學(xué)一些具體操作的知識后，經(jīng)常很容易忘記。學(xué)編程語言也是一樣，總是會有很多函數(shù)學(xué)的很快，遺忘的也很快。但通常這些函數(shù)，并不需要很深刻的理解，你知道它需要什么參數(shù)，怎么調(diào)用就可以了。

這份速查表，就可以幫你解決以上的問題。當(dāng)你記不清的時候，可以迅速地找到對應(yīng)的函數(shù)，查看使用說明。

按照先后順序，大致可以分為三個階段：

001.

python基礎(chǔ)、數(shù)據(jù)的導(dǎo)入

002.

數(shù)據(jù)科學(xué)計(jì)算的“三件套”

numpy、matplotlib、pandas

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)組對象及處理數(shù)組的工具。

Matplotlib是Python的二維繪圖庫，用于生成符合出版質(zhì)量或跨平臺交互環(huán)境的各類圖形。

Pandas是基于Numpy創(chuàng)建的Python庫,提供了易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。

003.

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模塊

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)和評估深度學(xué)習(xí)模型。

數(shù)據(jù)分析的資料總計(jì)都總結(jié)好了！

資料獲取：評論區(qū)評論“資料”+后臺主動打招呼即可！