视频教程-Python科学计算与图形渲染库-大数据
订阅后:请点击此处观看视频课程
视频教程-Python科学计算与图形渲染库-大数据
学习有效期:永久观看
学习时长:917分钟
学习计划:16天
难度:高
「[strong]口碑讲师带队学习,让你的问题不过夜」 [/strong]
讲师姓名:[strong]李宁 [/strong]
技术总监/研发总监
讲师介绍:东北大学计算机专业硕士研究生,欧瑞科技创始人&CEO,曾任国内著名软件公司项目经理,畅销书作者,企业IT内训讲师,CSDN学院专家讲师,制作视频课程超过1000小时。拥有超过15年的企业内训经验和开发经验。目前主要从事Python、人工智能、大数据、区块链、JavaScript、Java、C++等技术的研究和开发,现在正在带领团队开发支持区块链的跨平台开发系统。曾出版超过30多本IT畅销书,主要著作包括《Python从菜鸟到高手》、《第一行代码:以太坊》等。授课风趣幽默,讲解条理清晰、通俗易懂,对知识有自己独到见解。能举一反三,发散学生的思维,指引学生发掘适合自己的学习方法。
☛点击立即跟老师学习☚
「你将学到什么?」
本课程是NumPy丛入门到精通课程。主要介绍了NumPy函数库的使用方法。
「课程学习目录」
第1章:NumPy基础知识 |
1.NumPy简介 |
2.搭建NumPy开发环境,验证NumPy开发环境 |
第2章:NumPy数组 |
1.创建多维数组 |
2.获取单个数组值和数组的分片 |
3.自定义数据类型 |
4.改变数组的维度 |
5.水平组合数组 |
6.垂直数组组合 |
7.深度数组组合 |
8.数组的列组合 |
9.数组的行组合 |
10.分割数组 |
11.数组中常用的属性 |
12.将NumPy数组转换为Python列表 |
第3章:NumPy常用函数 |
1.将NumPy数组保存成文本文件,并装载数组文件 |
2.读写CSV文件 |
3.成交量加权平均价格 |
4.算数平均值 |
5.时间加权平均价格 |
6.寻找最大值和最小值,以及计算数组的取值范围 |
7.计算数组的中位数和方差 |
8.计算股票收益率和波动率 |
9.根据日期分析股票涨幅 |
10.用线性模型进行预测(最小二乘法、梯度) |
11.对数组进行修剪和压缩 |
12.计算阶乘 |
第4章:NumPy高级函数 |
1.计算协方差矩阵 |
2.获取矩阵主对角线上元素以及计算矩阵的迹 |
3.分析两只股票在一定时间段的相关性 |
第5章:Pandas基础知识 |
1.Pandas简介 |
2.数据集的装载与基础操作 |
3.查看数据集中的列 |
4.查看数据集的行 |
5.查看数据集单元格中的数据 |
6.对数据集进行分组统计 |
7.可视化统计数据(依赖Matplotlib) |
第6章:Pandas中的数据类型 |
1.创建Series |
2.创建DataFrame |
3.DataFrame的基本操作 |
4.Series的方法 |
5.Series的条件过滤 |
6.Series的向量操作 |
7.DataFrame的条件过滤 |
8.DataFrame的向量操作 |
9.向DateFrame添加列 |
10.直接修改DataFrame中列的值 |
11.删除DataFrame中的列 |
12.读写Pickle格式的Series和DataFrame文件 |
13.读写CSV格式的Series和DataFrame文件 |
14.读写Excel格式的Series和DataFrame文件 |
15.将Series和DataFrame导出为其他格式 |
第7章:Pandas连接与合并数据集 |
1.行连接 |
2.列连接 |
3.拥有不同列的DataFrame的行连接 |
4.合并多个数据集 |
第8章:Pandas非值数据 |
1.Pandas中有哪些非值数据 |
2.为什么数据会遗失 |
3.清除非值数据 |
第9章:Matplotlib基础知识 |
1.Matplotlib简介(绘制第一个图形) |
2.在数据可视化的过程中使用NumPy(绘制正弦和余弦曲线) |
3.在同一个二维坐标系绘制出一元二次曲线和正弦、余弦曲线 |
4.将文件作为数据源绘制曲线 |
5.绘制随机点 |
6.绘制垂直和水平柱状图 |
7.绘制多组垂直和水平柱状图 |
8.绘制叠加的柱状图 |
9.在同一个窗口绘制直方图和盒状图 |
10.绘制饼状图 |
11.绘制三角剖分 |
第10章:Matplotlib定制颜色和样式 |
1.定制曲线的颜色 |
2.定制离散点的颜色、边缘颜色、边缘宽度和尺寸 |
3.用列表定制柱状图的颜色 |
4.用颜色集合定制饼图颜色 |
5.定制盒状图每一部分的颜色 |
6.使用颜色地图(colormap)定制离散点的颜色 |
7.定制曲线的类型 |
8.控制柱状图的填充模式 |
9.控制离散点的标记样式 |
10.在曲线上建立步长标记 |
第11章:Matplotlib注释、高级图表操作 、文件存储等高级特性 |
1.在坐标系上显示标题(英文和中文) |
2.使用LaTeX格式的标题 |
3.为X轴和Y轴添加注释 |
4.在坐标系的指定位置放置注释 |
5.设置文本注释的水平和垂直对齐方式 |
6.为文本注释添加Box |
7.带箭头的注释 |
8.添加图例 |
9.为坐标系添加网格 |
10.在坐标系上绘制彩色线条 |
11.绘制不同形态的图形 |
12.绘制多边形 |
13.绘制tick线 |
14.动态产生标签 |
15.动态产生带角度的标签 |
16.在图表中绘制多组曲线 |
17.设置图表坐标范围 |
18.设置图表的长宽比 |
19.在图表中插入子图表 |
20.将图表保存为png格式的图像 |
21.设置图像的透明和密度属性 |
22.将图表保存为pdf文档 |
23.将多个图表保存在一个pdf文档中 |
第12章:Seaborn基础 |
1.Seaborn简介 |
2.绘制离散点与主题 |
3.用set方法完成主题,调色板等设置工作 |
4.移除坐标轴 |
第13章:Seaborn分布图 |
1.绘制单变量分布图(直方图、密度图和毛毯图) |
2.绘制多变量分布图 |
第14章:Seaborn分类图 |
1.绘制分类散点图 |
2.绘制分类箱线图 |
3.绘制分类琴形图 |
4.绘制柱状图 |
第15章:pyecharts实战 |
1.pyecharts简介 |
2.散点图 |
3.折线图 |
4.阶梯图和面积图 |
5.绘制3D曲线 |
6.绘制柱状图 |
「[strong]7项超值权益,保障学习质量」 [/strong]
- 大咖讲解
技术专家系统讲解传授编程思路与实战。
- 答疑服务
专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。
- 课程资料+课件
超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)
- 常用开发实战
企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。
- 大牛技术大会视频
2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。
- APP+PC随时随地学习
满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。
「什么样的技术人适合学习?」
- 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
- 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
- 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。
「悉心打造精品好课,[strong]16天学到大牛3年项目经验」 [/strong]
【完善的技术体系】
技术成长循序渐进,帮助用户轻松掌握
掌握大数据知识,扎实编码能力
【清晰的课程脉络】
浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。
【仿佛在大厂实习般的课程设计】
课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。
「你可以收获什么?」
NumPy:深度学习
Python数据分析库:Pandas
Python数据可视化库:Matplotlib
Python Seaborn实战
订阅课程 开始学习
- python数据分析笔记:Numpy科学计算库
- python科学计算数据可视化模块-seaborn
- 视频教程-完整的Python和SAS数据分析-大数据
- python用于数据科学教程
- python --网页爬虫,文本处理,科学计算,机器学习,数据挖掘资料+附带工具包下载+tensorflow
- Anaconda安装使用教程 python 科学计算 发行版
- Python数据科学之处理数据工具教程1(Numpy)
- Python数据分析Numpy科学计算库
- Python数据科学读书笔记2--Numpy数组的计算
- 最新小象学院Python数据分析视频教程升级版第2期
- python 科学计算学习一:numpy快速处理数据(3)
- Python进行数据科学工作的简单入门教程
- Pandas教程:使用Python和Pandas分析视频游戏数据
- 2、python 科学计算及数据可视化
- 视频教程-Python玩转大数据--105精讲视频-Spark
- 【备忘】2016年最新云计算视频教程hadoop大数据实战开发
- 视频教程-Pyt 20000 hon数据分析库:Pandas视频教程-Python
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- 视频教程-Python金融数据分析入门到实战-Python