我们翻译了 data-science-ipython-notebooks

[wizardforcel]

https://github.com/apachecn/ds-ipynb-zh

• 七、Pandas
  • 7.1 Pandas
  • 7.2 数据整理
  • 7.3 Pandas 数据操作
  • 7.4 Pandas 对象介绍
  • 7.5 数据索引和选择
  • 7.6 Pandas 中的数据操作
  • 7.7 处理缺失数据
  • 7.8 分层索引
  • 7.9 组合数据集：连接和附加
  • 7.10 组合数据集：合并和连接
  • 7.11 聚合和分组
  • 7.12 透视表
  • 7.13 向量化字符串操作
  • 7.14 处理时间序列
  • 7.15 高性能 Pandas：eval()和query()
• 八、Matplotlib
  • 8.1 matplotlib
  • 8.2 Matplotlib 的应用
  • 8.3 Matplotlib 可视化
  • 8.4 简单的折线图
  • 8.5 简单的散点图
  • 8.6 可视化误差
  • 8.7 密度和等高线图
  • 8.8 直方图，分箱和密度
  • 8.9 自定义图例
  • 8.10 自定义颜色条
  • 8.11 多个子图
  • 8.12 文本和注解
  • 8.13 自定义刻度
  • 8.14 自定义 Matplotlib：配置和样式表
  • 8.15 Matplotlib 中的三维绘图
  • 8.16 地理数据和 Basemap
  • 8.17 使用 Seaborn 的可视化
• 九、NumPy
  • 9.1 NumPy
  • 9.2 NumPy 简介
  • 9.3 理解 Python 中的数据类型
  • 9.4 NumPy 数组的基础
  • 9.5 NumPy 数组上的计算：通用函数
  • 9.6 聚合：最小、最大和之间的任何东西
  • 9.7 数组上的计算：广播
  • 9.8 比较，掩码和布尔逻辑
  • 9.9 花式索引
  • 9.10 数组排序
  • 9.11 结构化数据：NumPy 的结构化数组