內容介紹 :
從 Python 程式設計跨入資料科學運算的實戰手冊!
Python 是目前非常熱門的程式語言, 除了適合用來學習程式入門外, 在諸多應用領域更是活躍, 舉凡大數據資料處理、開發人工智慧、工程建模與模擬、建構網頁程式..等, 都會看到它的身影。這些應用都仰賴 Python 各種功能強大的運算套件 (函式庫), 值得您深入學習。本書將著重在使用 Python 進行資料科學運算的各種知識, 帶您了解建構分析模擬程式的全貌以及各種必備知識。
書中內容包括 IPython、Spyder 開發環境的建立;Python 類別、物件、輸出入等重要基本觀念。在 Python 裡能藉由 【NumPy】 進行高速的數值計算處理;【SciPy】 提供許多科學計算的函式群;針對複雜構造的資料解析使用 【pandas】 可以容易地處理;像 【Matplotlib】 這種資料視覺化工具也相當重要。書中會以實例解析這 4 大套件的使用方式, 協助您以最有效率的方式進行開發!
本書特色 :
‧介紹從程式架構規劃到改善程式效能一連串作業, 觀察這樣的流程能學習到開發全貌, 極具實務性。
‧活用 Cython、JIT 編譯器 (Numba、Numexpr) 讓程式高速運算, 學習 Python 進階程式開發關鍵技術。
‧由中央大學資工系助理教授 莊永裕專業翻譯。
譯者簡介:日本東京大學情報理工學博士, 現中央大學資工系助理教授。研究領域為程式語言設計、軟體工程、高效能運算。
譯者簡介:
莊永裕
日本東京大學情報理工學博士, 現中央大學資工系助理教授。研究領域為程式語言設計、軟體工程、高效能運算。
目錄
第 1 章 資料科學運算與 Python
第 2 章 從實際專案看程式的開發重點
第 3 章 IPython 與 Spyder 開發環境
第 4 章 紮穩 Python 基礎
第 5 章 類別與物件的基礎
第 6 章 輸入與輸出
第 7 章 NumPy
第 8 章 SciPy
第 9 章 Matplotlib
第 10 章 pandas
第 11 章 程式效能最佳化(一)
第 12 章 程式效能最佳化(二)
(Cython、Numba、Numexpr)
附錄 A 參考文獻與學習資源
附錄 B 內建函式與標準函式庫
附錄 C NumPy 的函式庫參考文件
第 1 章 資料科學運算與 Python
第 2 章 從實際專案看程式的開發重點
第 3 章 IPython 與 Spyder 開發環境
第 4 章 紮穩 Python 基礎
第 5 章 類別與物件的基礎
第 6 章 輸入與輸出
第 7 章 NumPy
第 8 章 SciPy
第 9 章 Matplotlib
第 10 章 pandas
第 11 章 程式效能最佳化(一)
第 12 章 程式效能最佳化(二)
(Cython、Numba、Numexpr)
附錄 A 參考文獻與學習資源
附錄 B 內建函式與標準函式庫
附錄 C NumPy 的函式庫參考文件
購物須知
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。