学习《利用python进行数据分析》

书中代码

土豪链接
免费连接

第一章 准备工作

Numpy:数值计算。

pandas:高级数据结构和函数。

matplotlib：制图和可视化库

SciPy：科学计算领域针对不同标准问题域的包集合。

• scipy.integrate :数值积分例程和微分方程求解器
• scipy.linalg：线性代数例程和基于numpy.linalg的矩阵分解
• scipy.optimize ：函数优化器和求根算法
• scipy.signal ：信号处理工具
• scipy.sparse：稀疏矩阵与稀疏线性系统求解器
• scipy.special ：SPECFUN的包装器
• scipy.stats：标准的连续和离散概率分布（密度函数、采样器、连续分布函数）、各类统计测试、各类描述性统计。

scikit-learn首选的机器学习工具包，包括子模块：（预测）

1. 分类：SVM、最近邻、随机森林、逻辑回归等
2. 回归：Lasso、岭回归
3. 聚类：K-means、谱聚类等
4. 降维：PCA、特征选择、矩阵分解等
5. 模型选择：网格搜索、交叉验证、指标矩阵等
6. 预处理：特征提取、正态化

statsmodels是一个统计分析包，包含经典的统计学、经济学算法，子模型：（统计推理）

1. 回归模型：线性回归，通用线性模型、鲁棒线性模型、线性混合效应模型等
2. 方差分析（ANOVA）
3. 时间序列分析：AR、ARMA、ARIMA、VAR等
4. 非参数方法：核密度估计、核回归
5. 统计模型结果可视化

命令提示符中退出python

1. 方法1：exit（）
2. windows：按下ctrl+z
3. linux或macOS：按下ctrl+d