ApacheCN 数据科学译文集 20211109 更新
- 计算与推断思维
- 利用 Python 进行数据分析 · 第 2 版
- Python 自然语言处理 第二版
- 复杂性思维 中文第二版
- 数据可视化的基础知识
- 欢迎
- 前言
- 1 简介
- 2 可视化数据:将数据映射到美学上
- 3 坐标系和轴
- 4 颜色刻度
- 5 可视化的目录
- 6 可视化数量
- 7 可视化分布:直方图和密度图
- 8 可视化分布:经验累积分布函数和 q-q 图
- 9 一次可视化多个分布
- 10 可视化比例
- 11 可视化嵌套比例
- 12 可视化两个或多个定量变量之间的关联
- 13 可视化自变量的时间序列和其他函数
- 14 可视化趋势
- 15 可视化地理空间数据
- 16 可视化不确定性
- 17 比例墨水原理
- 18 处理重叠点
- 19 颜色使用的常见缺陷
- 20 冗余编码
- 21 多面板图形
- 22 标题,说明和表格
- 23 *衡数据和上下文
- 24 使用较大的轴标签
- 25 避免线条图
- 26 不要走向 3D
- 27 了解最常用的图像文件格式
- 28 选择合适的可视化软件
- 29 讲述一个故事并提出一个观点
- 30 带注解的参考书目
- 技术注解
- 参考
- TutorialsPoint NumPy 教程
- NumPy 秘籍中文第二版
- NumPy 初学者指南中文第三版
- NumPy 基础知识
- 精通 NumPy 数值分析
- NumPy 数组学习手册
- 精通 SciPy
- Pandas 秘籍
- Pandas 学习手册中文第二版
- 精通 Pandas
- NumPy 和 Pandas 数据分析实用指南
- 精通 Pandas 探索性分析
- Matplotlib 3.0 秘籍
- Matplotlib 绘图秘籍
- UCSD COGS108 数据科学实战中文笔记
- USF MSDS501 计算数据科学中文讲义
- fast.ai 数值线性代数讲义中文版 v2
- 社交媒体挖掘
- 数据科学和人工智能技术笔记
- Python 和 Jupyter 机器学习入门
- Python 数据科学和机器学习实践指南
- 精通 Python 数据科学
- Python 数据科学本质论
- 数据科学思想
- Python 仿真建模实用指南
下载
Docker
docker pull apachecn0/apachecn-ds-zh
docker run -tid -p <port>:80 apachecn0/apachecn-ds-zh
# 访问 http://localhost:{port}
PYPI
pip install apachecn-ds-zh
apachecn-ds-zh <port>
# 访问 http://localhost:{port}
NPM
npm install -g apachecn-ds-zh
apachecn-ds-zh <port>
# 访问 http://localhost:{port}
贡献指南
本项目需要校对,欢迎大家提交 Pull Request。
请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错——在大部分情况下,我们的服务器已经记录所有的翻译,因此您不必担心会因为您的失误遭到无法挽回的破坏。(改编自维基百科)
组织介绍
赞助我们
通过*台自带的打赏功能,或点击这里。