《Python数据科学手册》共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。

本书主要框架：

第2章：NumPy介绍

2.1 理解Python中的数据类型

2.2 NumPy数组基础

2.3 NumPy数组的计算：通用函数

2.4 聚合：最小值、最大值和其他值

2.5 数组的计算：广播

2.6 比较、掩码和布尔运算

2.7 花哨的索引

2.8 数组的排序

2.9 结构化数据：NumPy的结构化数组

3 Pandas数据处理

3.1 Pandas对象简介

3.2 数据取值与选择

3.3 Pandas数值运算方法

3.4 处理缺失值

3.5 层级索引

3.6 合并数据集：ConCat和Append方法

3.7 合并数据集：合并与连接

3.8 累计与分组

3.9 数据透视表

3.10 向量化字符串操作

3.11 处理时间序列

3.12 高性能Pandas：eval()与query()

4 Matplotlib数据可视化

4.1 简易线形图

4.2 简易散点图

4.3 可视化异常处理

4.4 密度图与等高线图

4.5 直方图

4.6 配置图例

4.7 配置颜色条

4.8 多子图

4.9 文字与注释

4.10 画三维图

中文版下载地址：

https://github.com/MachineLearning100/100-Days-Of-ML-Code/blob/master/Other Docs/Python数据科学手册.zip

代码及案例：

https://github.com/jakevdp/PythonDataScienceHandbook

本文由博客一文多发平台 OpenWrite 发布！