资源搜

资源名称：笨办法学Python(第二版) 中文PDF 《笨办法学Python》(Learn Python The Hard Way，简称LPTHW) 是Zed Shaw 编写的一本Python 入门书籍。适合对计算机了解不多，没有学过编程，但对编程感兴趣的朋友学习使用。这本书以习题的方式引导读者一步一步学习编程，从简单的打印一直讲到完整项目的实现。也许读完这本书并不意味着你已经学会了编程，但至少你会对编程语言以及编程这个行业有一个初步的了解。 本书区别于其它入门书籍的特点如下： • 注重实践。本书提供了足够的练习代码，如果你完成了所有的练习（包括加分习题），那你已经写了上万行的代码。要知道很多职业程序员一年也就写几万行代码而已。• 注重能力培养。除了原序言提到的“读和写”、“注重细节”、以及“发现不同”这样的基本能力以外，本书还培养了读者自己专研问题和寻求答案的能力。• 注重好习惯的养成。本书详细地讲解了怎样写出好的代码、好的注释、好的项目。这会让你在后续的学习中少走很多弯路。 资源截图：

资源名称：Python数据科学手册 英文pdf源码 Python数据科学手册是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，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。 第1 章　IPython：超越Python 1第2 章　NumPy入门 28第3 章　Pandas数据处理 86第4 章　Matplotlib数据可视化 191第5 章　机器学习 291 资源截图：

资源名称：Python基础教程第3版  英文原版pdf Magnus Lie Hetland又更新他的 "Beginning Python From Novice to Professional"了，该书为第三版英文，基于Python3.5进行讲解，紧跟技术潮流。希望对Python爱好者有所帮助。 这是Python最新的介绍和实际参考。涵盖广泛的Python相关编程主题，包括语言处理、数据库集成、网络编程和Web服务，遵循良好的开发原则。十个配套项目可以确保你很快上手。 更新以反映Python编程范例中的最新和Python 3中发现的几个最关键特性，开始Python还包括高级主题，如扩展Python和打包/分发Python应用程序。 你会学到什么跟随一个友好的，实用的语言关键特性指南，成为精通Python的程序员。通过学习如何利用高级功能，如方法、异常和抽象，更快地编写代码。深入了解现代Python编程范式，包括测试、文档、打包和分发学习伴随着十个有趣的项目，包括一个P2P文件-共享应用程序，聊天客户端，视频游戏，远程文本编辑器，等等。 资源截图：

资源名称：深入浅出深度学习 原理剖析与Python实践 中文pdf 第1 部分 概要 11 绪论2 Theano 基础 19第2 部分 数学与机器学习基础篇 453 线性代数基础 464 概率统计基础 645 概率图模型 876 机器学习基础 1426.5.4 谱聚类 1727 数值计算与最优化 177第3 部分 理论与应用篇 2058 前馈神经网络 2069 反向传播与梯度消失 22510 自编码器及其相关模型 24311 玻尔兹曼机及其相关模型 25812 递归神经网络 29113 卷积神经网络 318 资源截图：

资源名称：Python 3面向对象编程 中文完整pdf 第1 章 面向对象设计 1第2 章 Python 对象 24第3 章 当对象是相似的 . 54第4 章 异常处理 . 86第5 章 何时使用面向对象编程 114第6 章 Python 数据结构 . 147第7 章 Python 里面向对象的快捷方式 180第8 章 设计模式1 214第9 章 设计模式2 244第10 章 文件和字符串 270第11 章 测试面向对象的程序 300第12 章 常用Python 3 库 334 资源截图：

资源名称：Python地理空间分析指南(第2版) 中文pdf 第1章 Python与地理空间分析 1第2章　地理空间数据　39第3章　地理空间技术概览　63第4章　Python的地理空间分析工具　95第5章　Python与地理信息系统　135第6章　Python与遥感　177第7章　Python与高程数据　206第8章　Python与地理空间高级建模　235第9章　实时数据　274第10章　综合应用　294 资源截图：

资源名称：Python机器学习实践指南 附随书代码 中文pdf 第1章Python机器学习的生态系统 1第2章构建应用程序，发现低价的第3章构建应用程序，发现低价的第4章使用逻辑回归预测IPO市场 83第5章创建自定义的新闻源 112第6章预测你的内容是否会广为第7章使用机器学习预测股票市场 163第8章建立图像相似度的引擎 187第9章打造聊天机器人 207第10章构建推荐引擎 228 资源截图：

资源名称：从Excel到Python:数据分析进阶指南 pdf 第1章 生成数据表 第2章 数据表检查第3章 数据表清洗第4章 数据预处理第5章 数据提取第6章 数据筛选第7章 数据汇总第8章 数据统计第9章 数据输出 资源截图：

资源名称：数据科学导论 Python语言实现 完整pdf 第1章　新手上路11.1　数据科学与Python简介11.2　Python的安装21.2.1　Python 2还是Python 331.2.2　分步安装31.2.3　Python核心工具包一瞥41.2.4　工具包的安装71.2.5　工具包升级91.3　科学计算发行版91.3.1　Anaconda101.3.2　Enthought Canopy101.3.3　PythonXY101.3.4　WinPython101.4　IPython简介101.4.1　IPython Notebook121.4.2　本书使用的数据集和代码181.5　小结25第2章　数据改写262.1　数据科学过程262.2　使用pandas进行数据加载与预处理272.2.1　数据快捷加载272.2.2　处理问题数据302.2.3　处理大数据集322.2.4　访问其他数据格式362.2.5　数据预处理372.2.6　数据选择392.3　使用分类数据和文本数据412.4　使用NumPy进行数据处理492.4.1　NumPy中的N维数组492.4.2　NumPy ndarray对象基础502.5　创建NumPy数组502.5.1　从列表到一维数组502.5.2　控制内存大小512.5.3　异构列表522.5.4　从列表到多维数组532.5.5　改变数组大小542.5.6　利用NumPy函数生成数组562.5.7　直接从文件中获得数组572.5.8　从pandas提取数据572.6　NumPy快速操作和计算582.6.1　矩阵运算602.6.2　NumPy数组切片和索引612.6.3　NumPy数组堆叠632.7　小结65第3章　数据科学流程663.1　EDA简介663.2　特征创建703.3　维数约简723.3.1　协方差矩阵723.3.2　主成分分析733.3.3　一种用于大数据的PCA变型—Randomized PCA763.3.4　潜在因素分析773.3.5　线性判别分析773.3.6　潜在语义分析783.3.7　独立成分分析783.3.8　核主成分分析783.3.9　受限玻耳兹曼机803.4　异常检测和处理813.4.1　单变量异常检测823.4.2　EllipticEnvelope833.4.3　OneClassSVM873.5　评分函数903.5.1　多标号分类903.5.2　二值分类923.5.3　回归93 资源截图：

资源名称：Python大战机器学习 数据科学家的第一个小目标 完整pdf 第一篇 机器学习基础篇1第1 章 线性模型 2第2 章 决策树 30第3 章 贝叶斯分类器 55第4 章 k 近邻法 70第5章 数据降维 83第6章 聚类和EM 算法 119第二篇 机器学习高级篇155第7章 支持向量机 156第8章 人工神经网络 192第9章 半监督学习 225第10章 集成学习 244第三篇 机器学习工程篇299第11章 数据预处理 300第12 章 模型评估、选择与验证 345第四篇 Kaggle 实战篇401第13 章 Kaggle 牛刀小试 402 资源截图：