python pandas 官网文档 2000多页 目录包括： 1-What's New 2-Installation 3-Contributing to pandas 4-Package overview 【*】5-10 Minutes to pandas 【*】6-Tutorials 【*】7-Cookbook 【*】8-Intro to Data Structures 【*】9-Essential Basic Functionality 【*】10-Working with Text Data 【*】11-Options and Settings 【*】12-Indexing and Selecting Data 【*】13-MultiIndex / Advanced Indexing 【*】14-Computational tools 【*】15-Working with missing data 【*】16-Group By: split-apply-combine 【*】17-Merge, join, and concatenate 【*】18-Reshaping and Pivot Tables 【*】19-Time Series / Date functionality 【*】20-Time Deltas 21-Categorical Data 【*】22-Visualization 23-Styling 【+】24-IO Tools (Text, CSV, HDF5, ...) 【***** 文件】 25-Remote Data Access 【-】 26-Enhancing Performance 【*C语言提升性能】 27-Sparse data structures 【*稀疏】 28-Frequently Asked Questions (FAQ) 【-】 29-rpy2 / R interface 【-】 【*】30-pandas Ecosystem 31-Comparison with R / R libraries 【-】 【*】32-Comparison with SQL 【***** sql用法】 33-Comparison with SAS 【-】 【*】34-API Reference 【***函数总结】 35-Developer 【-】 36-Internals 【-】 37-Release Notes 【- 版本致谢】 38-Bibliography 【-】 39-Python Module Index 【-】

python数据分析--献金数据 适合python数据分析入门练习所用 包含三个：contb_1.csv,contb_2.csv,contb_3.csv

主要介绍了Python中Numpy包的安装与使用方法,结合简单实例形式分析了Python使用pip命令在线与离线whl包安装,以及使用numpy打印随机数矩阵的操作技巧,需要的朋友可以参考下

主要介绍了基于python解线性矩阵方程(numpy中的matrix类),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

学习numpy的相应资源，100道练习，带你玩转Numpy，将numpy学好是继续学习Python的基础

在看完了Andrew Ng教授的deeplearning.ai课程和李飞飞教授的cs231n课程后，总觉得应该写点笔记将学习过程记录下来，但内容不少，需要时间慢慢整理，故先将学习成果记录下来，是一段深度神经网络的程序，基于python科学计算库numpy的。还有一段代码是基于tensorflow的，在深度学习笔记（二）：基于tensorflow的深度神经网络程序总览中在记录吧（目前未发布）。虽然tensorflow很是方便，但是总觉得封装太好，只看代码根本学习不到什么，用numpy写一遍深度神经网络后，掌握知识的程度感觉好很多。废话不多说，先贴出代码来，代码中有注释，数据集用的是经典的数字手写体识别库mnist，后续笔记会对应具体公式和算法详细记录。

使用CNN进行面部表情识别：使用CNN和Keras和Tensorflow创建的面部表情识别模型

股市探索数据分析笔记本 使用库Numpy，Matplotlib和Pandas进行股票市场数据集探索性数据分析的Jupyter Notebook。 数据集具有以下功能： serial_number：每个变量的唯一标识符 time_stamp：捕获数据的日期 open_value：指定日期的期初值 maximum_value：在特定日期达到的索引的最高值 minimum_value：特定日期的索引的最低值 resolve_value：结算当天的值 volume_sell：卖出指数的数量

不仅介绍了NumPy的安装、使用和各种相关概念，还介绍了如何利用这一最新的开源软件库，以尽可能接近传统数学语言的方式，编写可读性好、实现效率高和运行速度快的代码。最后还探究了几个和NumPy相关的科学计算项目。此外，本书将为你掌握NumPy数组和通用函数打下坚实的基础，也会通过实例教你用Matplotlib绘图，并了解和SciPy相关的项目。

练习数据，现用现取