Python Data Science Handbook

本書首先介紹如何設置基本的數據科學工具箱，然後帶你進入數據改寫和預處理階段，這一部分主要是闡明所有與核心數據科學活動相關的數據分析過程，如數據加載、轉換、修復以及數據探索和處理等。通過主要的機器學習算法、圖形分析技術，以及所有易於表現結果的可視化工具，實現對數據科學的概述。本書對上一版內容進行了全面拓展和更新，涵蓋新版的Jupyter Notebook、NumPy、pandas和Scikit-le

本書提供了一個完整的、現代的Web抓取指南，使用Python作為編程語言，專為數據科學的讀者編寫，探討了Web抓取和以及其背後的大量Web技術。書中首先簡要概述抓取和現實生活中的用例,解釋了HTTP、HTML和CSS的核心概念作為基礎。*後總結了一些*佳實踐和一系列的例子，這些數據科學用例彙集了你學到的所有知識。讀者將學習到如何利用已建立的*佳實踐和常用的Python包，處理包括JavaScrip

本書首先介紹了如何在Python3.5中安裝必要的數據科學工具箱；然後引導你進入數據改寫和預處理階段，在其中闡述用於數據分析、探索或處理的數據加載、變換和修復等關鍵的數據科學活動；後，通過介紹主要的機器學習算法、圖分析技術和可視化方法來對數據科學進行概述。

當數據科學家使用Python處理數據，並希望創建展示ML模型的數據應用程序，以及進行易於創建的交互式可視化時，那麼Streamlit將是最理想的選擇。Streamlit for Data Science(第2版)向數據科學家展示了如何在Python內快速創建和部署小部件和儀錶板。這可以幫助他們在幾小時內而不是幾天內創建原型。 為了掌握Streamlit這項技術，需要通過大量的實際案例來學習。本書由一個富有創造力的Streamlit用戶編寫，他在第一版發佈後就一直使用該技術，本選題建立在前一版的實用性基礎上，帶來大量的更新，包括將Streamlit連接到Snowflake數據倉庫，部署在Hugging Face上，以及在GitHub上提供完全更新的代碼庫，通過這些內容可以幫助讀者練習新發佈的技能。 讀者將從Streamlit的基礎知識開始Streamlit的學習，並通過使用機器學習模型和製作高質量的交互式應用程序逐漸熟悉Streamlit的使用技巧。本書通過實際示例幫讀者掌握許多更具挑戰性的主題，如Streamlit組件、美化應用程序和快速部署。 通過本書，讀者將能夠輕鬆快速地在Streamlit中創建動態web應用程序。