趋近智
机器学习应用中级Python编程
章节 1: 进阶Python结构用于数据科学
Python 基础知识回顾
列表推导式和生成器表达式
使用迭代器和生成器
高级函数参数
代码重用性中的装饰器
用于资源管理的上下文管理器
机器学习中的面向对象编程原则
错误处理与异常管理
实践：应用高级Python技术
章节 2: NumPy 数值计算
NumPy 数组简介
数组创建方法
NumPy 数组的索引与切片
数组计算与通用函数
广播规则及应用
NumPy 中的线性代数运算
NumPy中的统计函数
读取和写入数组数据到文件
动手实践：NumPy 数组操作
章节 3: Pandas 数据操作
Pandas数据结构简介
从多种来源加载数据
数据索引与选择
处理缺失数据
数据清洗与数据转换技巧
分组和聚合操作
合并、连接和拼接数据帧
Pandas中的时间序列数据处理
实践：使用 Pandas 整理数据
章节 4: 使用 Matplotlib 和 Seaborn 进行数据可视化
Matplotlib 绘图基本原理
创建常用图表类型
图表自定义
使用子图
用于统计数据可视化的 Seaborn 简介
使用 Seaborn 创建高级图表
分布与关系的可视化
保存绘图用于报告和演示文稿
动手实践：数据可视化查看
章节 5: 为机器学习准备数据
机器学习工作流程概览
特征工程原理
处理分类数据
特征缩放和标准化方法
将数据划分为训练集和测试集
Scikit-learn 管道介绍
保持数据变换的一致性
实践：构建数据准备管道
章节 6: 为机器学习编写高效且可维护的 Python 代码
代码风格与可读性
机器学习项目结构化
编写高效的函数和模块
虚拟环境简介
Python 代码性能分析
优化 NumPy 和 Pandas 的方法
机器学习单元测试介绍
Git 版本控制基础
实践：重构与优化机器学习代码片段
数据清洗与数据转换技巧
这部分内容有帮助吗？
- Pandas User Guide: Essential Basic Functionality, pandas development team, 2024 - 官方文档，涵盖了核心 DataFrame 和 Series 操作，包括应用函数、重命名、处理重复项、替换值和类型转换。
- Pandas User Guide: Working with text data, pandas development team, 2024 - 官方文档，详细介绍了通过 .str 访问器实现的向量化字符串方法，用于高效的文本操作。
- Pandas User Guide: Categorical data, pandas development team, 2024 - 官方文档，解释了分类数据类型以及使用 pd.cut 和 pd.qcut 对连续数据进行分箱的方法。
- Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, Wes McKinney, 2022 (O'Reilly Media) - 一本基础性著作，由 Pandas 的创建者撰写，提供了使用 Pandas 进行数据处理和准备的全面指导。