Python資料科學自學聖經：不只是建模！用實戰帶你預測趨勢 ...

出版日期：2022/05/09;內容簡介.網路書店年度百大電腦資訊暢銷書《Python自學聖經》系列力作運用Python掌握資料科學的價值讓人工智慧機器學習找出趨勢的關鍵密碼

第1章 進入資料科學的學習殿堂

1.1 認識資料科學1.2 Google Colab：雲端的開發平台1.3 Colab 的筆記功能

第2章 資料科學神器：Numpy 與Pandas

2.1 Numpy：高速運算的解決方案2.2 Numpy 陣列建立2.3 Numpy 陣列取值2.4 Numpy 的陣列運算功能2.5 Pandas：資料處理分析的強大工具2.6 Series 的使用2.7 DataFrame 的建立2.8 Pandas DataFrame 資料取值2.9 DataFrame 資料操作

第3章 資料收集：檔案存取與網路爬蟲

3.1 資料來源的取得3.2 CSV 檔案的讀取3.3 JSON 資料的讀取3.4 Excel 試算表檔案的讀取3.5 HTML 網頁資料讀取3.6 儲存資料為檔案3.7 認識網路爬蟲3.8 requests 模組：讀取網站檔案3.9 BeautifulSoup 模組：網頁解析3.10 文字及檔案資料的收集

第4章 資訊圖表化：Matplotlib 與Seaborn

4.1 Matplotlib：資訊視覺化的核心工具4.2 折線圖：plot4.3 長條圖與橫條圖：bar、barh4.4 圓形圖：pie4.5 直方圖：hist4.6 散佈圖：scatter4.7 線箱圖：boxplot4.8 設定圖表區：figure4.9 在圖表區加入多張圖表：subplot、axes4.10 Pandas 繪圖應用4.11 Seaborn：更美觀的圖表工具

資料預處理篇

第5章 資料預處理：資料清洗及圖片增量

5.1 資料清洗處理5.2 資料檢查5.3 資料合併5.4 樞紐分析表5.5 圖片增量

第6章 資料預處理：標準化、資料轉換與特徵選擇

6.1 Scikit-Learn：機器學習的開發工具6.2 數值資料標準化6.3 非數值資料轉換6.4 認識特徵選擇6.5 使用Pandas 進行特徵選擇6.6 使用Scikit-Learn 進行特徵選擇

機器學習篇

第7章 機器學習：非監督式學習

7.1 認識機器學習7.2 K-means 演算法7.3 DBS...