數(shù)據(jù)分析為各行各業(yè)的科學(xué)判斷和決策提供支撐。在眾多的數(shù)據(jù)分析工具中，Python是強有力的一個。本書介紹了數(shù)據(jù)分析的基本概述、Python語言基礎(chǔ)，以及如何利用Python的高性能科學(xué)計算類庫NumPy、高級數(shù)據(jù)分析類庫Pandas和出版質(zhì)量級繪圖類庫Matplotlib來實現(xiàn)數(shù)據(jù)的清洗、整理、分析和可視化。本書內(nèi)容豐

《MATLAB2020優(yōu)化設(shè)計從入門到精通》基于MATLABR2020a版編寫，提供了使用該軟件解決優(yōu)化問題的實踐性指導(dǎo)，內(nèi)容由淺入深，對每一條命令的使用格式都做了詳細而又規(guī)范的說明，為用戶提供了大量的例題進一步說明其用法。同時，對數(shù)學(xué)中的一些深入問題，如優(yōu)化理論的算法以及各種優(yōu)化問題的數(shù)學(xué)模型等進行了較為詳細的介紹。

《Java算法從菜鳥到達人》以Java語言為實現(xiàn)平臺，全書分四個部分，用言簡意賅的語言介紹了算法的基本概念、五種經(jīng)典的算法思想、重要的數(shù)據(jù)結(jié)構(gòu)以及實踐中常用的幾種算法。除第1章和第2章外，書中每章內(nèi)容都包括了基本概念、實現(xiàn)方式、具體應(yīng)用以及達人修煉真題。每一種算法思想中的真題都提供了相應(yīng)的源代碼，可供讀者運行，從而達到

Tableau是一款定位于數(shù)據(jù)可視化敏捷開發(fā)和實戰(zhàn)的商業(yè)智能（BusinessIntelligence，簡稱BI）展現(xiàn)工具，可以用來實現(xiàn)交互的、可視化的分析和儀表板應(yīng)用。Tableau桌面版能讓人直觀地用拖曳的方式創(chuàng)建自己的交互性圖表、儀表板和做可視化工作，不需要額外的訓(xùn)練。Tableau服務(wù)器版提供了一個完整的基于網(wǎng)

本書將C語言中的知識由淺入深地安排成五個部分進行講解，通過大量簡明易懂的范例來演示C語言中的概念。第1部分介紹與C語言的語法及程序結(jié)構(gòu)有關(guān)的基礎(chǔ)概念。第2部分介紹C語言的數(shù)據(jù)類型。第3部分講解如何用各種方式分配及釋放內(nèi)存。第4部分介紹與讀取數(shù)據(jù)（輸入數(shù)據(jù)）及寫入數(shù)據(jù)（輸出數(shù)據(jù)）有關(guān)的各種話題。第5部分詳細解釋如何創(chuàng)建并

內(nèi)容簡介這是一本能帶領(lǐng)讀者全方位掌握SpringBoot技術(shù)體系的功能、原理和Z佳實踐的著作，能幫助讀者在SpringBoot領(lǐng)域快速實現(xiàn)從入門到進階。全書涵蓋SpringBoot的6大核心主題：核心容器、Web服務(wù)、緩存、數(shù)據(jù)訪問、并發(fā)執(zhí)行、監(jiān)控與擴展，內(nèi)容具有以下4大特性：?針對性：系統(tǒng)梳理了6個主題所包含技術(shù)的功

本書共10章，內(nèi)容包括Python基本語法、Python科學(xué)計算、數(shù)據(jù)分析、數(shù)據(jù)處理、數(shù)據(jù)可視化等，通過圖像分析、視覺分析、時序分析等方面的例子指導(dǎo)讀者進行數(shù)據(jù)分析方面的工作。本書與數(shù)據(jù)分析應(yīng)用緊密結(jié)合，語言通俗易懂、案例實用性強，能夠使讀者對Python數(shù)據(jù)分析有一個較為全面的認識。除綜合案例外，本書每章后面附有習題

本書由資深前端專家撰寫，7位知名專家聯(lián)袂推薦。本書的一大特點是采用一個案例兩套方案進行講解，并總結(jié)其中異同，方便大家“遷移式”學(xué)習，快速入門。另外，本書摒棄了框架和API知識，帶領(lǐng)大家編寫原生程序，以了解前端和移動端異同的來龍去脈，方便后續(xù)進一步學(xué)習。本書內(nèi)容共分10章，具體如下。第1章，總結(jié)大前端的生態(tài)、人才需求以及

本書分為10章。第1章介紹Python語言的起源和特性，以及安裝Python及其開發(fā)環(huán)境的方法；第2章介紹Python語言的基礎(chǔ)知識；第3章介紹Python數(shù)據(jù)組織結(jié)構(gòu)，作為學(xué)習后續(xù)數(shù)據(jù)操作的基礎(chǔ)；第4~7章介紹為了能夠有效進行數(shù)據(jù)分析和數(shù)據(jù)挖掘所必須對數(shù)據(jù)進行的多種處理方法；第8章介紹使用不同的Python擴展庫，以

本書包括兩部分內(nèi)容，第壹部分重點介紹了與Python語言相關(guān)的數(shù)據(jù)分析工具，包括NumPy、Matplotlib、Pandas、Scipy、Seaborn和Sklearn。第二部分介紹數(shù)據(jù)處理、特征工程、評價指標、線性模型、支持向量機、K近鄰算法、樸素貝葉斯、決策樹、K-Means算法和文本分析實例。附錄提供了課程教學(xué)