【簡介】
對於以數學為主以及科學、商業和工程系所的學生來說,線性代數已成為一門核心的課程。它在計算、理論及應用於現實生活、幾何學及其他領域中取得平衡,使得線性代數為所有數學課程中最獨特的學科。對於許多在專業領域中不管是使用純數或應數的人來說,絕對需要了解與認識線性代數。
本書的主要目標是清楚並簡潔地陳述線性代數的主要觀念,對於以證明為導向的課程,本書的內容十分嚴謹,尤其是在定理的陳述上主要在培養建立精確證明所需的技巧,所選擇的順序與涵蓋的主題是為了課程可以達到最大的效果、有效性與平衡性。作者相當仔細地挑選範例與習題來讓理論與應用和幾何的直觀可以取得平衡,新版本加入許多新的技巧建立、挑戰與應用習題。教學證明型態的習題組合 ( 真或假、證明、引導式證明、書寫題和技術題 )
已經過仔細與大量地測驗來保證所列習題的嚴謹性、相關性並且涵蓋所有建議的主題。讀者也可以使用智慧型手機掃描各節習題所附QR Code 以獲得奇數習題的解答。
本書的每一章均會表列多個線性代數的實際生活應用,「線性代數應用」描述這個章節所討論之觀念的一個實際生活的應用,這些應用涵蓋生物與生活科學、商業與經濟、工程與技術、物理科學以及統計與機率。
【目錄】
第1章 線性方程式系統
第2章 矩陣
第3章 行列式
第4章 向量空間
第5章 內積空間
第6章 線性轉換
第7章 特徵值與特徵向量
奇數習題解答
索引
立即查看
機率與統計 2版
作(編/譯)者 : 繆紹綱 編著 出版年份 : 2023
ISBN : 9789863783657 書號 : 003091
幾色 : 1 規格 : 16K
發行公司 : 高立圖書 版權日期 : 2023/02/01
版次 : 二版發行 頁數 : 400
內容簡介
機率是用來衡量或測度某一不確定事件發生的可能性,並給予 0 到 1 之間的量化值,以代表發生機會的大小。在統計學中,資料是以樣本或一組觀察的形式來收集,目的是透過資料樣本的分析,產生對於所觀察對象的有意義資訊。
本書主旨為幫助讀者從書中學得機率與統計的各種方法,來解決各種工程或科學領域的問題。就連近年大數據分析與機器學習領域上,較常被使用到的迴歸模型本書也擇優納入,以饗讀者。
作者精選出多項重要課題與具代表性的範例與解題說明,透過淺顯易懂的描述方式與詳細明瞭的解題步驟,幫助讀者輕鬆順利學會此門課程。
目錄
Chapter 1 統計學與機率的簡介
Chapter 2 機 率
Chapter 3 隨機變數及其分佈
Chapter 4 期望值與變異數
Chapter 5 常用的離散隨機變數
Chapter 6 常用的連續隨機變數
Chapter 7 抽樣分佈與資料描述
Chapter 8 估 測
Chapter 9 假設檢定
Chapter 10 模擬實驗展示
附錄A 數值表
奇數題解答
參考文獻
立即查看
Python 函式庫語法範例字典
相關熱銷的書籍推薦給您
商品描述
<內容簡介>
彙整最常使用的 Python 函式庫語法
功能索引 + 字母順序查詢,
隨查隨用, 快速解決問題!
Python 是近來非常熱門的程式語言, 原因之一就是具有豐富的標準函式庫及第三方套件可以使用, 用途涵蓋字串處理、數值計算、資料壓縮與封存、XML與 JSON 存取等層面。本書集合 Python 常用的函式及模組功能, 依用途分門別類, 提供詳細的使用說明、豐富的語法範例, 讓使用者可以在短時間內找到、學會函式的正確使用方式, 在撰寫程式時更加得心應手!
<本書特色>
● 依功能分類, 每個函式都以豐富範例實際演練用法
● 目錄上列有函式名稱與用途說明, 可依據名稱或是用途查詢
● 可依字母順序快速查詢想使用的函式功能
● 本書嚴選的模組功能包括:
argparse/array/base64/beautifulsoup4/bisect/bz2/collections/ConfigParser/csv/datetime/dateutil/decimal/doctest/email/enum/fnmatch/glob/gzip/heapg/io/itertools/json/logging/lxml/lzma/math/multiprocessing/openpyxl/os/pathlib/paramiko/pdb/Pillow/pprint/PyCrypto/pydoc/pytest/pytz/random/re/requests/shutil/statistics/subprocess/sys/tartile/tempfile/time/timeit/traceback/unicodedata/unittest/unittest.mock/urllib.parse/weakref/xml.etree.ElementTree/yaml/zipfile/zlib
● 適用 Python 3
立即查看
Python視窗GUI設計 活用tkinter之路 王者歸來(第四版) 4/E 2022 <深智數位> (4版)
類似書籍推薦給您
立即查看
Python資料視覺化從2D到3D使用matplotlib實作: 王者歸來(全彩) (1版)
類似書籍推薦給您
立即查看
資料可視化王者:用Python讓AI活躍在圖表世界中 (1版)
類似書籍推薦給您
原價:
1580
售價:
1422
現省:
158元
立即查看
看圖學Python:資料分析與資料視覺化 (1版)
類似書籍推薦給您
【簡介】
本書特色
1. 由淺入深,循序漸進
從基礎Python語言開始講解,適合初學者入門。完整說明Python程式設計的基本能力,包括變數、資料型態、控制流程、函式、物件導向等。
2. 圖文並茂,易學易懂
使用大量圖例和流程圖來詳細說明程式設計的觀念和語法,讓讀者更容易理解。
3. 結合ChatGPT,提升學習效率
介紹ChatGPT生成式AI,並提供了各種程式設計實例,幫助讀者更有效地學習Python。
4. 完整涵蓋Pandas資料分析
詳細說明Pandas套件的Python資料分析,包括資料匯入、匯出、篩選、編輯、彙整、清理、排序、合併、運算、群組分析、樞紐分析表、資料視覺化等。
5. 實戰導向,學以致用
本書提供大量實作範例,幫助讀者將所學知識應用於實際情況中。
內容簡介
本書是一本學習Python程式設計和資料分析的入門教材,適合初學者輕鬆上手。以Excel使用者的角度,詳細說明Pandas套件的Python資料分析,並透過ChatGPT生成式AI的幫助,讓讀者能夠更快、更輕鬆地學習Python程式設計和資料分析。
首先,本書從介紹Python程式語言的基礎開始,徹底解說讀者需要具備的程式設計能力,並介紹OpenAI推出的ChatGPT生成式AI,探討其在程式設計中的應用,以及如何利用ChatGPT來協助學習Python程式設計等相關技術。
其次,本書重點闡述Pandas套件在Python資料分析中的應用。從建立Series和DataFrame物件開始,逐步介紹了如何匯入和匯出不同格式的資料,以及如何進行資料篩選、操作和彙整。特別是在第14章至第16章中,通過具體的範例,讀者將學會如何進行資料清理、排序、合併,以及執行各種資料運算和視覺化。
本書的獨特之處在於將ChatGPT生成式AI融入到學習過程中,通過ChatGPT的幫助,讀者不僅可以寫出Python程式碼,還能夠自動產生商業模擬數據的學習範例,使得學習過程更加生動有趣,並且實際應用到商業資料分析中。
最後,本書使用豐富的圖例和流程圖詳細解說程式設計的觀念和語法,並利用fChart流程圖直譯器呈現動畫流程圖,幫助讀者更好地理解程式邏輯,從而提升解決問題的能力和思維邏輯。
《看圖學Python:資料分析與資料視覺化》不僅適用於計算機概論、程式設計和Python資料分析課程的教學,也是自學Python和資料分析的理想選擇。無論是對於初學者還是有一定程式基礎的讀者,本書都將成為你的良師益友,引領你踏入Python程式設計和資料分析的世界。
【目錄】
CH01 Python語言與運算思維基礎
1-1 程式與程式邏輯
1-2 認識Python、運算思維和Thonny
1-3 下載與安裝Thonny
1-4 使用Thonny建立第一個Python程式
1-5 Thonny基本使用與程式除錯
CH02 寫出和認識Python程式
2-1 開發Python程式的基本步驟
2-2 編輯現存的Python程式
2-3 建立第二個Python程式的加法運算
2-4 看看Python程式的內容
2-5 Python文字值
2-6 Python寫作風格
CH03 變數、運算式與運算子
3-1 程式語言的變數
3-2 在程式使用變數
3-3 變數的資料型態和型態轉換函數
3-4 讓使用者輸入變數值
3-5 認識運算式和運算子
3-6 在程式使用運算子
CH04 條件判斷
4-1 你的程式可以走不同的路
4-2 關係運算子與條件運算式
4-3 if單選條件敘述
4-4 if/else二選一條件敘述
4-5 if/elif/else多選一條件敘述
4-6 在條件敘述使用邏輯運算子
CH05 重複執行程式碼
5-1 認識迴圈敘述
5-2 for計數迴圈
5-3 while條件迴圈
5-4 改變迴圈的執行流程
5-5 巢狀迴圈與無窮迴圈
5-6 在迴圈中使用條件敘述
CH06 函數
6-1 認識函數
6-2 使用者自訂函數
6-3 函數的參數
6-4 函數的回傳值
6-5 函數的實際應用
6-6 變數範圍和內建函數
CH07 字串與容器型態
7-1 字串型態
7-2 串列型態
7-3 元組型態
7-4 字典型態
7-5 字串與容器型態的運算子
CH08 檔案、類別與例外處理
8-1 檔案處理
8-2 二進位檔案讀寫
8-3 類別與物件
8-4 建立例外處理
CH09 Python模組與套件
9-1 Python模組與套件
9-2 os模組:檔案操作與路徑處理
9-3 math模組:數學函數
9-4 turtle模組:海龜繪圖
9-5 pywin32套件:Office軟體自動化
CH10 使用ChatGPT學習Python程式設計
10-1 認識ChatGPT
10-2 註冊與使用ChatGPT
10-3 ChatGPT是你最佳的Python程式助手
10-4 ChatGPT應用:找出Python視窗程式的學習方向
10-5 ChatGPT應用:幫助你學習Python視窗程式設計
CH11 Pandas套件:匯入與匯出DataFrame
11-1 Pandas套件的基礎
11-2 建立Series和DataFrame物件
11-3 匯入外部資料
11-4 匯出DataFrame物件
11-5 實作案例:使用Pandas爬取HTML表格資料
CH12 檢視、選取與篩選DataFrame資料
12-1 檢視與了解DataFrame資料
12-2 檢視DataFrame的整體資訊
12-3 選取和走訪DataFrame整列與整欄資料
12-4 檢視DataFrame指定欄位的資訊
12-5 篩選DataFrame資料
12-6 實作案例:使用SQL語言篩選DataFrame資料
CH13 DataFrame索引、編輯與資料彙整
13-1 DataFrame索引設定
13-2 使用索引器選取DataFrame子集
13-3 編輯DataFrame資料
13-4 串聯多個DataFrame資料
13-5 實作案例:多個Excel工作表的資料彙整
CH14 DataFrame資料清理、排序與資料合併
14-1 字串與日期/時間的資料處理
14-2 DataFrame資料清理
14-3 DataFrame資料排序
14-4 DataFrame資料合併
14-5 實作案例:DataFrame商業資料清理
CH15 DataFrame資料運算、群組分析與樞紐分析表
15-1 DataFrame資料運算
15-2 DataFrame資料分組的群組分析
15-3 使用DataFrame建立樞紐分析表
15-4 實作案例:使用樞紐分析表進行資料分析
CH16 Pandas+Plotly Express資料視覺化
16-1 認識資料視覺化
16-2 Pandas資料視覺化
16-3 Plotly互動資料視覺化
16-4 實作案例:Tutsplus教學文件的資料視覺化
16-5 實作案例:台積電股價的互動資料視覺化
CHA Google Colab雲端服務基本使用(電子書)
立即查看
資料視覺化|使用Python與JavaScript (2版)
類似書籍推薦給您
特色
擷取、清理、分析與轉換資料
「Kyran的書包含了大量資訊,從D3.js細節說明,到如何建構出由客製化互動式儀表板所使用的、且由資料庫所支持的API。可以肯定地說,您將從這本書中學到很多東西!」
—Peter Cook, 《D3 Start to Finish》作者
如何將原始、未經處理的資料轉化為動態的互動式web視覺化?在這本實用的書中,作者Kyran Dale向資料科學家、分析師以及Python、JavaScript開發人員,展示如何為工作建立理想的工具鏈。藉由提供引人入勝的範例以及分享得之不易的實務經驗,本書將引導您善用最佳的Python和JavaScript程式庫。
Python為爬取、清理和處理資料提供強大、成熟的程式庫。在web視覺化程式設計方面,JavaScript是最好的語言。這兩種語言相得益彰,可以幫助您建立現代web視覺化工具鏈。
您將學習如何:
‧使用爬取或web API(Requests、Scrapy、Beautiful Soup)獲取資料
‧在NumPy生態系統(帶有pandas、Matplotlib和Seaborn的Jupyter notebook)中使用Python資料處理程式庫清理和處理資料
‧使用靜態檔案或輕量級Python伺服器(Flask RESTful API)將資料交付到瀏覽器
‧掌握足夠的web開發技能(HTML、CSS、JavaScript)將資料視覺化
‧使用挖掘和精煉資料建立web圖表和視覺化(Plotly、D3)
目錄
前言
概論
Part I 基本工具包
第1章|開發設定
第2章|Python 和 JavaScript 之間的語言學習橋梁
第3章|使用 Python 讀寫資料
第4章|Webdev 101
Part II 獲取資料
第5章|使用 Python 從 Web 獲取資料
第6章|使用 Scrapy 進行重量級爬取
Part III 使用 pandas 清理和探索資料
第7章|NumPy 簡介
第8章|pandas 簡介
第9章|用 pandas 清理資料
第10章|使用 Matplotlib 來視覺化資料
第10章|用 pandas 探索資料
Part IV 交付資料
第12章|交付資料
第13章|Flask 的 RESTful 資料
Part V 使用 D3 和 Plotly 來視覺化您的資料
第14章|使用 Matplotlib 和 Plotly 把您的圖表帶到網路上
第15章|想像一個諾貝爾獎視覺化
第16章|建構視覺化
第17章|介紹 D3 —直條圖的故事
第18章|視覺化個人獎項
第19章|使用 D3 繪製地圖
第20章|視覺化個人獲獎者
第21章|選單列
第22章|結論
附錄A|D3 的 enter/exit 樣式
索引
立即查看