Python數(shù)據(jù)科學(xué)
關(guān)注創(chuàng)建者：Z_8680 創(chuàng)建時間：2020-09-09
Python數(shù)據(jù)科學(xué)的視頻教程
Altair人工智能與數(shù)據(jù)科學(xué)平臺使用培訓(xùn)
Altair人工智能與數(shù)據(jù)科學(xué)平臺使用培訓(xùn) 適用人群： 從事人工智能行業(yè)、對人工智能感興趣的人群 直播內(nèi)容： 1. RapidMiner Studio 自動數(shù)據(jù)清洗與自動建模； 2. RapidMiner AI Hub 模型版本與權(quán)限管理； 3. 自定義建模流程介紹； 4. 模型該如何選擇和評估。
免費 1小時50分鐘 46播放
查看
Python數(shù)據(jù)分析
￥9.9 3小時 222播放
查看
五分鐘學(xué)會python機器學(xué)習(xí)完成數(shù)據(jù)擬合1
介紹了一個機器學(xué)習(xí)實現(xiàn)數(shù)據(jù)擬合的案例，希望對大家有所幫助。
￥50 29分鐘 56播放
查看
Python數(shù)據(jù)科學(xué)的實例教程
本書是對以數(shù)據(jù)深度需求為中心的科學(xué)、研究以及針對計算和統(tǒng)計方法的參考書。
本書共五章，每章介紹一到兩個Python數(shù)據(jù)科學(xué)中的重點工具包。
首先從IPython和Jupyter開始，它們提供了數(shù)據(jù)科學(xué)家需要的計算環(huán)境；
第2章講解能提供ndarray對象的NumPy，它可以用Python高效地存儲和操作大型數(shù)組；
第3章主要涉及提供DataFrame對象的Pandas，它可以用Python高效地存儲和操作帶標(biāo)簽的/列式數(shù)據(jù)；
第4章的主角是Matplotlib，它為Python提供了許多數(shù)據(jù)可視化功能；
第5章以Scikit-Learn為主，這個程序庫為最重要的機器學(xué)習(xí)算法提供了高效整潔的Python版實現(xiàn)。
本書適合有編程背景，并打算將開源Python工具用作分析、操作、可視化以及學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)科學(xué)研究人員。
全網(wǎng)最全Python必讀書藉合集（PDF文檔免費下載）
目錄
第1 章 IPython：超越Python 1
第2 章 NumPy入門 28
第3 章 Pandas數(shù)據(jù)處理 86
第4 章 Matplotlib數(shù)據(jù)可視化 191
第5 章 機器學(xué)習(xí) 291
展開 ▌數(shù)據(jù)采集
20. Scrapy (Commits: 6625, Contributors: 281)
官網(wǎng)：https://scrapy.org/
Scrapy 是一個用來創(chuàng)建網(wǎng)絡(luò)爬蟲，掃描網(wǎng)頁和收集結(jié)構(gòu)化數(shù)據(jù)的庫。此外，Scrapy 可以從 API 中提取數(shù)據(jù)。由于該庫的可擴展性和可移植性，使得它用起來非常方便。
▌結(jié)論
本文上述所列就是我們在 2018 年為數(shù)據(jù)科學(xué)領(lǐng)域中豐富的 Python 庫集合。與上一年相比，一些新的現(xiàn)代庫越來越受歡迎，而那些已經(jīng)成為經(jīng)典的數(shù)據(jù)科學(xué)任務(wù)的庫也在不斷改進。
下表顯示了 GitHub 活動的詳細統(tǒng)計數(shù)據(jù)：
原文鏈接：https://activewizards.com/blog/top-20-python-libraries-for-data-science-in-2018/
轉(zhuǎn)自網(wǎng)絡(luò)大數(shù)據(jù)
展開 而且，對空值不正確的填充往往將新的噪聲引入數(shù)據(jù)中，使挖掘任務(wù)產(chǎn)生錯誤的結(jié)果。因此，在許多情況下，我們還是希望在保持原始信息不發(fā)生變化的前提下對信息系統(tǒng)進行處理。
在實際應(yīng)用中，一些模型無法應(yīng)對具有缺失值的數(shù)據(jù)，因此要對缺失值進行處理。然而還有一些模型本身就可以應(yīng)對具有缺失值的數(shù)據(jù)，此時無需對數(shù)據(jù)進行處理，比如Xgboost，rfr等高級模型。
4 總結(jié)
總而言之，大部分數(shù)據(jù)挖掘的預(yù)處理都會使用比較方便的方法來處理缺失值，比如均值法，但是效果上并一定好，因此還是需要根據(jù)不同的需要選擇合適的方法，并沒有一個解決所有問題的萬能方法。具體的方法采用還需要考慮多個方面的：
數(shù)據(jù)缺失的原因；
數(shù)據(jù)缺失值類型；
樣本的數(shù)據(jù)量；
數(shù)據(jù)缺失值隨機性等；
關(guān)于數(shù)據(jù)缺失值得思維導(dǎo)圖：
如果大家有任何好的其他方法，歡迎補充。
參考：
http://www.restore.ac.uk/PEAS/imputation.php
https://blog.csdn.net/lujiandong1/article/details/52654703
http://blog.sina.com.cn/s/blog_4b0f1da60101d8yb.html
https://www.cnblogs.com/Acceptyly/p/3985687.html
作者：Python數(shù)據(jù)科學(xué)
來源：掘金
展開 此時，如果想提取數(shù)據(jù)，一些關(guān)于Abaqus 二次開發(fā)的書籍里提供的方式是：odb.step['Step-1'].historyRegions['Node PART-TRIMMED-MESH.288422']. historyOutputs['U1'].data 。這種方式，需要輸入 'Node PART-TRIMMED-MESH.288422' 這種很長的字符串，繁瑣且容易出錯。
在付費內(nèi)容中，提供了一種便捷的方法，得到長字符串，提取相關(guān)的數(shù)據(jù)，并將數(shù)據(jù)保存為csv文件。
展開 本期內(nèi)容轉(zhuǎn)載本人公眾號：
易木木響叮當(dāng)，源代碼可在公眾號內(nèi)回復(fù)：
創(chuàng)建數(shù)據(jù)庫，即可自動獲取
。
Python二次開發(fā)更新啦~
最近由于木木學(xué)業(yè)壓力比較大，故更文速度有點小慢，請大家諒解諒解。廢話不多說，進入今天的正題：
本期內(nèi)容將編寫腳本創(chuàng)建輸出數(shù)據(jù)庫，并向其中添加模型數(shù)據(jù)、場數(shù)據(jù)和歷史數(shù)據(jù)，在后處理模塊中顯示位移場變量計算結(jié)果，最后保存ODB文件。源腳本來自于曹老師的《Python語言在Abaqus中的應(yīng)用》，好書值得推薦！
編程思路：
導(dǎo)入相應(yīng)模塊。本例中將創(chuàng)建輸出數(shù)據(jù)庫，并向其中添加數(shù)據(jù)，于是應(yīng)添加：odbAccess、odbMaterial、odbSection、和abaqusConstants等模塊;
創(chuàng)建輸出數(shù)據(jù)庫時，數(shù)據(jù)庫不包含任何模型需要調(diào)用相應(yīng)函數(shù)構(gòu)造對象。一般情況下需要創(chuàng)建以下對象：材料屬性（Material模塊）、截面（Section模塊）、部件實例（Assembly模塊）、分析步和幀（Step模塊）、節(jié)點和單元（Mesh模塊）；
向輸出數(shù)據(jù)庫中添加場數(shù)據(jù)和歷程數(shù)據(jù)，本例中只向輸出數(shù)據(jù)庫中添加了節(jié)點位移，場輸出為默認(rèn)輸出；
創(chuàng)建完數(shù)據(jù)庫后，應(yīng)調(diào)用save( )方法保存數(shù)據(jù)庫文件，然后調(diào)用close( )方法關(guān)閉文件。
在Abaqus操作如下：點擊File，Run Script，
若CAE界面下方出現(xiàn)：
New output database has been created successfully!
You can view the odb_Create_ODB.odb file in the visualization module!
展開 
Python數(shù)據(jù)科學(xué)的相關(guān)專題、標(biāo)簽、搜索
Python數(shù)據(jù)科學(xué)的最新內(nèi)容
零基礎(chǔ)數(shù)據(jù)分析師技能：SQL、R、Python、Power BI
Data Analyst Skills for beginners - (SQL,R,Python,Power BI )
更新于2026年
MP4 | 視頻：h264，1920x1080 | 音頻：AAC，44.1kHz，雙聲道
語言：英語 | 時長：9小時 |
在傳統(tǒng)制造范式下，質(zhì)量工程師的核心職責(zé)是“事后判定”——基于測量報告進行合格與否的判斷，角色更像是“數(shù)據(jù)收集員”和“標(biāo)準(zhǔn)守門員”。然而，在智能制造與數(shù)據(jù)驅(qū)動的浪潮中，對質(zhì)量部門的期待已從“發(fā)現(xiàn)缺陷”躍升至“預(yù)測并預(yù)防缺陷”，乃至“驅(qū)動設(shè)計優(yōu)化與流程再造”。這要求質(zhì)量工程師必須具備從海量數(shù)據(jù)中挖掘洞見、驅(qū)動決策的能力，即向“數(shù)據(jù)科學(xué)家”轉(zhuǎn)型。
海克斯康eMMA系統(tǒng)，正是這場“升維”革命中的關(guān)鍵賦能平臺
凌炫E3700單屏/E3900三屏移動便攜工作站，其攜帶方便、靈活、易用的獨有特性，配置最新AMD多核處理器加強吞吐能力；最大限度提升設(shè)備計算速度，使野外、戶外，科研人員、團隊能夠更容易地對其進行計算、仿真、圖形圖像處理，使其滿足不同規(guī)模的計算應(yīng)用。
1.
型號： 凌炫E3700單屏
2.
處理器
2025年11月5日，Altair 將攜手行業(yè)領(lǐng)袖、技術(shù)專家和教育工作者，帶來一場聚焦數(shù)據(jù)科學(xué)與 AI 話題的技術(shù)盛會，共同探討領(lǐng)先的數(shù)據(jù)科學(xué)與 AI解決方案如何在學(xué)術(shù)界和各行各業(yè)推動創(chuàng)新。
本次會議邀請了來自 Forrester、LTTS、Mendix 等全球知名企業(yè)技術(shù)專家及英國伯明翰城市大學(xué)、克萊姆森大學(xué)等知名高校教授，在線分享數(shù)據(jù)科學(xué)和 AI
ATCx Unlocking Data Science & AI 2025
解鎖數(shù)據(jù)科學(xué)與AI的力量
全球線上直播會議（提供中文在線翻譯）
11月5日（周三）丨北京時間 16:00 開始
解鎖數(shù)據(jù)科學(xué)與AI的力量
人工智能正在改變我們的工作、學(xué)習(xí)和競爭方式。善于利用數(shù)據(jù)、人工智能和機器學(xué)習(xí)的企業(yè)，可以更快、更智能、更可持續(xù)地做出決策。
2025年11月5
在大數(shù)據(jù)和人工智能時代，整個社會各維度生產(chǎn)組織活動愈加信息化和數(shù)據(jù)化，利用數(shù)據(jù)挖掘和人工智能技術(shù)從大量數(shù)據(jù)中發(fā)現(xiàn)有用的信息和知識，指導(dǎo)和優(yōu)化決策過程，已經(jīng)成為一種新范式，將對人類社會的各個方面以及科學(xué)研究的各個領(lǐng)域產(chǎn)生深遠影響。在變革浪潮中，如何將企業(yè)生產(chǎn)經(jīng)營決策與大數(shù)據(jù)和人工智能技術(shù)相結(jié)合顯得尤為迫切。
在此大背景下，中山大學(xué)管理學(xué)院教授、博士生導(dǎo)師夏俐及其課程團隊正式出版了《大數(shù)據(jù)與商業(yè)智能
NEWS
2025年5月30日，全球計算智能領(lǐng)域領(lǐng)軍企業(yè)Altair宣布，旗下Altair? RapidMiner?（數(shù)據(jù)分析與AI平臺）（Altair 數(shù)據(jù)分析與 AI 平臺）再度被 Gartner 評為數(shù)據(jù)科學(xué)與機器學(xué)習(xí)平臺魔力象限中的領(lǐng)導(dǎo)者。這一評估基于對企業(yè)愿景完整性與執(zhí)行能力的具體標(biāo)準(zhǔn)分析。
我們認(rèn)為，連續(xù)兩年被評為領(lǐng)導(dǎo)者，進一步證明了
科學(xué)試模納入流程，輕松提升數(shù)據(jù)結(jié)果可視化
作者 ■科盛科技 / 陳姞芳 副管理師
前言
傳統(tǒng)的射出成型流程從塑件設(shè)計、模具制造再到現(xiàn)場試模，都是由實際操作人員或是閱歷豐富的老師傅，以經(jīng)驗法則和試誤方式不斷地進行測試作業(yè)及成品缺點改善。然而塑件的幾何圖形為了因應(yīng)設(shè)計變更
