搜索资源列表
visualization
- 用Python实现数据可视化的一个小案例，数据来自金融(Using Python to achieve data visualization of a small case, data from the financial)
starwar-visualization-master
- 使用python实现的星球大战电影数据的分析，使用flask框架可视化的显示每部电影中的人物，种族等的关系。(Using Python to analyze Star Wars movie data, use the flask framework visually to display the characters, races, and relationships in each movie.)
源代码及数据
- 随着高校不断扩招，数字化校园的不断推进，应用信息化高效的分配和管理宿舍是非常有意义的。本作品创新性地引入了“种子选手”，并基于贪心算法设计出宿舍分配方案。用Python的GUI设计可视化界面，最终形成了宿舍分配系统。(With the continuous expansion of colleges and universities and the continuous promotion of digital campus, it is very meaningful to distribut
kMeans
- 用python实现k-means算法。随机生成二位可视化数据集 然后进行可视化聚类(The k-means algorithm is implemented with Python. Randomly generate two bit visual data set and visualize clustering.)
SVM
- 基于python的svm分类学习。线性可分svm，非线性svm。 对花卉（花蕾）进行分类，并可视化(SVM classification learning based on Python)
python数据分析 韩波
- 一本python数据分析的优秀资料 《python数据分析》(python data analysis)，作者【印尼】Ivan Idris，翻译：韩波。 本人制作的PDF图书，带目录和书签。 作为一种高级程序设计语言，Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组、matplotlib和pa
Python数据可视化编程实战_code
- Python数据可视化编程实战_配套原代码(Matching the original code)
ILearnMachineLearning.py-master
- 这个储存库是我的作品和与数据科学和机器学习相关的项目的集合。在我的脚本中，我主要使用python及其专用的库：pandas、numpy、scipy、sci kit learn、matplotlib、basemap plotly。我还用了一些d3进行数据可视化。我还尝试从sci kit学习库中定制算法实现(This repository is a collection of my works and projects related to Data Science and Machine Lear
SLAM
- 以slam为核心的python实现代码，包含可视化组件(some slam code with the python scr ipt)
Python for Data Analysis
- 利用python进行数据分析，英文书籍，从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；利用pandas的groupby功能对数据集进行切片、切块和汇总操作；处理各种各样的时间序列数据。(Starting from the data analysis tools of pandas database, high performance tools are used to load, clea
共享单车数据挖掘Python源码
- 关于使用Python进行共享单车数据挖掘，数据分析源码，包括数据清洗，可视化等
python疫情数据可视化
- 通过时事数据可视化系统，可以清楚地了解全球疫情分布的状况以及密度，以便做出相应的对策(Through the current affairs data visualization system, it is possible to clearly understand the distribution and density of the global epidemic in order to make corresponding countermeasures)