第1章 数值计算基础 1__eol__1.1 Python基础 1__eol__1.1.1 列表与元组 2__eol__1.1.2 切片 3__eol__1.1.3 列表推导 4__eol__1.1.4 生成器表达式 5__eol__1.2 NumPy数组 6__eol__1.2.1 创建NumPy数组 6__eol__1.2.2 数组的属性 6__eol__1.2.3 reshape 7__eol__1.2.4 Python列表与NumPy数组 7__eol__1.2.5 创建特定数组 8__eol__1.2.6 创建单调数组 9__eol__1.2.7 生成随机数 9__eol__1.3 NumPy索引 10__eol__1.3.1 切片索引 10__eol__1.3.2 布尔索引 11__eol__1.3.3 更复杂的布尔索引 12__eol__1.3.4 整数数组索引 12__eol__1.3.5 索引赋值 13__eol__1.4 多维索引 13__eol__1.4.1 定位单个元素 13__eol__1.4.2 多维切片 14__eol__1.4.3 newaxis 14__eol__1.4.4 Ellipsis 15__eol__1.4.5 整数数组索引 16__eol__1.5 广播 17__eol__1.5.1 一个实例 17__eol__1.5.2 广播的条件 18__eol__1.5.3 如何广播 18__eol__1.5.4 几个操作实例 19__eol__1.5.5 原地修改 21__eol__1.6 图像处理 22__eol__1.6.1 导入 22__eol__1.6.2 翻转 23__eol__1.6.3 截取下半部分 23__eol__1.6.4 缩小 24__eol__1.6.5 纵向拉伸 24__eol__1.6.6 遮罩 25__eol__1.6.7 添加两条对角线 26__eol__第2章 数据分析 27__eol__2.1 Series 27__eol__2.1.1 简单的Series 27__eol__2.1.2 指定索引 28__eol__2.1.3 索引的使用 28__eol__2.1.4 将Python字典转换为Series 29__eol__2.1.5 自定义索引 29__eol__2.1.6 判断NA值 30__eol__2.1.7 索引自动对齐 31__eol__2.2 DataFrame 31__eol__2.2.1 构建DataFrame 32__eol__2.2.2 获取指定列 33__eol__2.2.3 获取指定行 33__eol__2.2.4 对列赋值 34__eol__2.2.5 索引对齐 35__eol__2.2.6 删除列 35__eol__2.2.7 内部的ndarray 36__eol__2.3 数据的选择 36__eol__2.3.1 数据开放平台 36__eol__2.3.2 导入数据 36__eol__2.3.3 选择列 37__eol__2.3.4 选择行 37__eol__2.3.5 选择指定区域 38__eol__2.3.6 布尔型数组 39__eol__2.3.7 多个条件的选择 39__eol__2.3.8 loc与iloc 40__eol__2.4 概要与映射 41__eol__2.4.1 查看数据头部 41__eol__2.4.2 查看所有的列名 42__eol__2.4.3 查看数据概要 42__eol__2.4.4 计算数值的频率 42__eol__2.4.5 与平均值的差 43__eol__2.4.6 map的用法 43__eol__2.4.7 apply的用法 44__eol__2.4.8 map与apply的区别 45__eol__2.5 分组与排序 45__eol__2.5.1 导入数据 46__eol__2.5.2 分组统计 47__eol__2.5.3 分组最小值 47__eol__2.5.4 用lambda函数做分组统计 48__eol__2.5.5 更复杂的分组 49__eol__2.5.6 同时使用多个聚合函数 49__eol__2.5.7 分组后的排序 50__eol__2.5.8 区分不同的apply函数 50__eol__2.5.9 带“max”的函数 51__eol__2.6 空值 51__eol__2.6.1 FIFA数据集 51__eol__2.6.2 查看空值的数量 52__eol__2.6.3 计算空值的百分比 52__eol__2.6.4 清除空值 52__eol__2.6.6 清除带有空值的列 53__eol__2.6.6 填充空值 53__eol__2.6.7 用平均值来填充空值 55__eol__2.6.8 返回值 56__eol__2.7 不一致数据的处理 56__eol__2.7.1 TheFuzz库 56__eol__2.7.2 数据集 56__eol__2.7.3 unique 57__eol__2.7.4 清除大写与空格 57__eol__2.7.5 模糊匹配 58__eol__2.7.6 字段替换 59__eol__第3章 数据可视化 60__eol__3.1 Matplotlib基本概念 60__eol__3.1.1 导入与设置 60__eol__3.1.2 剖析图形 61__eol__3.1.3 两种风格 63__eol__3.2 作图基础 65__eol__3.2.1 绘制直线 65__eol__3.2.2 绘制折线 66__eol__3.2.3 格式字符串 66__eol__3.2.4 绘制散点图 67__eol__3.2.5 绘制类别数据 68__eol__3.2.6 绘制文本 69__eol__3.2.7 绘制注解 70__eol__3.3 MACD指标分析 71__eol__3.3.1 加载贵州茅台股价数据 72__eol__3.3.2 收盘价趋势图 72__eol__3.3.3 计算MACD和signal序列 73__eol__3.3.4 绘制MACD指标图 74__eol__3.3.5 金叉与死叉 74__eol__3.3.6 计算收益 76__eol__3.4 沪深300收益计算 77__eol__3.4.1 加载历史数据 77__eol__3.4.2 绘制趋势图 78__eol__3.4.3 计算收益率 78__eol__3.4.4 计算年化收益率 79__eol__3.4.5 计算年化波动率 80__eol__3.4.6 计算最大回撤率 80__eol__3.4.7 计算卡玛比率 81__eol__3.5 日历策略 82__eol__3.5.1 指标计算函数 82__eol__3.5.2 只在每月前5日交易的策略 82__eol__3.5.3 准备数据 82__eol__3.5.4 标记出每月前5日 83__eol__3.5.5 计算收益率 84__eol__3.5.6 绘制两条收益曲线 84__eol__3.5.7 比较收益指标 85__eol__3.5.8 每月后5日的策略 85__eol__第4章 线性模型 87__eol__4.1 机器学习 87__eol__4.1.1 传统软件与机器学习 87__eol__4.1.2 特征与标签 88__eol__4.1.3 机器学习算法的分类 88__eol__4.1.4 CRISP-DM 89__eol__4.2 线性回归 90__eol__4.2.1 模型公式 91__eol__4.2.2 scikit-learn 91__eol__4.2.3 线性回归的用法 92__eol__4.2.4 线性回归的参数 92__eol__4.2.5 残差 93__eol__4.2.6 均方误差与平均绝对误差 93__eol__4.2.7 Bootstrap统计方法 94__eol__4.3 岭回归 95__eol__4.3.1 bootstrap函数 96__eol__4.3.2 系数分布 97__eol__4.3.3 alpha参数 99__eol__4.3.4 最佳alpha参数 100__eol__4.4 LASSO回归 101__eol__4.4.1 基本用法 101__eol__4.4.2 非零的系数 101__eol__4.4.3 最佳alpha参数 102__eol__4.4.4 特征选择 102__eol__4.5 逻辑回归 103__eol__4.5.1 iris数据集 103__eol__4.5.2 训练集与测试集 104__eol__4.5.3 LogisticRegression类 104__eol__4.5.4 混淆矩阵 105__eol__4.5.5 预测的概率 105__eol__第5章 朴素贝叶斯 107__eol__5.1 贝叶斯原理 107__eol__5.1.1 患癌的概率 107__eol__5.1.2 贝叶斯公式 108__eol__5.1.3 朴素贝叶斯 108__eol__5.1.4 sklearn中的朴素贝叶斯 109__eol__5.2 T