2020-07-14 21:59:46

docs/handson-data-analysis-numpy-pandas/1.md

@@ -5,8 +5,8 @@
 *   安装 Anaconda
 *   探索 Jupyter 笔记本
 *   探索 Jupyter 的替代品
-*   管理 Anaconda 程序包
-*   设置数据库
+*   管理 Anaconda 包
+*   配置数据库
 
 在本章中，我们将讨论如何安装和管理 Anaconda。 Anaconda 是一个软件包，我们将在本书的以下各章中使用。
 
@@ -18,7 +18,7 @@
 
 Anaconda 的安装包括现成的数据分析所需的大部分内容。 Conda 软件包管理器还可用于下载和安装新软件包。
 
-为什么要使用 Anaconda？ Anaconda 专门为数据分析打包了 Python。 Anaconda 安装中包含了您项目中最重要的软件包。 除了 Anaconda 提供的一些性能提升，和 Continuum Analytics 对该程序包的企业支持之外，对于它的流行也不应感到惊讶。
+为什么要使用 Anaconda？ Anaconda 专门为数据分析打包了 Python。 Anaconda 安装中包含了您项目中最重要的软件包。 除了 Anaconda 提供的一些性能提升，和 Continuum Analytics 对该包的企业支持之外，对于它的流行也不应感到惊讶。
 
 ## 安装 Anaconda
 
@@ -279,7 +279,7 @@ pip install ptpython
 
 ## Conda 环境管理
 
-Conda 环境允许开发人员在其程序包中使用和管理不同版本的 Python。 这对于在遗留系统上进行测试和开发很有用。 可以保存，克隆和导出环境，以便其他人可以复制结果。
+Conda 环境允许开发人员在其包中使用和管理不同版本的 Python。 这对于在遗留系统上进行测试和开发很有用。 可以保存，克隆和导出环境，以便其他人可以复制结果。
 
 以下是一些常见的环境管理命令。
 
@@ -366,7 +366,7 @@ conda remove selenium
 
 ## 安装 MySQL
 
-对于 Linux 系统，如果可能，我建议您使用可用的任何软件包管理系统安装 MySQL。 如果您使用的是基于 Red-Hat 的发行版，则可以使用 YUM；如果您使用的是基于 Debian 的发行版，则可以使用 APT；或者，请使用 SUSE 的存储库系统。 如果您没有程序包管理系统，则可能需要从源代码安装 MySQL。
+对于 Linux 系统，如果可能，我建议您使用可用的任何软件包管理系统安装 MySQL。 如果您使用的是基于 Red-Hat 的发行版，则可以使用 YUM；如果您使用的是基于 Debian 的发行版，则可以使用 APT；或者，请使用 SUSE 的存储库系统。 如果您没有包管理系统，则可能需要从源代码安装 MySQL。
 
 Windows 用户可以直接从其网站安装 MySQL。 您还应该注意，MySQL 包含 32 位和 64 位二进制文​​件，但是下载的任何程序都可能会为您的系统安装正确的版本。
 
@@ -380,7 +380,7 @@ Windows 用户可以直接从其网站安装 MySQL。 您还应该注意，MySQL
 
 ## MySQL 连接器
 
-MySQL 的功能类似于系统上的驱动程序，其他应用则与 MySQL 交互，就好像它是驱动程序一样。 因此，您将需要下载一个 MySQL 连接器，以便能够将 MySQL 与 Python 结合使用。 这将允许 Python 与 MySQL 通信。 您最终要做的是将其加载到程序包中，然后开始与 MySQL 的连接。 可以从 [MySQL 的网站](https://dev.mysql.com/downloads/connector/)下载 Python 连接器。
+MySQL 的功能类似于系统上的驱动程序，其他应用则与 MySQL 交互，就好像它是驱动程序一样。 因此，您将需要下载一个 MySQL 连接器，以便能够将 MySQL 与 Python 结合使用。 这将允许 Python 与 MySQL 通信。 您最终要做的是将其加载到包中，然后开始与 MySQL 的连接。 可以从 [MySQL 的网站](https://dev.mysql.com/downloads/connector/)下载 Python 连接器。
 
 该网页对于任何操作系统都是通用的，因此您需要选择适当的平台，例如 Linux，OS X 或 Windows。 无论您使用的是 32 位还是 64 位版本，都需要选择并下载与系统架构最匹配的安装程序，以及 Python 版本。 然后，您将使用安装向导以将其安装在系统上。
 
@@ -388,7 +388,7 @@ MySQL 的功能类似于系统上的驱动程序，其他应用则与 MySQL 交
 
 ![](img/2242e5c4-4157-423d-a7d7-37975dd2b76b.png)
 
-注意，我们可以在这里选择哪个平台合适。 我们甚至有独立于平台的版本和源代码版本。 也可以使用程序包管理系统进行安装，例如，如果使用的是基于 Debian 的系统，则为 APT；如果使用的是基于 Red-Hat 的系统，则为 Ubuntu 或 YUM，等等。 我们有许多不同的安装程序，因此我们需要知道我们正在使用哪个版本的 Python。 建议您使用与项目中实际使用的版本最接近的版本。 您还需要在 32 位和 64 位之间进行选择。 然后，单击下载并按照安装程序的说明进行操作。
+注意，我们可以在这里选择哪个平台合适。 我们甚至有独立于平台的版本和源代码版本。 也可以使用包管理系统进行安装，例如，如果使用的是基于 Debian 的系统，则为 APT；如果使用的是基于 Red-Hat 的系统，则为 Ubuntu 或 YUM，等等。 我们有许多不同的安装程序，因此我们需要知道我们正在使用哪个版本的 Python。 建议您使用与项目中实际使用的版本最接近的版本。 您还需要在 32 位和 64 位之间进行选择。 然后，单击下载并按照安装程序的说明进行操作。
 
 因此，数据库管理是一个主要主题。 涉及数据库管理的所有内容将使我们远远超出本书的范围。 我们不会谈论好的数据库是如何设计的。 我建议您转到另一个资源，也许是另一个解释这些主题的 Packt 产品，因为它们很重要。 关于 SQL，我们只会告诉您基本级别使用 SQL 所需的命令。 也没有关于权限的讨论，因此我们将假设您的数据库对使用它的任何用户都具有完全权限，并且一次只有一个用户。
 

docs/handson-data-analysis-numpy-pandas/2.md

@@ -8,7 +8,7 @@
 *   创建数组
 *   切片数组
 *   数学
-*   方法和功能
+*   方法和函数
 
 我们从讨论数据类型开始，这在处理 NumPy 数组时在概念上很重要。 在本章中，我们将讨论由`dtype`对象控制的 NumPy 数据类型，这是 NumPy 存储和管理数据的方式。 我们还将简要介绍称为`ndarray`的 NumPy 数组，并讨论它们的作用。
 
@@ -82,7 +82,7 @@
 
 ![](img/de302823-d282-46b1-81d2-a1655f52a956.png)
 
-4.  现在，让我们创建一个数组并用数字`999`填充它。 如果我们将这个数组提升为自身，换言之，将`999`提升为`999`的力量，那么最终得到的就是`inf`：
+4.  现在，让我们创建一个数组并用数字`999`填充它。 如果我们求这个数组和自身的幂，换言之，计算`999`的`999`次方，那么最终得到的就是`inf`：
 
 ![](img/d207463c-cb60-4a36-aa60-a938a2aa801a.png)
 

docs/master-exp-analysis-pandas/2.md

 # 数据选择
 
-在本章中，我们将学习使用 Pandas 进行数据选择的高级技术，如何选择数据子集，如何从数据集中选择多个行和列，如何对 Pandas 数据帧或一系列数据进行排序，如何 过滤 Pandas 数据框的角色，还学习如何将多个过滤器应用于 Pandas 数据框。 我们还将研究如何在 Pandas 中使用`axis`参数以及在 Pandas 中使用字符串方法。 最后，我们将学习如何更改 Pandas 系列的数据类型。
+在本章中，我们将学习使用 Pandas 进行数据选择的高级技术，如何选择数据子集，如何从数据集中选择多个行和列，如何对 Pandas 数据帧或一系列数据进行排序，如何 过滤 Pandas 数据帧的角色，还学习如何将多个过滤器应用于 Pandas 数据帧。 我们还将研究如何在 Pandas 中使用`axis`参数以及在 Pandas 中使用字符串方法。 最后，我们将学习如何更改 Pandas 系列的数据类型。
 
 首先，我们将学习如何从 Pandas 数据帧中选择数据子集并创建系列对象。 我们将从导入真实数据集开始。 我们将介绍一些 Pandas 数据选择方法，并将这些方法应用于实际数据集，以演示数据子集的选择。
 
@@ -11,7 +11,7 @@
 *   使用 Pandas 数据帧过滤行
 *   使用多个条件（例如 AND，OR 和 ISIN）过滤数据
 *   在 Pandas 中使用`axis`参数
-*   一系列更改 Pandas 的数据类型
+*   更改 Pandas 序列的数据类型
 
 # 数据集简介
 

docs/master-exp-analysis-pandas/3.md

@@ -2,14 +2,14 @@
 
 在本章中，我们将学习以下主题：
 
-*   使用`inplace`参数修改 Pandas 数据框
-*   可以使用`groupby`方法的方案
+*   使用`inplace`参数修改 Pandas 数据帧
+*   使用`groupby`方法的模式
 *   如何处理 Pandas 中的缺失值
 *   探索 Pandas 数据帧中的索引
 *   重命名和删除 Pandas 数据帧中的列
 *   处理和转换日期和时间数据
-*   使用 CopyWarning 处理设置
-*   将函数应用于 Pandas 系列或数据帧
+*   处理`SettingWithCopyWarning`
+*   将函数应用于 Pandas 序列或数据帧
 *   将多个数据帧合并并连接成一个
 
 # 使用 inplace 参数修改 Pandas 数据帧
@@ -554,7 +554,7 @@ dataset.DOB.dt.weekday_name
 
 这些是`datetime`系列数据的方法和属性的一些示例。 在 Pandas 的参考文档中可以找到更多内容，网址为。
 
-# 使用 CopyWarning 处理设置
+# 处理`SettingWithCopyWarning`
 
 在本节中，我们将学习`SettingWithCopyWarning`警告以及解决方法。
 

docs/master-exp-analysis-pandas/4.md

@@ -4,7 +4,7 @@
 
 特别是，我们将涵盖以下主题：
 
-*   如何开始 Seaborn
+*   如何启用 Seaborn
 *   Seaborn 的特性
 *   绘制不同类型的绘图
 *   用 seaborn 绘制分类图