必學!Python 資料科學‧機器學習最強套件:NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras

9-1 常見的圖表類型
9-2 單一筆資料的視覺化
9-2-1 繪製折線圖
9-2-2 指定圖表的座標軸範圍–xlim()、 ylim()
9-2-3 設定圖表標題與兩軸名稱–title()、xlabel()、ylabel()
9-2-4 在圖表上顯示網格–grid()
9-2-5 自訂座標軸的刻度及標籤 – xticks()、 yticks()
9-3 多筆資料的視覺化
9-3-1 在同一張圖表繪製多筆資料並指定不同顏色
9-3-2 設定圖例–legend()
9-4 繪製內含多張子圖的圖表
9-4-1 設定整張圖表的尺寸–fgure()
9-4-2 在畫布切出子圖區,並繪製內容–add_subplot()
9-4-3 調整子圖間距–subplots_adjust()
9-4-4 設定子圖的座標範圍–set_xlim() / 座標說明文字–set_xlabel() / 子圖標題 - set_title()
9-4-5 設定子圖是否顯示網格– grid() / 設定子圖的兩軸刻度 set_xticks()、set_xticklabels()

第 10 章 用 Matplotlib 繪製各類圖表
10-1 再探折線圖 (plot chart)
10-2 繪製長條圖 (bar chart)
10-3 繪製直方圖 (histogram chart)
10-4 繪製散佈圖 (scatter chart)
10-5 繪製圓餅圖 (pie chart)
10-6 繪製 3D 圖表

第 11 章 用 OpenCV 處理影像資料
11-1 認識影像資料
11-2 OpenCV 的基礎
11-3 OpenCV 的進階處理功能
11-3-1 圖片的二值化 (binarization) 處理
11-3-2 套用遮罩
11-3-3 模糊效果
11-3-4 去除圖片的雜訊

第 12 章用 scikit-learn 進行監督式機器學習
12-1 監督式學習 / 分類

最新科技新聞
行動版 電腦版