主要用于Python教学。
结构如下:
- T-1_Errors.ipynb:本教程常见报错;
- T0_begin.ipynb: Python的安装、开发环境等,以及Git(Hub)入门;
- T1_basic.ipynb: Python入门:数据类型和控制语句;
- T2_func_and_module.ipynb: 函数和模块;
- T3_class.ipynb: 面向对象编程;
- T4_string_and_file.ipynb: 字符串和文件;
- T5_regex.ipynb: 正则表达式;
- T6_sql.ipynb: Python与数据库交互、sqlite简介;
- T7_html_bs.ipynb: HTML语言简介、BeautifulSoup解析HTML;
- T8_flask_request_selenium.ipynb: 爬虫;
- T9_numpy_scipy_matplotlib.ipynb:科学计算: Numpy+SciPy+Pandas+Matplotlib;
- T10_pandas.ipynb:数据管理:Pandas;
- T11_random.ipynb:随机数生成(待补充);
- T12_optimize.ipynb:最优化方法(待补充);
- T13_estimation.ipynb:矩估计与极大似然估计(待补充);
- T14_hypo_test.ipynb:常用的假设检验(待补充);
- T15_bayesian.ipynb:贝叶斯统计(待补充);
- T16_MCMC.ipynb:马尔可夫链蒙特卡洛(待补充);
- T17_linear_and_quantile_regression.ipynb:线性回归(待补充);
- T18_probit_logit_count.ipynb:离散选择模型及计数模型(待补充);
- T19_duration_survival.ipynb:生存分析(待补充);
- T20_stationary_time_series.ipynb:平稳时间序列(待补充);
- T21_arch_garch.ipynb:条件异方差模型(待补充);
- T22_nonstationary.ipynb:非平稳时间序列(待补充);
- T23_factor_pricing.ipynb:因子定价模型(待补充);
- T24_factor.ipynb:因子模型(待补充);
- T25_nonparametric.ipynb:非参数统计模型(待补充);
- T26_scikit_learn.ipynb:机器学习简介:scikit-learn;
- T27_clustering.ipynb:聚类分析;
- T28_regression_lasso.ipynb:回归与正则化;
- T29_logistic_regression.ipynb: Logistic回归;
- T30_tree_and_forest.ipynb: 决策树与随机森林;
- T31_torch.ipynb:神经网络:PyTorch(待补充);
- T32_text_analytics.ipynb: 文本分析入门;
- T33_reinforcement.ipynb: 增强学习(待补充);
这里列举了一些数据源,练习时可以使用。
