【深耕 Python】Data Science with Python 数据科学（20）专栏总结

写在前面

关于数据科学环境的建立，可以参考我的博客：

【深耕 Python】Data Science with Python 数据科学（1）环境搭建

往期数据科学博文一览：

【深耕 Python】Data Science with Python 数据科学（2）jupyter-lab和numpy数组

【深耕 Python】Data Science with Python 数据科学（3）Numpy 常量、函数和线性空间

【深耕 Python】Data Science with Python 数据科学（4）（书337页）练习题及解答

【深耕 Python】Data Science with Python 数据科学（5）Matplotlib可视化（1）

【深耕 Python】Data Science with Python 数据科学（6）Matplotlib可视化（2）

【深耕 Python】Data Science with Python 数据科学（7）书352页练习题

【深耕 Python】Data Science with Python 数据科学（8）pandas数据结构：Series和DataFrame

【深耕 Python】Data Science with Python 数据科学（9）书361页练习题

【深耕 Python】Data Science with Python 数据科学（10）pandas 数据处理（一）

【深耕 Python】Data Science with Python 数据科学（11）pandas 数据处理（二）

【深耕 Python】Data Science with Python 数据科学（12）pandas 数据处理（三）

【深耕 Python】Data Science with Python 数据科学（13）pandas 数据处理（四）：书377页练习题

【深耕 Python】Data Science with Python 数据科学（14）pandas 数据处理（五）：泰坦尼克号亡魂 Perished Souls on “RMS Titanic”

【深耕 Python】Data Science with Python 数据科学（15）pandas 数据处理（六）：书385页练习题

【深耕 Python】Data Science with Python 数据科学（16）Scikit-learn机器学习（一）

【深耕 Python】Data Science with Python 数据科学（17）Scikit-learn机器学习（二）

【深耕 Python】Data Science with Python 数据科学（18）Scikit-learn机器学习（三）

【深耕 Python】Data Science with Python 数据科学（19）书402页练习题：模型准确率对比研究、KMeans算法的一点探讨

本专栏第一篇文章于2024年3月26日发布，至2024年5月2日（本篇文章）完结，暂时不会更新内容，但可能会对之前的博客进行修改和完善。数据科学作为数学和计算机科学的交叉学科，结合人工智能和机器学习模型，具有良好的发展前景。本专栏使用Python编程语言，结合pandas、matplotlib、scikit-learn等库，对数据处理进行了简单介绍，其中包含2个著名的案例（诺奖得主、泰坦尼克号）分析。本专栏暂时告一段落。