admin
Seaborn介绍及入门了解
Seaborn 是一个用于在 Python 中制作统计图形的库,它能够创建高度吸引人的可视化图表,...

Seaborn 绘图功能概述
Seaborn‌是一个基于‌Matplotlib‌的Python数据可视化库,专为统计绘图而设计。...

Seaborn中的seaborn.objects 接口
seaborn.objects命名空间是在 0.12 版本中引入的,作为制作seaborn绘图的全...

Seaborn 接受的数据结构
作为一个数据可视化库,seaborn 需要您为其提供数据。 Seaborn 支持多种不同的数据集格...

Seaborn中的统计估计和误差线
数据可视化有时涉及聚合或估计步骤,其中多个数据点被简化为汇总统计量,例如平均值或中位数。 显示汇总...

Seaborn 中的估计回归拟合
许多数据集包含多个定量变量,分析的目标通常是将这些变量相互关联。 之前讨论过可以通过显示两个变量的...

Seaborn中构建结构化多绘图网格
在浏览多维数据时,一种有用的方法是在数据集的不同子集上绘制同一图的多个实例。 这种技术有时被称为“...

Pandas快速入门
Pandas快速入门教程,主要面向新用户。 主要是为那些喜欢“短平快”的读者准备的, 有兴趣的读者...

Pandas中的数据帧(DataFrame)
Pandas中数据帧(DataFrame)是二维数据结构,即数据以行和列的表格方式排列。 可以视为...

Pandas的迭代
Pandas对象之间的基本迭代的行为取决于类型。当迭代一个系列时,它被视为数组式,基本迭代产生这些...

Pandas的排序
Pandas有两种排序方式,它们分别是: 按标签 按实际值 下面来看看一个输出的例子。 ...

Pandas字符串和文本数据
在本章中,我们将使用基本系列/索引来学习字符串操作。 在随后的章节中,将学习如何将这些字符串函数应...

Pandas窗口函数
为了处理数字数据,Pandas提供了几个变体,如滚动,展开和指数移动窗口统计的权重。 其中包括总和...

Pandas聚合
Pandas 聚合操作是数据分析的核心功能,它通过简洁高效的接口实现数据的统计计算和特征提取。 创...

Pandas缺失数据
在现实生活场景中,丢失数据始终是一个问题。 由于缺失值导致数据质量不佳,机器学习和数据挖掘等领域在...

阅读使用手册


平台的登录与使用,请参考 《用户使用手册》


注册用户账号


若尚未开通科学计算平台使用权限,请 注册用户账号


登陆


第三方账号登录



介绍

为了方便学习Python语言,基于Jupyter技术栈搭建了在线计算环境。 用户使用时以网页形式打开,对照书中内容进行学习,在线编写代码和运行代码,代码的运行结果也会直接显示。如在编程过程中需要编写说明文档,可在同一个页面直接编写,便于作及时的说明和解释。

在数据科学、机器学习及深度学习的领域里,Jupyter是一个强大的工具,它集成了代码编写、可视化展示、文档记录等多种功能于一体,让科学计算变得既直观又高效。 随着数据科学和人工智能领域的不断发展,Jupyter 也在不断更新和完善其功能和性 能。 未来可以期待看到更多创新的特性和工具被加入到 Jupyter 中,从而进一步推动科学计算和数据分析的发展。





平台内核

目前平台提供配置好的计算时内核供运行使用。后期会根据需求增加公用内核及内核中的默认类库。 相关语言运行环境与类库一般由 Conda 库提供最新版本。

  • Python 3.11 [系统]
  • Python 3.12 [Conda]
  • R 4.4 [Conda]


注意事项

  • 平台使用Jupyter技术搭建,登陆认证使用本系统的注册账号。
  • 使用提供一定数量的硬盘空间存储供用户使用。目前限制为 500M 。
Copyright © 立方智算 Since 2025. 工信部ICP备案:吉ICP备2025024314号