Tự Học Data Science · 08/09/2023 0

Chương 1 – Bài 4 – Tổng hợp các nguồn tài liệu tham khảo về Jupyter Notebook

Tài nguyên Web

  • Trang web IPython: Trang web IPython liên kết đến tài liệu, ví dụ, hướng dẫn và nhiều nguồn tài nguyên khác.
  • Trang web nbviewer: Trang này hiển thị các trang tĩnh của bất kỳ notebook IPython nào có sẵn trên Internet. Trang đầu tiên hiển thị một số notebook ví dụ mà bạn có thể duyệt để xem người khác đang sử dụng IPython để làm gì!
  • Bộ sưu tập các Jupyter Notebook thú vị: Danh sách Notebook ngày càng phát triển này, được cung cấp bởi nbviewer, cho thấy được phạm vi và độ rộng của phân tích số có thể thực hiện với IPython. Nó bao gồm từ những ví dụ và hướng dẫn ngắn gọn đến các khóa học và sách lớn được soạn thảo theo định dạng notebook!
  • Hướng dẫn qua video: khi tìm kiếm trên Internet, bạn sẽ tìm thấy nhiều hướng dẫn qua video về IPython. Tôi đặc biệt khuyến nghị tìm kiếm các hướng dẫn từ các hội thảo PyCon, SciPy và PyData do Fernando Perez và Brian Granger thực hiện, hai trong số những người tạo ra và duy trì chính của IPython và Jupyter.

Sách

  • Python for Data Analysis: Sách của Wes McKinney bao gồm một chương về việc sử dụng IPython như một nhà khoa học dữ liệu. Mặc dù nhiều phần nội dung trùng lắp với những gì chúng ta đã thảo luận ở đây, nhưng một góc nhìn khác luôn hữu ích.
  • Learning IPython for Interactive Computing and Data Visualization: Cuốn sách ngắn của Cyrille Rossant cung cấp một sự giới thiệu tốt về việc sử dụng IPython cho việc phân tích dữ liệu.
  • IPython Interactive Computing and Visualization Cookbook: Cũng của Cyrille Rossant, cuốn sách này là một cuốn sách dài và nâng cao hơn về việc sử dụng IPython cho khoa học dữ liệu. Mặc dù có tên là “Cookbook” nhưng nó không chỉ nói về IPython – nó cũng đi sâu vào một loạt các chủ đề khoa học dữ liệu.

Cuối cùng, một lời nhắc nhở rằng bạn có thể tự tìm kiếm sự trợ giúp: chức năng trợ giúp của IPython dựa trên dấu ? (được thảo luận trong Trợ giúp và Tài liệu trong IPython) có thể rất hữu ích nếu bạn sử dụng nó một cách khéo léo và thường xuyên.Khi bạn xem qua các ví dụ ở đây và nơi khác, điều này có thể được sử dụng để làm quen với tất cả các công cụ mà IPython cung cấp.