describe用法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品

Python和Dask數據科學

為了解決describe用法的問題，作者（美）傑西•丹尼爾 這樣論述：

《Python和Dask資料科學》詳盡介紹使用Dask進行資料準備、資料清理、探索性資料分析和資料視覺化，最後介紹使用Dask進行機器學習。通過提供真實的資料、豐富的案例，幫助讀者儘快瞭解和掌握Dask的用法。每個知識點都提供了相應的程式碼片段，幫助讀者通過實踐強化對知識的理解。每章的開頭和結尾對該章的主要內容進行概括和總結。   《Python和Dask資料科學》還提供了示例代碼和資料集的下載地址。可以在論壇裡對《Python和Dask資料科學》發表評論，提出技術問題，從作者和其他用戶那裡得到幫助和提高。《Python和Dask資料科學》是迄今為止最詳盡介紹使用Dask進行資料科學工作的書籍

。 Jesse C. Daniel具有5年使用Python編寫應用程式的經驗，其中包括從事PyData堆疊(Pandas、NumPy、SciPy和scikit-learn)的工作3年。Jesse于2016年進入丹佛大學，擔任商業資訊和分析學的副教授，講授Python資料科學課程。他目前領導著丹佛當地的一家科技公司的資料科學家團隊。 第Ⅰ部分 可擴展計算的基礎 第1章 可擴展計算的重要性 3 1.1 Dask的優勢 4 1.2 有向無環圖 9 1.3 橫向擴展、併發和恢復 13 1.3.1 縱向擴展和橫向擴展 14 1.3.2 併發和資源管理 16 1.3.

3 從失敗中恢復 17 1.4 本書使用的資料集 18 1.5　本章小結 19 第2章 Dask入門 21 2.1 DataFrame API初探 22 2.1.1 Dask對象的中繼資料 22 2.1.2 使用compute方法運行計算任務 25 2.1.3 使用persist簡化複雜計算 27 2.2 DAG的視覺化 28 2.2.1 使用Dask延遲物件查看DAG 28 2.2.2 帶有迴圈和集合的複雜DAG的視覺化 29 2.2.3 使用persist簡化DAG 32 2.3 任務調度 35 2.3.1 延遲計算 35 2.3.2 數據當地語系化 36 2.4 本章小結 38 第II

部分 使用Dask DataFrame處理結構化資料 第3章 介紹Dask DataFrame 41 3.1 為什麼使用DataFrame 42 3.2 Dask和Pandas 43 3.2.1 管理DataFrame分區 45 3.2.2 “混洗”介紹 48 3.3 Dask DataFrame的局限性 49 3.4 本章小結 50 第4章 將數據讀入DataFrame 53 4.1 從文字檔讀取數據 54 4.1.1 Dask資料類型 59 4.1.2 為Dask DataFrame創建資料模式 61 4.2 從關聯式資料庫中讀取資料 65 4.3 從HDFS和S3中讀取數據 68 4.4

讀取Parquet格式的資料 72 4.5 本章小結 74 第5章 DataFrame的清理和轉換 75 5.1 使用索引和軸 77 5.1.1 從DataFrame中選擇列 77 5.1.2 從DataFrame中刪除列 79 5.1.3 DataFrame中列的重命名 81 5.1.4 從DataFrame中選擇行 81 5.2 處理缺失值 83 5.2.1 對DataFrame中的缺失值計數 83 5.2.2 刪除含有缺失值 的列 85 5.2.3 填充缺失值 85 5.2.4 刪除缺少資料的行 86 5.2.5 使用缺失值輸入多個列 87 5.3 資料重編碼 89 5.4 元素運算

93 5.5 過濾和重新索引DataFrame 95 5.6 DataFrame的連接 97 5.6.1 連接兩個DataFrame 98 5.6.2 合併兩個DataFrame 101 5.7 將資料寫入文字檔和Parquet檔 103 5.7.1 寫入含分隔符號的文字檔 103 5.7.2 寫入Parquet 文件 104 5.8 本章小結 105 第6章 聚合和分析DataFrame 107 6.1 描述性統計資訊 108 6.1.1 什麼是描述性統計資訊 108 6.1.2 使用Dask計算描述性統計資訊 110 6.1.3 使用describe方法進行描述性統計 114 6.2 內置

的彙總函式 115 6.2.1 什麼是相關性 115 6.2.2 計算Dask DataFrame的相關性 117 6.3 自訂彙總函式 121 6.3.1 使用t檢驗測試分類變數 121 6.3.2 使用自訂彙總函式來實現Brown-Forsythe檢驗 123 6.4 滾動(視窗)功能 134 6.4.1 為滾動函數準備資料 135 6.4.2 將rolling方法應用到一個視窗函數 136 6.5 本章小結 137 第7章 使用Seaborn對DataFrame進行視覺化 139 7.1 prepare-reduce-collect-plot模式 141 7.2 視覺化散點圖與規則圖的延

伸關係 143 7.2.1 使用Dask和Seaborn創建散點圖 143 7.2.2 在散點圖中添加線性回歸線 146 7.2.3 在散點圖中添加非線性回歸線 147 7.3 使用小提琴圖視覺化分類關係 149 7.3.1 使用Dask和Seaborn創建小提琴圖 150 7.3.2 從Dask DataFrame隨機採樣資料 152 7.4 使用熱圖視覺化兩個分類關係 154 7.5 本章小結 157 第8章 用Datashader對位置資料視覺化 159 8.1 什麼是Datashader？它是如何工作的？ 160 8.1.1 Datashader渲染流程的五個階段 161 8.1.2

使用Datashader進行視覺化 165 8.2 將位置資料繪製為互動式熱圖 166 8.2.1 準備用於地圖平鋪的地理資料 166 8.2.2 創建互動式熱圖 167 8.3 本章小結 169 第III部分 擴展和部署Dask 第9章 使用Bag和Arrays 173 9.1 使用Bag讀取和解析非結構化資料 175 9.1.1 從Bag中選擇和查看資料 176 9.1.2 常見的解析錯誤和解決辦法 176 9.1.3 使用分隔符號 177 9.2 轉換、過濾和合併元素 184 9.2.1 使用map函數轉換元素 184 9.2.2 使用filter函數過濾Bag 186 9.2.3 計

算Bag的描述統計量 189 9.2.4 使用foldby方法創建彙總函式 190 9.3 從Bag中創建Arrays和DataFrame 192 9.4 使用Bag和NLTK進行並行文本分析 193 9.4.1 二元分析的基礎 194 9.4.2 提取token和過濾停頓詞 194 9.4.3 分析二元組 198 9.5 本章小結 200 第10章 使用Dask-ML進行機器學習 201 10.1 使用Dask-ML建立線性模型 202 10.1.1 準備二進位向量化資料 204 10.1.2 使用Dask-ML建立Logistic回歸模型 210 10.2 評估和調整Dask-ML模型 2

11 10.2.1 用計分法評估Dask-ML模型 211 10.2.2 使用Dask-ML構建朴貝葉斯分類器 212 10.2.3 自動調整超參數 213 10.3 持續的Dask-ML模型 215 10.4 本章小結 217 第11章 擴展和部署Dask 219 11.1 使用Docker在Amazon AWS上創建Dask集群 220 11.1.1 入門 221 11.1.2 生成安全金鑰 222 11.1.3 創建ECS集群 224 11.1.4 配置集群的網路 227 11.1.5 在Elastic檔案系統中創建共用資料驅動 231 11.1.6 在Elastic Container

Repository中為Docker鏡像分配空間 236 11.1.7 為調度器、工作節點和Notebook創建和部署鏡像 237 11.1.8 連接到集群 244 11.2 在集群上運行和監視Dask作業 246 11.3 在AWS上清理Dask集群 250 11.4 本章小結 252 附錄A 軟體的安裝 253  

describe用法進入發燒排行的影片

甚麽是親中？中國－馬來西亞關係近況發展的6M分析（2013年－2018年）

為了解決describe用法的問題，作者黃以樂 這樣論述：

2013年至2018年之間，中國與馬來西亞之關係可謂是達到了新高點。在此期間，中馬兩國在許多面向展開合作關係，包括軍事、經貿、教育及文化等等。雙方的合作關係甚至成為了馬來西亞2018年全國選舉的重點議題之一，當時執政者以首相納吉．拉薩（Najib Razak）為首，其發起或支持的許多中馬合作工程案備受質疑，被批評是「親中」的表現。其中一個大力批評納吉親中的群體為希望聯盟（Pakatan Harapan），而他們於2018年全國選舉中的勝利無意間也被刻畫成「反中派」的勝利。整起事件的過程中，「親中」的使用似乎是貶義用途。2019年「反對逃犯條例修訂草案運動」開始時，馬來西亞普遍華裔也高度關注此

事，而「親中」與「反中」逐漸成為了嘲諷意味極重的政治標籤。馬來西亞在2013年至2018年之間與中國的互動關係似乎也被貼上了一樣的標籤。甚麼是親中？本研究認為目前「親中」作為形容詞的用法帶有犧牲自主權，並妥協自身立場的含意。中馬關係中是否真的有如此現象？現今有關兩國互動關係的理論架構，主要以「遠近」為衡量單位，或是以國對國之反應來判斷其關係之本質，如：新現實主義中的「抗衡」（Balancing）、「扈從」（Bandwagoning）或「避險」（Hedging）。然而，由此角度並未能充分解釋「親中」，因為這些理論主要以國家行為者（state as actor）為衡量基準，缺乏了深入到社會層級互動

之考量。國家行為者制定決策的考量主要以可衡量之客觀元素，如：國家之硬實力（Hard power），但「親中」的表現似乎有意忽略此元素，以「偏好」（preference）作為制定決策之基本考量，社會行動者（societal actor）也因此是探討「親中」之定義重要的研究對象。本研究嘗試以Andrew Moravscik所提出的自由主義理論架構，結合Chia-Chien Chang及Alan H. Yang所提出的6M分析法，對中馬在2013年至2018年之間的互動過程進行分析，並以此探討「親中」之定義。馬國社會中第二大族群就是具有「中華情結」之華裔群體，馬國的「親中」表現極有可能由此開始。但本

研究發現馬國「親中」的表現除了源自於華裔社會行動者，也可能從處在執政層級之巫裔社會行動者。本研究以6M分析法歸納出2013年至2018年之間重要的「親中」事件，並總結出兩大「親中化」過程，即「由上至下」（國家行為者至社會行動者）以及「由下至上」（社會行動者至國家行為者）。

如何以言語行事

為了解決describe用法的問題，作者J.L.奧斯汀 這樣論述：

J. L. 奧斯汀：語言分析哲學的重要代表人物、言語行為理論的創始人 「我願意」、「我打賭」、「我發誓」、「我命名」…… 我們如何以話語來行事？說出一句話就是做出一個行動。 　　何謂「行事語句」：說話就是行動本身，說某些話就是做某些事。 　　例如： 　　◎在婚禮上說出「我願意」。 　　◎在船頭擊碎酒瓶時說出「我將這艘船命名為伊莉莎白皇后號」。 　　◎在立遺囑時說出「我把我的手錶遺贈給我的兄弟」。 　　◎我跟你賭六便士明天會下雨。 　　奧斯汀的言語行為理論，簡言之就是「說話即為行動本身」，他是這個理論的首創者，對後來語言哲學的發展極具影響。他把過去哲學家只注重語言的陳述性功能和語句結構

的研究，轉為注意到言語行為的展現、意義和話語說出時的整體情境。 　　當我們做出一個言語行為時，我們是在言說；但要精確的說，我們此時是以什麼方式在言說呢？因為言語的功能以及我們使用言語的方式非常多，在某個意涵下，我們的行為會有極大的差異：是提出勸告、或只是建議、下命令、做嚴格的承諾，還是在宣布一個含糊的意圖？這些都會有極大的不同。 　　他依據不同的言語行動而分為三類：第一，「言語行為」（locutionary act），以特定的意涵和指涉說出某個語句，大約是傳統意涵下的「意義」。第二，「發話行為」（illocutionary act），像是告知、命令、警告、許諾之類，具有某種約定成俗力道的話

語。第三，「語導行為」（perlocutionary act），藉由說出某些話而引起或達到效果的行為，像是說服、勸服、威嚇、或是令人驚訝或誤導。 　　他的理論甚至影響到後續的語用學、文學、應用語言學、社會語言學，以及法哲學、倫理語言等各領域的研究發展。 本書特色 　　◎全新中文譯本 名人推薦 　　◎楊金穆（國立臺灣大學哲學系副教授）專文導讀 　　◆非常值得一讀……此處所選的作品是我們這個時代英國最敏銳而獨創的頭腦之一……牛津大學哲學家，尤其是奧斯汀的神話，這本新書把日常語言用法的細節一次徹底地解析考察。──《泰晤士報文學增刊》（Times Literary Supplement）

　　◆奧斯汀對於英語的微妙之處有非常敏銳的辨別力，並且在一種特定的語言情境中，對某種表達而非另一種表達的恰當性極為敏銳。閱讀他的書不僅是一種樂趣，同時也能學習更多有關英語及其正確使用的嶄新著眼點。──《馬薩諸塞州評論》（The Massachusetts Review）  

近義詞「steady」與「stable」之辨析

為了解決describe用法的問題，作者徐翌珍 這樣論述：

在語言學習的過程中，常會遇到的問題就是如何分辨近義詞，由於這些詞彙的詞義相近，常使非母語者無法正確地使用這些詞彙。近義詞steady與stable同為多義詞（polysemy），各具有數個詞義，而兩者共有的詞義卻較為顯著，使人難以區分，且兩者皆為形容詞，語法特性相近，因此辨別兩者詞義與其使用時機，對於非英語母語者來說相當困難，而至今卻未有相關研究，故本研究將補足此缺口針對近義詞組steady與stable進行詞義分析。本研究首先彙整steady與stable之辭典義，並透過語料庫考察兩者語料詞頻與搭配詞之分佈情形，接著進一步利用詞典義進行抽樣語料標記，結果顯示stable獨有詞義為【保持同樣

原子結構或化學狀態】，而steady獨有詞義則為【規律的持續發展或進行】，另外亦得出兩者共有的詞義為【不易變動】、【情緒不易起伏】、【可靠】。語料庫研究結果呈現兩者共有的詞義皆能修飾搭配詞為「與人相關」之詞彙，因此本研究進一步採用Pustejovsky（1991）提出的生成詞庫理論（Generative Lexicon）中物性結構（qualia structure）概念設計問卷以調查英語母語者與華語為母語的英語學習者在選用steady與stable時是否會受不同「與人相關」的搭配詞影響。研究結果顯示stable傾向描述搭配詞的「形式性角色」，而steady則傾向描述「主事性角色」（形式性角色表

達物件在一個更大的概念域中得以被區分開來的特性；主事性角色表達出物件的起源）；句型方面的結果則呈現steady較容易出現在限定句型（attributive）。