本
本章针对一些真实数据集进行处理和分析，以便复习并实践之前章节的内容
本章仅简略记录核心内容，不再展示具体代码，代码可参考本书配套Git项目-13章
短域名供应商Bitly提供的用户的网络访问信息（已脱敏数据，目前已该服务已关闭）
主要实践内容：
本章主要简单介绍了statsmodels 和 scikit-learn这两个Python建模的常用模块
先使用pandas进行数据加载和清理后，再进行建模是模型开发的一个常见工作流
一般建模工具都支持数组结构，所以经常用to_numpy方法将DataFrame转换为NumPy数组
代码示例：
data = pd.DataFrame({
'x0': [1, 2, 3, 4, 5],
'传统傅里叶变换的定义为（积分形式）：$F(\omega)=\mathcal{F}{f(t)}=\int f(t)e^{-i\omega t}dt$
传统逆傅里叶变换的定义为（积分形式）：$f(t)=\mathcal{F}^{-1}{F(\omega)}=\frac{1}{2\pi}\int F(\omega)e^{i\omega t}d\omega$
卷积定理：函数卷积的傅里叶变换是函数傅立叶变换的乘积 $$f\ast g=\mathcal{F}^{
常见的三种时间格式：时间戳（timestamp），时期（period），时间间隔（interval）
pandas内置了很多处理时间序列的工具和算法
pandas也支持将时间间隔（interval）作为索引使用，只是本书未提及
除了pandas，本章还会用到datetime（用的最多）、time以及calendar这三个模块
代码示例：
from datetime import datetime
now按照指定的行列取值进行分组，并按组进行计算（求和、均值、标准差等）
代码示例：
df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'],
'key2' : ['one', 'two', 'o本章主要围绕matplotlib和seaborn两个模块进行可视化的演示
matplotlib的图像都是基于Figure对象
plt.figure()可以创建一个空白的新Figureadd_subplot创建多子图，并可以依次进行绘制代码示例：
import matp仅搜集收录了部分个人感兴趣的文章，并进行简单记录
2023-02-03 12:29 文章链接
背景知识：
对抗性鲁棒性工具集（Adversarial Robustness Toolbox，ART）是用于机器学习安全性的Python库
本项目由IBM团队在2019年开源。项目文档不是特别完善，但是示例丰富，API设计