category用法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列訂位、菜單、價格優惠和問答集

Python數據分析活用Pandas庫

為了解決category用法的問題，作者（美）丹尼爾·陳 這樣論述：

本書是Python資料分析入門書，每個概念都通過簡單實例來闡述，便於讀者理解與上手。具體內容包括：Python及Pandas基礎知識，載入和查看 資料集，Pandas的DataFrame物件和Series物件，使用matplotlib、seaborn和Pandas提供的繪圖方法為探索性資料分析作圖，連接與合併資料集，處理缺失資料，清理資料，轉換資料類型，處理字串，應用函數，分組操作，擬合及評估模型，正則化方法與聚類技術等。 丹尼爾·陳（Daniel Y. Chen） Lander Analytics公司資料科學家，Software Carpentry和Data Carpen

try的講師和課程維護人員，Data Camp的課程講師。目前他在弗尼吉亞理工大學社會與決策分析實驗室從事政策決策資料分析。 獻詞 iii 序 iv 前言 v 致謝 xi 關於作者 xiv 第一部分 簡介 1 第1章 Pandas DataFrame基礎知識 2 1．1 簡介 2 1．2 載入資料集 3 1．3 查看列、行、儲存格 5 1．3．1 取列子集 6 1．3．2 取行子集 7 1．3．3 混合 11 1．4 分組和聚合計算 16 1．4．1 分組方式 17 1．4．2 分組頻率計數 21 1．5 基本繪圖 21 1．6 小結 22 第2章 Pandas資料結構

23 2．1 簡介 23 2．2 創建資料 24 2．2．1 創建Series 24 2．2．2 創建DataFrame 25 2．3 Series 26 2．3．1 類似於ndarray的Series 27 2．3．2 布林子集：Series 29 2．3．3 操作自動對齊和向量化（廣播） 31 2．4 DataFrame 34 2．4．1 布林子集：DataFrame 34 2．4．2 操作自動對齊和向量化（廣播） 35 2．5 更改Series和DataFrame 36 2．5．1 添加列 36 2．5．2 直接更改列 37 2．5．3 刪除值 39 2．6 匯出和導入數據 40 2．

6．1 保存資料 40 2．6．2 CSV 42 2．6．3 Excel 42 2．6．4 feather檔案格式 43 2．6．5 其他資料輸出格式 43 2．7 小結 44 第3章 繪圖入門 45 3．1 簡介 45 3．2 matplotlib 46 3．3 使用matplotlib繪製統計圖 51 3．3．1 單變數 52 3．3．2 雙變數 53 3．3．3 多變數資料 54 3．4 seaborn 56 3．4．1 單變數 56 3．4．2 雙變數資料 59 3．4．3 多變數資料 67 3．5 Pandas對象 75 3．5．1 長條圖 75 3．5．2 密度圖 76 3．5．

3 散點圖 77 3．5．4 蜂巢圖 77 3．5．5 箱線圖 79 3．6 seaborn主題和樣式 79 3．7 小結 81 第二部分 資料處理 83 第4章 資料組合 84 4．1 簡介 84 4．2 整理資料 84 4．3 連接 85 4．3．1 添加行 85 4．3．2 添加列 89 4．3．3 不同索引下的連接操作 90 4．4 合併多個資料集 93 4．4．1 一對一合併 94 4．4．2 多對一合併 95 4．4．3 多對多合併 95 4．5 小結 97 第5章 缺失數據 98 5．1 簡介 98 5．2 何為NaN值 98 5．3 缺失值從何而來 100 5．3．1 載入

數據 100 5．3．2 合併資料 101 5．3．3 用戶輸入值 103 5．3．4 重建索引 103 5．4 處理缺失資料 105 5．4．1 查找和統計缺失資料 105 5．4．2 清理缺失資料 106 5．4．3 缺失值計算 109 5．5 小結 110 第6章 整理資料 111 6．1 簡介 111 6．2 包含值而非變數的列 112 6．2．1 固定一列 112 6．2．2 固定多列 114 6．3 包含多個變數的列 115 6．3．1 單獨拆分和添加列（簡單方法） 116 6．3．2 在單個步驟中進行拆分和組合（簡單方法） 118 6．3．3 在單個步驟中進行拆分和組合（複雜方

法） 118 6．4 行與列中的變數 119 6．5 一張表中多個觀測單元（歸一化） 121 6．6 跨多張表的觀測單元 123 6．6．1 使用迴圈載入多個檔 125 6．6．2 使用列表推導載入多個檔 126 6．7 小結 127 第三部分 資料整理 129 第7章 資料類型 130 7．1 簡介 130 7．2 資料類型 130 7．3 類型轉換 131 7．3．1 轉換為字串物件 131 7．3．2 轉換為數值類型 132 7．4 分類資料 136 7．4．1 轉換為category類型 137 7．4．2 操作分類資料 137 7．5 小結 138 第8章 字串和文本資料 139

8．1 簡介 139 8．2 字串 139 8．2．1 取子串和字串切片 139 8．2．2 獲取字串的最後一個字元 141 8．3 字串方法 143 8．4 更多字串方法 144 8．4．1 join方法 144 8．4．2 splitlines方法 144 8．5 字串格式化 145 8．5．1 自訂字串格式 146 8．5．2 格式化字串 146 8．5．3 格式化數位 146 8．5．4 C printf格式化風格 147 8．5．5 Python 3．6+中的格式化字串 148 8．6 規則運算式 148 8．6．1 匹配模式 149 8．6．2 查找模式 152 8．6．3 模式

替代 152 8．6．4 編譯模式 153 8．7 regex庫 154 8．8 小結 154 第9章 應用 155 9．1 簡介 155 9．2 函數 155 9．3 使用函數 156 9．3．1 Series的apply方法 157 9．3．2 DataFrame的apply方法 158 9．4 apply高級用法 160 9．4．1 按列應用 162 9．4．2 按行應用 164 9．5 向量化函數 166 9．5．1 使用NumPy 167 9．5．2 使用numba 168 9．6 lambda函數 168 9．7 小結 170 第10章 分組操作：分割-應用-組合 171 10

．1 簡介 171 10．2 聚合 171 10．2．1 基本的單變數分組聚合 172 10．2．2 Pandas內置的聚合方法 173 10．2．3 彙總函式 174 10．2．4 同時傳入多個函數 176 10．2．5 在agg/aggregate中使用字典 177 10．3 轉換 178 10．4 篩檢程式 182 10．5 pandas．core．groupby．DataFrameGroupBy對象 183 10．5．1 分組 183 10．5．2 涉及多個變數的分組計算 184 10．5．3 選擇分組 184 10．5．4 遍歷分組 184 10．5．5 多個分組 186 10．5．

6 平鋪結果 187 10．6 使用多重索引 188 10．7 小結 191 第11章 datetime資料類型 192 11．1 簡介 192 11．2 Python的datatime對象 192 11．3 轉換為datetime 193 11．4 載入包含日期的資料 196 11．5 提取日期的各個部分 196 11．6 日期運算和Timedelta 198 11．7 datetime方法 200 11．8 獲取股票資料 202 11．9 基於日期取資料子集 203 11．9．1 DatetimeIndex對象 203 11．9．2 TimedeltaIndex對象 204 11．10

日期範圍 205 11．10．1 頻率 206 11．10．2 偏移量 207 11．11 移動 207 11．12 重採樣 213 11．13 時區 214 11．14 小結 215 第四部分 資料建模 217 第12章 線性模型 218 12．1 簡介 218 12．2 簡單線性回歸 218 12．2．1 使用統計模型庫 218 12．2．2 使用sklearn庫 220 12．3 多元回歸 222 12．3．1 使用statsmodels庫 222 12．3．2 使用statsmodels和分類變數 222 12．3．3 使用sklearn庫 224 12．3．4 使用sklearn和

分類變數 225 12．4 保留sklearn的索引標籤 226 12．5 小結 226 第13章 廣義線性模型 227 13．1 簡介 227 13．2 邏輯回歸 227 13．2．1 使用statsmodels 229 13．2．2 使用sklearn 230 13．3 泊松回歸 232 13．3．1 使用statsmodels 232 3．3．2 負二項回歸 233 13．4 更多GLM 234 13．5 生存分析 235 13．6 小結 238 第14章 模型診斷 239 14．1 簡介 239 14．2 殘差 239 14．3 比較多個模型 243 14．3．1 比較線性模型 2

43 14．3．2 比較GLM 246 14．4 k折交叉驗證 248 14．5 小結 251 第15章 正則化 252 15．1 簡介 252 15．2 何為正則化 252 15．3 LASSO回歸 254 15．4 嶺回歸 255 15．5 彈性網 256 15．6 交叉驗證 258 15．7 小結 260 第16章 聚類 261 16．1 簡介 261 16．2 k均值聚類 261 16．3 層次聚類 267 16．3．1 最長距離法 267 16．3．2 最短距離法 267 16．3．3 平均距離法 268 16．3．4 重心法 268 16．3．5 手動設置閾值 269 16．4

小結 270 第五部分 終章 271 第17章 Pandas之外 272 17．1 科學計算棧 272 17．2 性能 272 17．2．1 測試代碼執行時間 272 17．2．2 分析代碼 274 17．3 規模更大、速度更快 274 第18章 寫給自學者 275 18．1 不可閉門造車 275 18．2 本地聚會 275 18．3 參加會議 275 18．4 互聯網 276 18．5 播客 276 18．6 小結 276 第六部分 附錄 附錄A 安裝 278 附錄B 命令列 280 附錄C 專案範本 282 附錄D Python代碼編寫工具 283 附錄E 工作目錄 285 附錄F

環境 287 附錄G 安裝包 289 附錄H 導入庫 291 附錄I 列表 293 附錄J 元組 294 附錄K 字典 295 附錄L 切片 297 附錄M 迴圈 299 附錄N 推導式 300 附錄O 函數 301 附錄P 範圍和生成器 305 附錄Q 多重賦值 307 附錄R NumPy ndarray 309 附錄S 類 311 附錄T 變形器odo 313 版權聲明 314

category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category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）。

臺灣客家研究論文選輯5：客家、認同政治與社會運動

為了解決category用法的問題，作者 這樣論述：

　　在追求正義的漫漫長路上，我們有諸多要反思的重要議題，若聚焦於「臺灣客家」，也立刻可以察覺和客家相關的種種議題，都幾乎和「認同政治」脫離不了關係。 　　本書以臺灣客家為主要探究對象，希望能夠回答一些和「認同政治」或「客家認同政治」相關的基本發問，包括： 　　──什麼是認同政治？ 　　──該用什麼樣的方式來證成此一概念的正當性？這一概念在論述和實踐上又有什麼難題與困境？ 　　──在「前認同政治」時期的臺灣，該用什麼樣的方式來理解當時的人群分類方式？這些不同歷史脈絡下的人群分類方式，和當今之「認同政治」有什麼差別？又有什麼共通性？ 　　──如果考慮到臺灣客家之認同政治的崛起

，為什麼1988年的「還我母語運動」扮演著一定程度的關鍵性角色？ 　　──其他不是以「挽救客家語言文化」為主軸、但主要參與者卻都是客家人的社會運動，可以被放在客家認同政治的脈絡下來理解嗎？ 　　──臺灣客家的認同政治，在從社會運動走向公共政策之後，到底發生了什麼樣的後果？ 　　──除了上述比較屬於「爭議政治」性質的認同政治，在相對軟性的「文化政治」場域，我們又可以怎麼讀出客家認同政治的蹤影和痕跡呢？ 　　◎關於「臺灣客家研究論文選輯」 　　本主題叢書的出版構想，源於客家委員會的學術委員會，目標是將分散於各學術期刊的優質論文，依主題性質加以挑選、整理、編輯，重新編印出版，能讓國內外客家研究學者

乃至一般讀者，迅速掌握過去學術界對該主題的研究累積，通過認識臺灣「客家研究」的各種面向，理解臺灣客家社會文化的諸多特質，作為國家與客家族群發展知識基礎。叢書，除了彙整臺灣客家研究的各主題（特色），也望能促進學、政雙方，乃至臺灣民間社會共同省思臺灣客家的未來。

探討協助消防人員面對處理疑似感染COVID-19案件之壓力調適制度--以彰化消防局某大隊防疫專責隊為例

為了解決category用法的問題，作者周鎮偉 這樣論述：

2019年起，COVID-19所引發的疫情蔓延全球，也同時改變了許多行業的工作型態及樣貌。我國第一線緊急救護工作大多由消防機關緊急救護員執行，從疫情展開那一刻，第一線執行緊急救護之消防人員即冒著高度感染風險前往面對處理疑似感染COVID-19案件，其防護裝備反覆穿脫及稍有不慎可能遭感染導致消防人員面臨此類勤務產生諸多壓力。本研究主要探討協助消防人員面對處理疑似感染COVID-19案件之壓力調適制度，以期透過深入了解消防人員壓力來源後能從執行面、制度面或管理面予以協助壓力調適，搭配公務體系壓力調適及諮商制度輔助，能找出較佳改善第一線執行此類勤務之消防人員面對壓力後能迅速疏解及調適，使其執行每趟

勤務皆能無後顧之憂以較佳狀態執行，增進此類勤務之執行效能同時保護同仁身理及心理健全，共同齊心協力面臨疫情所帶來的挑戰。