分类
技术
Python 教程
及时掌握 Python 编程的最新资讯、技术与资源。我们的教程包含大量实用的演练与用例，助您提升技能。
其他技术：
培训 2 人或更多？试试 DataCamp for Business
使用 Jinja2 自定义 Jupyter 笔记本模板
了解如何使用 Jinja2 为您的 Jupyter 笔记本创建自定义导出模板。
Steph Howson
2026年10月6日
在 pandas 中连接 DataFrame：merge()、concat() 与 join()
通过实际示例，学习在 pandas 中使用 concat()、merge() 和 join() 来连接与合并 DataFrame。
DataCamp Team
Abid Ali Awan
2026年10月6日
Python JSON 数据：示例指南
学习如何在 Python 中处理 JSON，包括序列化、反序列化、格式化、性能优化、处理 API，以及了解 JSON 的局限性与替代方案。
Moez Ali
2026年10月6日
Kaggle 教程：EDA 与机器学习
在本次 Kaggle 教程中，您将学习如何结合泰坦尼克号数据进行探索性数据分析（EDA），以构建监督学习模型。
Hugo Bowne-Anderson
2026年10月6日
Kaggle 教程：您的第一个机器学习模型
学习使用 Python 的 scikit-learn 包构建您的第一个机器学习模型——决策树分类器，提交到 Kaggle 并查看其表现！
Hugo Bowne-Anderson
2026年10月6日
K 折交叉验证全面指南
了解 K 折交叉验证的工作原理及其优缺点。学习如何使用 scikit-learn 在 Python 中实现 K 折交叉验证。
Vinod Chugani
2026年10月6日
KL 散度详解：直观理解、公式与示例
探索 KL 散度，机器学习中最常见且至关重要的工具之一。
Vaibhav Mehra
2026年10月6日
使用 Python 中的 scikit-learn 入门 k-Means 聚类
在本教程中，学习如何在 Python 中使用 scikit-learn 应用 k-Means 聚类
Kevin Babitz
2026年10月6日
使用 scikit-learn 的 K 近邻（KNN）分类
本文介绍何时以及如何使用 scikit-learn 的 k 近邻分类，重点讲解概念、工作流程与示例。同时涵盖距离度量以及如何通过交叉验证选择最佳的 k 值。
Adam Shafi
2026年10月6日
使用知识图谱实现 RAG 应用
通过本分步教程学习如何为 RAG 应用实现知识图谱，用结构化知识增强 AI 的回答。
Dr Ana Rojo-Echeburúa
2026年10月6日
构建与部署机器学习流水线
了解有关 Kubeflow 的一切，并探索如何构建与部署机器学习流水线
Moez Ali
2026年10月6日
线性规划：解决真实世界中的优化问题
了解线性规划如何将复杂决策转化为可求解的数学问题。学习优化技术、求解算法，以及用于资源分配、排程与规划挑战的实用 Python 实现。
Khalid Abdelaty
2026年10月6日