data-science

Dask 在 Python 中使用的全面最佳实践和编码标准，专注于性能、代码组织和常见陷阱。为使用 Dask 进行并行和分布式计算的开发人员提供可操作的指导。

该规则提供了使用 Python 的 Matplotlib 开发健壮、可维护且高性能数据可视化的指南和最佳实践。它涵盖了从代码组织到测试和安全考虑的各个方面。

该规则提供了在 Python 中使用 NumPy 的最佳实践，涵盖了编码标准、性能优化、安全性和测试策略，以提高代码质量和可维护性。

本规则概述了在 Python 中使用 pandas 库的最佳实践，涵盖了代码风格、性能、数据处理和测试。旨在推广可维护、高效且健壮的数据分析工作流程。

此规则文件为使用 Plotly 库提供了最佳实践和编码标准，重点关注代码组织、性能、安全、测试以及常见陷阱。旨在指导开发者创建可维护、高效且安全的 Plotly 应用程序。

强制执行 scikit-learn 项目的最佳实践和编码标准，促进可维护性、性能和安全性。此规则提供了关于代码组织、常见模式、性能优化、测试和常见陷阱的指南。

本规则概述了使用 SciPy 库开发科学计算应用程序的编码标准、最佳实践和常见陷阱。它强调了清晰度、可维护性、性能和安全性，以实现高效的 SciPy 开发。

此规则提供了 Seaborn 编码标准的最佳实践，强调在 AI 和机器学习数据科学开发中编写清晰、可复现的代码、最佳性能和安全的数据处理。

一份关于在 Python 中使用 statsmodels 库的最佳实践的综合指南，涵盖代码组织、性能、测试和常见陷阱。这些指南旨在促进可维护、可靠且高效的 statsmodels 代码。