۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت می‌کنید.
این فایل با Calibre، Apple Books و سایر کتابخوان‌های دیجیتال مناسب است.
چطور می‌توانید داده‌های خام، پردازش‌نشده یا به‌هم‌ریخته را به تصویرسازی‌های پویا و تعاملی برای وب تبدیل کنید؟ در این کتاب کاربردی، کرین دیل به دانشمندان داده و تحلیلگران—و همچنین توسعه‌دهندگان پایتون و جاوااسکریپت—نشان می‌دهد برای انجام کار، چه ابزارها و زنجیره‌کاریِ مناسبی باید بسازید. با ارائه‌ی مثال‌های جذاب و تأکید بر بهترین روش‌هایی که از تجربه به دست آمده‌اند، این راهنما به شما یاد می‌دهد چطور از قدرت کتابخانه‌های پایتون و جاوااسکریپتِ برتر استفاده کنید.
پایتون کتابخانه‌های در دسترس، قدرتمند و بالغی را برای استخراج، پاک‌سازی و پردازش داده فراهم می‌کند. و از طرف دیگر، در زمینه‌ی برنامه‌نویسی تصویرسازی‌های وب، جاوااسکریپت بهترین زبان است؛ اما توانایی‌هایش در پردازش داده با پایتون قابل مقایسه نیست. این دو زبان وقتی کنار هم قرار می‌گیرند، مکملی بی‌نقص برای ساخت یک زنجیره‌کاریِ مدرن در حوزه‌ی تصویرسازی وب می‌شوند.
این کتاب شما را شروع می‌کند. یاد خواهید گرفت چگونه:
داده‌ی موردنیاز را به‌صورت برنامه‌نویسی به دست بیاورید، با استفاده از ابزارهای استخراج (Scraping) یا وب‌اِی‌پی‌آی‌ها: Requests، Scrapy، Beautiful Soup
داده را با کتابخانه‌های سنگینِ پردازش داده در اکوسیستم NumPy پاک‌سازی و پردازش کنید: نوت‌بوک‌های Jupyter با pandas+Matplotlib+Seaborn
داده را به مرورگر برسانید؛ یا با فایل‌های ایستا، یا با کمک Flask که یک سرور سبک پایتون است و با استفاده از یک API مبتنی بر REST
به اندازه‌ی کافی مهارت‌های توسعه‌ی وب (HTML، CSS، JS) به دست بیاورید تا داده‌های تصویری‌شده را روی وب قرار دهید
داده‌ای را که از دل منابع استخراج و پالایش کرده‌اید بردارید و با Plotly، D3، Leaflet و دیگر کتابخانه‌ها، نمودارها و تصویرسازی‌های وب بسازید
How do you turn raw, unprocessed, or malformed data into dynamic, interactive web visualizations? In this practical book, author Kyran Dale shows data scientists and analysts--as well as Python and JavaScript developers--how to create the ideal toolchain for the job. By providing engaging examples and stressing hard-earned best practices, this guide teaches you how to leverage the power of best-of-breed Python and JavaScript libraries. Python provides accessible, powerful, and mature libraries for scraping, cleaning, and processing data. And while JavaScript is the best language when it comes to programming web visualizations, its data processing abilities can't compare with Python's. Together, these two languages are a perfect complement for creating a modern web-visualization toolchain. This book gets you started. You'll learn how to: Obtain data you need programmatically, using scraping tools or web APIs: Requests, Scrapy, Beautiful Soup Clean and process data using Python's heavyweight data processing libraries within the NumPy ecosystem: Jupyter notebooks with pandas+Matplotlib+Seaborn Deliver the data to a browser with static files or by using Flask, the lightweight Python server, and a RESTful API Pick up enough web development skills (HTML, CSS, JS) to get your visualized data on the web Use the data you've mined and refined to create web charts and visualizations with Plotly, D3, Leaflet, and other libraries
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)