
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.
در این کتاب راهنمای کاملی برای دستکاری، پردازش، پاکسازی و تحلیل مجموعهدادهها در پایتون میگیرید. ویرایش دوم این راهنمای عملی برای پایتون ۳٫۶ بهروز شده و پر از مطالعات موردی کاربردی است. این مثالها نشان میدهند چطور طیف گستردهای از مسائل تحلیل داده را بهطور مؤثر حل کنید. در همین مسیر، آخرین نسخههای پانداس، نامپای، آیپایتون و ژوپیتر را هم یاد میگیرید.
این کتاب را وس مکیننی، خالق پروژهٔ پانداس پایتون، نوشته است. کتاب مقدمهای عملی و مدرن به ابزارهای علم داده در پایتون است. برای تحلیلگرانی که تازه با پایتون آشنا شدهاند و برنامهنویسان پایتونی که تازه وارد علم داده و محاسبات علمی شدهاند، ایدهآل است. فایلهای داده و مطالب مرتبط در گیتهاب در دسترس است.
* از شِل آیپایتون و نوتبوک ژوپیتر برای محاسبات اکتشافی استفاده کنید
* ویژگیهای پایه و پیشرفتهٔ نامپای (پایتون عددی) را یاد بگیرید
* با ابزارهای تحلیل داده در کتابخانهٔ پانداس شروع کنید
* با ابزارهای انعطافپذیر داده را بارگذاری، پاکسازی، تبدیل، ادغام و بازآرایی کنید
* با matplotlib تجسمهای مفید و گویا بسازید
* از قابلیت groupby در پانداس برای برش، تکهتکه کردن و خلاصهسازی مجموعهدادهها استفاده کنید
* دادههای سری زمانی منظم و نامنظم را تحلیل و دستکاری کنید
* با مثالهای کامل و دقیق یاد بگیرید چطور مسائل واقعی تحلیل داده را حل کنید
Get complete instructions for manipulating, processing, cleaning, and crunching datasets in Python. Updated for Python 3.6, the second edition of this hands-on guide is packed with practical case studies that show you how to solve a broad set of data analysis problems effectively. You’ll learn the latest versions of pandas, NumPy, IPython, and Jupyter in the process.Written by Wes McKinney, the creator of the Python pandas project, this book is a practical, modern introduction to data science tools in Python. It’s ideal for analysts new to Python and for Python programmers new to data science and scientific computing. Data files and related material are available on GitHub.* Use the IPython shell and Jupyter notebook for exploratory computing* Learn basic and advanced features in NumPy (Numerical Python)* Get started with data analysis tools in the pandas library* Use flexible tools to load, clean, transform, merge, and reshape data* Create informative visualizations with matplotlib* Apply the pandas groupby facility to slice, dice, and summarize datasets* Analyze and manipulate regular and irregular time series data* Learn how to solve real-world data analysis problems with thorough, detailed examples