دانلود کتاب Python Programming for Data Analysis

این کتاب از یادداشت‌های کلاس «برنامه‌نویسی برای تحلیل داده» (ECE143) شکل گرفته است که نویسنده آن را در دانشگاه کالیفرنیا، سن‌دیگو تدریس می‌کند؛ کلاسی که گذراندن آن برای دانشجویان مقاطع کارشناسی و تحصیلات تکمیلی در رشته‌های یادگیری ماشین و علم داده الزامی است. این کتاب برای خوانندگانی که کمی با برنامه‌نویسی پایتون آشنایی دارند بسیار مناسب است. کتاب مفاهیم کلیدی زبان را که برای برنامه‌نویسی مؤثر، به‌ویژه در کاربردهای تحلیل داده باید بدانید، پوشش می‌دهد. برخی از ویژگی‌های سطح پایین زبان، به‌خصوص مدیریت حافظه در پایتون و ساختارهای داده، به‌تفصیل بررسی شده‌اند. استفاده مؤثر از پایتون یعنی بهره‌گیری از اکوسیستم وسیع آن. کتاب درباره مدیریت بسته‌های پایتون، نحوه استفاده از ماژول‌های شخص ثالث و همچنین نحوه ساختاردهی ماژول‌های خودتان بحث می‌کند. بخش مربوط به برنامه‌نویسی شیءگرا ویژگی‌هایی از زبان را توضیح می‌دهد که الگوهای رایج برنامه‌نویسی را آسان‌تر می‌کنند. پس از پرداختن به ویژگی‌های کلیدی پایتون، کتاب به سراغ ماژول‌های شخص ثالثی می‌رود که برای تحلیل داده مؤثر بنیادین هستند و با نام‌پای (Numpy) آغاز می‌شود. کتاب مفاهیم کلیدی نام‌پای را توسعه می‌دهد و درباره ساختارهای داده آرایه نام‌پای و مصرف حافظه در آن بحث می‌کند. سپس، نویسنده به سراغ پانداس (Pandas) می‌رود و ویژگی‌های فراوان آن را برای پردازش و هم‌راستاسازی داده‌ها با جزئیات شرح می‌دهد. از آنجا که مصورسازی‌های قوی برای انتقال نتایج تحلیل داده اهمیت دارند، ماژول‌های کلیدی مانند مت‌پلات‌لیب (Matplotlib) به‌تفصیل بررسی می‌شوند و در کنار آن‌ها گزینه‌های مبتنی بر وب مانند بوکه، هولوویوز، آلتایر و پلاتلی نیز معرفی می‌گردند. در متن کتاب ترفندهای کاربردی فراوانی گنجانده شده است که به دوری از اشتباهات رایج کمک می‌کنند. نویسنده منطق درونی زبان پایتون را توضیح می‌دهد تا خوانندگان بتوانند با طرز فکر پایتون آشنا شوند و در کدهای خود تصمیمات طراحی بهتری بگیرند؛ این موضوع به‌ویژه برای کسانی که تازه وارد دنیای پایتون و تحلیل داده شده‌اند بسیار مفید است. برای اینکه بیشترین بهره را از این کتاب ببرید، یک مفسر پایتون باز کنید و هم‌زمان با نمونه‌کدهای فراوان کتاب، کدنویسی را تمرین کنید.