Jake VanderPlas Livres

Die wichtigsten Tools für die Datenanalyse und -bearbeitung im praktischen Einsatz werden umfassend erläutert. Python wird effizient für datenintensive Berechnungen mit IPython und Jupyter eingesetzt. Zudem werden das Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas behandelt. Die Visualisierung von Daten erfolgt mithilfe von Matplotlib. Python ist aufgrund der Vielzahl an Ressourcen und Bibliotheken zur Speicherung, Bearbeitung und Auswertung von Daten die erste Wahl für Data Science. Dieses Handbuch ist für Datenanalytiker und Wissenschaftler von unschätzbarem Wert, da es alle Arten von Berechnungen mit Python abdeckt und alltägliche Aufgaben wie das Bearbeiten, Umwandeln und Bereinigen von Daten sowie die Visualisierung verschiedener Datentypen behandelt. Auch die Nutzung von Daten zur Erstellung von Statistiken oder Machine-Learning-Modellen wird thematisiert. Die Verwendung von IPython und Jupyter für datenintensive Berechnungen, NumPy und Pandas für das Speichern und Bearbeiten von Daten und Matplotlib für die Datenvisualisierung wird detailliert erklärt. Darüber hinaus wird Scikit-Learn zur sauberen Implementierung wichtiger Machine-Learning-Algorithmen vorgestellt. Grundlegende Kenntnisse in Python werden vorausgesetzt.

Python udostępnia pierwszorzędne narzędzia i biblioteki przeznaczone specjalnie do pracy z danymi. Zdobyły one uznanie wielu naukowców i ekspertów, ceniących ten język za wysoką jakość rozwiązań służących do wydobywania wiedzy z danych. Aby uzyskać najlepsze możliwe efekty, trzeba dobrze poznać zarówno poszczególne biblioteki Pythona, jak i zasady pracy z nimi. Ta książka stanowi wszechstronne omówienie wszystkich bibliotek Pythona, potrzebnych naukowcom i specjalistom pracującym z danymi. Znalazł się tu dokładny opis IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i innych narzędzi. Podręcznik uwzględnia przede wszystkim ich aspekty praktyczne, dzięki czemu świetnie się sprawdzi w rozwiązywaniu codziennych problemów z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją różnych typów danych, a także jako pomoc podczas tworzenia modeli statystycznych i modeli uczenia maszynowego. Docenią go wszyscy, którzy zajmują się obliczeniami naukowymi w Pythonie. To wydanie zawiera jasne przykłady, które pomogą Ci skonfigurować i wykorzystać narzędzia do nauki o danych i uczenia maszynowego. Anne Bonner, założycielka i dyrektor generalna Content Simplicity Nauczysz się: pracować w naukowym środowisku obliczeniowym IPythona korzystać ze specjalistycznych bibliotek przeznaczonych do pracy z danymi stosować typy ndarray i DataFrame do przechowywania i przetwarzania danych tworzyć różnego rodzaju wizualizacje danych za pomocą Matplotlib implementować najważniejsze algorytmy uczenia maszynowego z pakietu Scikit-Learn Wydobywaj z danych mądre odpowiedzi na trudne pytania!