Wes McKinney

Datenanalyse mit Python

Benachrichtigen, wenn das Buch hinzugefügt wird
Um dieses Buch zu lesen laden Sie eine EPUB- oder FB2-Datei zu Bookmate hoch. Wie lade ich ein Buch hoch?
Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.
Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.
Aus dem Inhalt:

— Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative Computing
— Lernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennen
— Setzen Sie die Datenanalyse-Tools der pandasBibliothek ein — Verwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten
— Erstellen Sie interformative Visualisierungen mit matplotlib
— Wenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassen
— Analysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.
Dieses Buch ist zurzeit nicht verfügbar
604 Druckseiten
Ursprüngliche Veröffentlichung
2018
Jahr der Veröffentlichung
2018
Haben Sie es bereits gelesen? Was halten sie davon?
👍👎
fb2epub
Ziehen Sie Ihre Dateien herüber (nicht mehr als fünf auf einmal)