ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Wrangling with R: Load, explore, transform and visualize data for modeling with tidyverse libraries

دانلود کتاب جدال داده با R: بارگیری، کاوش، تبدیل و تجسم داده ها برای مدل سازی با کتابخانه های منظم

Data Wrangling with R: Load, explore, transform and visualize data for modeling with tidyverse libraries

مشخصات کتاب

Data Wrangling with R: Load, explore, transform and visualize data for modeling with tidyverse libraries

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781803235400 
ناشر: Packt Publishing 
سال نشر: 2023 
تعداد صفحات: 385 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 24 Mb

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Data Wrangling with R: Load, explore, transform and visualize data for modeling with tidyverse libraries به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب جدال داده با R: بارگیری، کاوش، تبدیل و تجسم داده ها برای مدل سازی با کتابخانه های منظم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب جدال داده با R: بارگیری، کاوش، تبدیل و تجسم داده ها برای مدل سازی با کتابخانه های منظم

با به دست آوردن درک عمیق از کتابخانه های مرتب و آماده کردن موثر داده های خود برای تجزیه و تحلیل چشمگیر، مهارت های بحث برانگیز داده های خود را به سطح بعدی ببرید. جدال داده ها در R و یاد بگیرید که داده های خود را برای تجزیه و تحلیل آماده کنید نحوه کار با انواع داده های مختلف مانند رشته ها، اعداد، تاریخ و زمان را بیاموزید، اولین مدل خود را بسازید و داده ها را به راحتی از طریق انواع طرح های پیشرفته و با ggplot2 تجسم کنید توضیحات کتاب: در این عصر اطلاعات، که حجم زیادی از داده ها هر روز تولید می شود، شرکت ها می خواهند کنترل بهتری بر آن داشته باشند تا کارایی بیشتری نسبت به قبل داشته باشند. اینجاست که تحلیلگران ماهر داده و دانشمندان داده وارد بازی می شوند و به بحث و جدل و کاوش در داده ها برای ایجاد بینش های تجاری ارزشمند می پردازند. برای انجام این کار، به ابزارهای زیادی نیاز دارید که به شما امکان می دهد مفیدترین دانش را از داده ها استخراج کنید. جدال داده با R به شما کمک می کند تا درک عمیقی از راه های بحث و آماده سازی مجموعه داده ها برای کاوش، تجزیه و تحلیل و مدل سازی به دست آورید. این کتاب داده شما را قادر می سازد تا داده های خود را برای تجزیه و تحلیل های بهینه تر آماده کنید، اولین مدل داده خود را توسعه دهید و تصویرسازی موثر داده ها را انجام دهید. کتاب با آموزش نحوه بارگذاری و کاوش مجموعه داده ها به شما آغاز می شود. سپس، با مفاهیم و ابزار مدرن بحث و جدل داده ها آشنا خواهید شد. از آنجایی که کشمکش و تجسم داده ها ذاتاً به هم مرتبط هستند، شما بهترین شیوه ها را برای ترسیم داده ها و استخراج بینش از آنها بررسی خواهید کرد. فصل‌ها به گونه‌ای طراحی شده‌اند که به شما کمک کنند همه چیز را در مورد مدل‌سازی بیاموزید، زیرا ساخت یک پروژه علم داده را از انتهای تا انتهای آن طی می‌کنید و با RStudio داخلی، از جمله برنامه‌ای که با داشبوردهای براق ساخته شده است، آشنا می‌شوید. در پایان این کتاب، شما یاد خواهید گرفت که چگونه اولین مدل داده خود را ایجاد کنید و یک برنامه کاربردی با Shiny در R بسازید. در مجموعه داده ها ایجاد تجسم های اولیه و پیشرفته بیابید چگونه اولین مدل داده خود را بسازید با استفاده از ggplot2 به صورت گام به گام در Microsoft Power BI گرافیک ایجاد کنید با ساختن یک برنامه در R با Shiny آشنا شوید این کتاب برای چه کسی است: اگر شما یک تحلیلگر حرفه ای داده، دانشمند داده یا مبتدی هستید که می خواهد در مورد بحث و جدل داده ها اطلاعات بیشتری کسب کند، این کتاب برای شما مناسب است. آشنایی با مفاهیم اولیه برنامه نویسی R یا هر زبان برنامه نویسی شی گرا دیگر به شما در درک مفاهیم آموزش داده شده در این کتاب کمک می کند. تحلیلگران داده که به دنبال بهبود مهارت های دستکاری و تجسم داده های خود هستند نیز از این کتاب بهره زیادی خواهند برد.


توضیحاتی درمورد کتاب به خارجی

Take your data wrangling skills to the next level by gaining a deep understanding of tidyverse libraries and effectively prepare your data for impressive analysis Purchase of the print or Kindle book includes a free PDF eBook Key Features: Explore state-of-the-art libraries for data wrangling in R and learn to prepare your data for analysis Find out how to work with different data types such as strings, numbers, date, and time Build your first model and visualize data with ease through advanced plot types and with ggplot2 Book Description: In this information era, where large volumes of data are being generated every day, companies want to get a better grip on it to perform more efficiently than before. This is where skillful data analysts and data scientists come into play, wrangling and exploring data to generate valuable business insights. In order to do that, you\'ll need plenty of tools that enable you to extract the most useful knowledge from data. Data Wrangling with R will help you to gain a deep understanding of ways to wrangle and prepare datasets for exploration, analysis, and modeling. This data book enables you to get your data ready for more optimized analyses, develop your first data model, and perform effective data visualization. The book begins by teaching you how to load and explore datasets. Then, you\'ll get to grips with the modern concepts and tools of data wrangling. As data wrangling and visualization are intrinsically connected, you\'ll go over best practices to plot data and extract insights from it. The chapters are designed in a way to help you learn all about modeling, as you will go through the construction of a data science project from end to end, and become familiar with the built-in RStudio, including an application built with Shiny dashboards. By the end of this book, you\'ll have learned how to create your first data model and build an application with Shiny in R. What You Will Learn: Discover how to load datasets and explore data in R Work with different types of variables in datasets Create basic and advanced visualizations Find out how to build your first data model Create graphics using ggplot2 in a step-by-step way in Microsoft Power BI Get familiarized with building an application in R with Shiny Who this book is for: If you are a professional data analyst, data scientist, or beginner who wants to learn more about data wrangling, this book is for you. Familiarity with the basic concepts of R programming or any other object-oriented programming language will help you to grasp the concepts taught in this book. Data analysts looking to improve their data manipulation and visualization skills will also benefit immensely from this book.



فهرست مطالب

Cover
Copyright
Contributors
Table of Contents
Preface
Part 1: Load and Explore Data
Chapter 1: Fundamentals of Data Wrangling
	What is data wrangling?
	Why data wrangling?
		Benefits
	The key steps of data wrangling
		Frameworks in Data Science
	Summary
	Exercises
	Further reading
Chapter 2: Loading and Exploring Datasets
	Technical requirements
	How to load files to RStudio
		Loading a CSV file to R
	Tibbles versus Data Frames
	Saving files
	A workflow for data exploration
		Loading and viewing
		Descriptive statistics
		Missing values
		Data distributions
		Visualizations
	Basic Web Scraping
		Getting data from an API
	Summary
	Exercises
	Further reading
Chapter 3: Basic Data Visualization
	Technical requirements
	Data visualization
	Creating single-variable plots
		Dataset
		Boxplots
		Density plot
	Creating two-variable plots
		Scatterplot
		Bar plot
		Line plot
	Working with multiple variables
		Plots side by side
	Summary
	Exercises
	Further reading
Part 2: Data Wrangling
Chapter 4: Working with Strings
	Introduction to stringr
		Detecting patterns
		Subset strings
		Managing lengths
		Mutating strings
		Joining and splitting
		Ordering strings
	Working with regular expressions
		Learning the basics
	Creating frequency data summaries in R
		Regexps in practice
		Creating a contingency table using gmodels
	Text mining
		Tokenization
		Stemming and lemmatization
		TF-IDF
		N-grams
	Factors
	Summary
	Exercises
	Further reading
Chapter 5: Working with Numbers
	Technical requirements
	Numbers in vectors, matrices, and data frames
		Vectors
		Matrices
		Data frames
	Math operations with variables
		apply functions
	Descriptive statistics
		Correlation
	Summary
	Exercises
	Further reading
Chapter 6: Working with Date and Time Objects
	Technical requirements
	Introduction to date and time
	Date and time with lubridate
		Arithmetic operations with datetime
		Time zones
	Date and time using regular expressions (regexps)
	Practicing
	Summary
	Exercises
	Further reading
Chapter 7: Transformations with Base R
	Technical requirements
	The dataset
	Slicing and filtering
		Slicing
		Filtering
	Grouping and summarizing
	Replacing and filling
	Arranging
	Creating new variables
	Binding
	Using data.table
	Summary
	Exercises
	Further reading
Chapter 8: Transformations with Tidyverse Libraries
	Technical requirements
	What is tidy data
		The pipe operator
	Slicing and filtering
		Slicing
		Filtering
	Grouping and summarizing data
	Replacing and filling data
	Arranging data
	Creating new variables
		The mutate function
	Joining datasets
		Left Join
		Right join
		Inner join
		Full join
		Anti-join
	Reshaping a table
	Do more with tidyverse
	Summary
	Exercises
	Further reading
Chapter 9: Exploratory Data Analysis
	Technical requirements
	Loading the dataset to RStudio
	Understanding the data
	Treating missing data
	Exploring and visualizing the data
		Univariate analysis
		Multivariate analysis
		Exploring
	Analysis report
		Report
		Next steps
	Summary
	Exercises
	Further reading
Part 3: Data Visualization
Chapter 10: Introduction to ggplot2
	Technical requirements
	The grammar of graphics
		Data
		Geometry
		Aesthetics
		Statistics
		Coordinates
		Facets
		Themes
	The basic syntax of ggplot2
	Plot types
		Histograms
		Boxplot
		Scatterplot
		Bar plots
		Line plots
		Smooth geometry
		Themes
	Summary
	Exercises
	Further reading
Chapter 11: Enhanced Visualizations with ggplot2
	Technical requirements
	Facet grids
	Map plots
	Time series plots
	3D plots
	Adding interactivity to graphics
	Summary
	Exercises
	Further reading
Chapter 12: Other Data Visualization Options
	Technical requirements
	Plotting graphics in Microsoft Power BI using R
	Preparing data for plotting
	Creating word clouds in RStudio
	Summary
	Exercises
	Further reading
Part 4: Modeling
Chapter 13: Building a Model with R
	Technical requirements
	Machine learning concepts
		Classification models
		Regression models
		Supervised and unsupervised learning
	Understanding the project
		The dataset
		The project
		The algorithm
	Preparing data for modeling in R
	Exploring the data with a few visualizations
	Selecting the best variables
	Modeling
		Training
		Testing and evaluating the model
		Predicting
	Summary
	Exercises
	Further reading
Chapter 14: Build an Application with Shiny in R
	Technical requirements
	Learning the basics of Shiny
		Get started
		Basic functions
	Creating an application
		The project
		Coding
	Deploying the application on the web
	Summary
	Exercises
	Further reading
Conclusion
	References
Index
Other Books You May Enjoy




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی