مشخصات کتاب
Geospatial Development By Example with Python
دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:
نویسندگان: Carreira P.
سری:
ناشر:
سال نشر:
تعداد صفحات: 472
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
قیمت کتاب (تومان) : 86,000
کلمات کلیدی مربوط به کتاب توسعه جغرافیایی به عنوان مثال با پایتون: کتابخانه، ادبیات کامپیوتر، پایتون
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17
در صورت تبدیل فایل کتاب Geospatial Development By Example with Python 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 توسعه جغرافیایی به عنوان مثال با پایتون 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 توسعه جغرافیایی به عنوان مثال با پایتون
Packt Publishing, 2016. — 272 p. — ISBN: 9781785282355
از شیوه های خوب برنامه
نویسی پایتون تا استفاده پیشرفته از بسته های تجزیه و تحلیل، این
کتاب به شما می آموزد که چگونه برنامه هایی بنویسید که وظایف
پیچیده ژئوپردازش را انجام دهند. تکثیر شده و دوباره استفاده می
شود.
خیلی بیشتر از اسکریپت های ساده، توابعی را برای وارد کردن داده
ها می نویسید، کلاس های پایتون را ایجاد می کنید که نمایانگر
ویژگی های شما هستند، و یاد می گیرید که چگونه آنها را ترکیب و
فیلتر کنید.
با مکانیزم های قابل اتصال، یاد خواهید گرفت نحوه تجسم داده ها و
نتایج تجزیه و تحلیل در نقشه های زیبا که می توانند به صورت دسته
ای تولید شوند و در اسناد یا صفحات وب جاسازی شوند.
در نهایت، نحوه مصرف و پردازش حجم عظیمی از داده ها را به طور
بسیار کارآمد با استفاده از پیشرفته یاد خواهید گرفت. ابزارها و
قابلیت های پردازش موازی کامپیوترهای مدرن.
توضیحاتی درمورد کتاب به خارجی
Packt Publishing, 2016. — 272 p. — ISBN: 9781785282355
From Python programming good
practices to the advanced use of analysis packages, this book
teaches you how to write applications that will perform complex
geoprocessing tasks that can be replicated and reused.
Much more than simple scripts, you will write functions to
import data, create Python classes that represent your
features, and learn how to combine and filter them.
With pluggable mechanisms, you will learn how to visualize data
and the results of analysis in beautiful maps that can be
batch-generated and embedded into documents or web pages.
Finally, you will learn how to consume and process an enormous
amount of data very efficiently by using advanced tools and
modern computers' parallel processing capabilities.
نظرات کاربران