دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Stefanie Molin
سری:
ISBN (شابک) : 1789615321, 9781789615326
ناشر: Packt Publishing
سال نشر: 2019
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Hands-On Data Analysis with Pandas: Efficiently perform data collection, wrangling, analysis, and visualization using 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 تجزیه و تحلیل داده های عملی با پانداها: انجام کارآمد جمع آوری داده ها ، مشاجره ، تجزیه و تحلیل و تجسم با استفاده از 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.
با پانداها آشنا شوید—یک کتابخانه پایتون همه کاره و با کارایی بالا برای دستکاری، تجزیه و تحلیل و کشف دادهها
تجزیه و تحلیل دادهها در موقعیتهای مختلف به یک مهارت ضروری تبدیل شده است که دانستن نحوه کار با دادهها و استخراج بینش میتواند ارزش قابل توجهی ایجاد کند.
تحلیل دستی داده با پانداها به شما نشان میدهد که چگونه دادههای خود را تجزیه و تحلیل کنید، با یادگیری ماشینی شروع کنید و با کتابخانههای Python که اغلب برای علم داده استفاده میشوند، مانند پانداها، NumPy، matplotlib، seaborn به طور موثر کار کنید. و scikit-learn. با استفاده از مجموعه داده های دنیای واقعی، یاد می گیرید که چگونه از کتابخانه قدرتمند پانداها برای انجام مشاجره داده ها برای تغییر شکل، تمیز کردن و جمع آوری داده های خود استفاده کنید. سپس، نحوه انجام تجزیه و تحلیل داده های اکتشافی را با محاسبه آمار خلاصه و تجسم داده ها برای یافتن الگوها یاد خواهید گرفت. در فصلهای پایانی، برخی از کاربردهای تشخیص ناهنجاری، رگرسیون، خوشهبندی و طبقهبندی را با استفاده از scikit-learn برای پیشبینی بر اساس دادههای گذشته بررسی خواهید کرد.
در پایان این کتاب، شما به مهارتهایی مجهز میشوید که برای استفاده از پانداها برای اطمینان از صحت دادههای خود، تجسم آنها برای تصمیمگیری مؤثر، و بازتولید قابل اعتماد تجزیه و تحلیلها در چندین مجموعه داده، نیاز دارید.
این کتاب برای تحلیلگران داده، مبتدیان علوم داده و توسعه دهندگان پایتون است که می خواهند هر مرحله از تجزیه و تحلیل داده ها و محاسبات علمی را با استفاده از طیف گسترده ای از مجموعه داده ها بررسی کنید. همچنین اگر دانشمند داده ای هستید که به دنبال پیاده سازی پانداها در یادگیری ماشینی هستید، این کتاب برای شما مفید خواهد بود. دانش کاری زبان برنامه نویسی پایتون مفید خواهد بود.
Get to grips with pandas―a versatile and high-performance Python library for data manipulation, analysis, and discovery
Data analysis has become a necessary skill in a variety of positions where knowing how to work with data and extract insights can generate significant value.
Hands-On Data Analysis with Pandas will show you how to analyze your data, get started with machine learning, and work effectively with Python libraries often used for data science, such as pandas, NumPy, matplotlib, seaborn, and scikit-learn. Using real-world datasets, you will learn how to use the powerful pandas library to perform data wrangling to reshape, clean, and aggregate your data. Then, you will learn how to conduct exploratory data analysis by calculating summary statistics and visualizing the data to find patterns. In the concluding chapters, you will explore some applications of anomaly detection, regression, clustering, and classification, using scikit-learn, to make predictions based on past data.
By the end of this book, you will be equipped with the skills you need to use pandas to ensure the veracity of your data, visualize it for effective decision-making, and reliably reproduce analyses across multiple datasets.
This book is for data analysts, data science beginners, and Python developers who want to explore each stage of data analysis and scientific computing using a wide range of datasets. You will also find this book useful if you are a data scientist who is looking to implement pandas in machine learning. Working knowledge of Python programming language will be beneficial.