دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Learn Data Analysis with Python
دانلود کتاب آموزش تجزیه و تحلیل داده ها با پایتون
مشخصات کتاب
Learn Data Analysis with Python
ویرایش: نویسندگان: A.J. Henley, Dave Wolf سری: ISBN (شابک) : 9781484234860 ناشر: Apress سال نشر: 2018 تعداد صفحات: 100 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
قیمت کتاب (تومان) : 55,000
در صورت تبدیل فایل کتاب Learn Data Analysis 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 آموزش تجزیه و تحلیل داده ها 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 آموزش تجزیه و تحلیل داده ها با پایتون
با استفاده از پایتون در تجزیه و تحلیل داده ها با این راهنمای عملی فشرده شروع کنید. این کتاب شامل سه تمرین و یک مطالعه موردی در مورد ورود و خروج داده ها از کد پایتون با فرمت مناسب است. Learn Data Analysis با Python همچنین به شما کمک می کند تا با استفاده از تجزیه و تحلیل معنی را در داده ها کشف کنید و به شما نشان می دهد که چگونه آن را تجسم کنید. هر درس تا آنجا که ممکن است، مستقل است تا به شما امکان دهد طبق نیازهای شما، نمونه ها را وارد و خارج کنید. اگر قبلاً از پایتون برای تجزیه و تحلیل داده‌ها استفاده می‌کنید، تعدادی از مواردی را پیدا خواهید کرد که آرزو می‌کنید می‌دانستید چگونه در پایتون انجام دهید. سپس می توانید از این تکنیک ها استفاده کنید و آنها را مستقیماً در پروژه های خود اعمال کنید. اگر از پایتون برای تجزیه و تحلیل داده‌ها استفاده نمی‌کنید، این کتاب در ابتدا شما را با اصول اولیه آشنا می‌کند تا پایه‌ای محکم در موضوع به شما بدهد. همانطور که در کتاب کار می کنید، ایده بهتری در مورد نحوه استفاده از پایتون برای تجزیه و تحلیل داده ها پس از اتمام کار خواهید داشت. آنچه خواهید آموخت دریافت داده ها به کد پایتون و خارج کردن آن داده ها و قالب آن را آماده کنید معنی داده ها را بیابید داده ها را با استفاده از iPython تجسم کنید این کتاب برای کسانی است که می خواهند تجزیه و تحلیل داده ها را با استفاده از پایتون یاد بگیرند. مقداری تجربه با پایتون توصیه می شود، اما لازم نیست، همانطور که تجربه قبلی با تجزیه و تحلیل داده یا علم داده است.
توضیحاتی درمورد کتاب به خارجی
Get started using Python in data analysis with this compact practical guide. This book includes three exercises and a case study on getting data in and out of Python code in the right format. Learn Data Analysis with Python also helps you discover meaning in the data using analysis and shows you how to visualize it. Each lesson is, as much as possible, self-contained to allow you to dip in and out of the examples as your needs dictate. If you are already using Python for data analysis, you will find a number of things that you wish you knew how to do in Python. You can then take these techniques and apply them directly to your own projects. If you aren’t using Python for data analysis, this book takes you through the basics at the beginning to give you a solid foundation in the topic. As you work your way through the book you will have a better of idea of how to use Python for data analysis when you are finished. What You Will Learn Get data into and out of Python code Prepare the data and its format Find the meaning of the data Visualize the data using iPython Who This Book Is For Those who want to learn data analysis using Python. Some experience with Python is recommended but not required, as is some prior experience with data analysis or data science.
فهرست مطالب
Content: Intro
Table of Contents
About the Authors
About the Technical Reviewer
Chapter 1: How to Use This Book
Installing Jupyter Notebook
What Is Jupyter Notebook?
What Is Anaconda?
Getting Started
Getting the Datasets for the Workbookâ#x80
#x99
s Exercises
Chapter 2: Getting Data Into and Out of Python
Loading Data from CSV Files
Your Turn
Saving Data to CSV
Your Turn
Loading Data from Excel Files
Your Turn
Saving Data to Excel Files
Your Turn
Combining Data from Multiple Excel Files
Your Turn
Loading Data from SQL
Your Turn
Saving Data to SQL
Your Turn Random Numbers and Creating Random DataYour Turn
Chapter 3: Preparing Data Is Half the Battle
Cleaning Data
Calculating and Removing Outliers
Your Turn
Missing Data in Pandas Dataframes
Your Turn
Filtering Inappropriate Values
Your Turn
Finding Duplicate Rows
Your Turn
Removing Punctuation from Column Contents
Removing Whitespace from Column Contents
Standardizing Dates
Standardizing Text like SSNs, Phone Numbers, and Zip Codes
Creating New Variables
Binning Data
Your Turn
Applying Functions to Groups, Bins, and Columns
Your Turn
Ranking Rows of Data
Your Turn Create a Column Based on a ConditionalYour Turn
Making New Columns Using Functions
Your Turn
Converting String Categories to Numeric Variables
Your Turn
Organizing the Data
Removing and Adding Columns
Your Turn
Selecting Columns
Your Turn
Change Column Name
Your Turn
Setting Column Names to Lower Case
Your Turn
Finding Matching Rows
Your Turn
Filter Rows Based on Conditions
Your Turn
Selecting Rows Based on Conditions
Your Turn
Random Sampling Dataframe
Your Turn
Chapter 4: Finding the Meaning
Computing Aggregate Statistics
Your Turn Computing Aggregate Statistics on Matching RowsYour Turn
Sorting Data
Your Turn
Correlation
Your Turn
Regression
Your Turn
Regression without Intercept
Your Turn
Basic Pivot Table
Your Turn
Chapter 5: Visualizing Data
Data Quality Report
Your Turn
Graph a Dataset: Line Plot
Your Turn
Graph a Dataset: Bar Plot
Your Turn
Graph a Dataset: Box Plot
Your Turn
Graph a Dataset: Histogram
Your Turn
Graph a Dataset: Pie Chart
Your Turn
Graph a Dataset: Scatter Plot
Your Turn
Chapter 6: Practice Problems
Analysis Exercise 1
Analysis Exercise 2
Analysis Exercise 3 Analysis Exercise 4Analysis Project
Required Deliverables
Index
