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: Kirthi Raman
سری:
ISBN (شابک) : 1783988320, 9781783988327
ناشر: Packt Publishing
سال نشر: 2015
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 20 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر تجسم داده های پایتون: پردازش داده، پایگاههای داده و کلان داده، رایانه و فناوری، الگوریتمها، ساختارهای داده، ژنتیک، مدیریت حافظه، برنامهنویسی، رایانهها و فناوری، پایتون، زبانهای برنامهنویسی، رایانهها و فناوری
در صورت تبدیل فایل کتاب Mastering Python Data Visualization 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 تسلط بر تجسم داده های 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.
درباره این کتاب ابزارهای مختلف و نقاط قوت آنها را در حین ساختن نمایشهای معنادار که میتواند درک دادهها را آسانتر کند کاوش کنید. این کتاب با روشهای محاسباتی و الگوریتمها در زمینههای مختلف علم نوشته شده است و به سبک طبقهبندی آسان برای دنبال کردن نوشته شده است. کار کردن با کد شما و استفاده مجدد از آنها را آسانتر میکند. سطح دانش پایه و درک کتابخانه های پایتون فرض شده است. آنچه یاد خواهید گرفت داده ها را جمع آوری کنید، پاک کنید، به یک چارچوب بصری دسترسی داشته باشید، تشخیص دهید کدام روش تجسم قابل استفاده است و بهترین روش ها برای تجسم داده ها را بیاموزید با روایت های خواننده محور، روایت های نویسنده محور و اصول ادراک آشنا شوید درک چرایی پایتون یک ابزار موثر برای محاسبات عددی است که بسیار شبیه به MATLAB است، و برخی از ساختارهای داده جالبی را که همراه آن هستند را بررسی کنید. استفاده از تکنیک های تجسم مختلف برای کشف اینکه چگونه پایتون می تواند برای محاسبات مالی و آماری بسیار مفید باشد. چارچوب مبتنی بر -مانند D3.js کشف کنید که چگونه میتوان پایتون را همراه با NoSQL، مانند Hive، برای تولید نتایج کارآمد در یک محیط توزیعشده، استفاده کرد. ادغام، درون یابی و سایر توابع ویژه با استفاده از اشیاء آرایه، یادگیری ماشینی، داده کاوی و رسم نمودار. این کتاب راهنمایی های عملی برای کمک به شما در سفر به تجسم موثر داده ارائه می دهد. این کتاب با شروع فصلی در چارچوب داده، فرآیند تجسم کامل را با استفاده از محبوبترین کتابخانههای پایتون با نمونههای کاری پوشش میدهد. شما یاد خواهید گرفت که چگونه از NumPy، SciPy استفاده کنید
About This Book Explore various tools and their strengths while building meaningful representations that can make it easier to understand data Packed with computational methods and algorithms in diverse fields of science Written in an easy-to-follow categorical style, this book discusses some niche techniques that will make your code easier to work with and reuse Who This Book Is For If you are a Python developer who performs data visualization and wants to develop your existing Python knowledge, then this book is for you. A basic knowledge level and understanding of Python libraries is assumed. What You Will Learn Gather, cleanse, access, and map data to a visual framework Recognize which visualization method is applicable and learn best practices for data visualization Get acquainted with reader-driven narratives, author-driven narratives, and the principles of perception Understand why Python is an effective tool for numerical computation much like MATLAB, and explore some interesting data structures that come with it Use various visualization techniques to explore how Python can be very useful for financial and statistical computations Compare Python with other visualization approaches using Julia and a JavaScript-based framework such as D3.js Discover how Python can be used in conjunction with NoSQL, such as Hive, to produce results efficiently in a distributed environment In Detail Python has a handful of open source libraries for numerical computations that involve optimization, linear algebra, integration, interpolation, and other special functions using array objects, machine learning, data mining, and plotting. This book offers practical guidance to help you on the journey to effective data visualization. Commencing with a chapter on the data framework, the book covers the complete visualization process, using the most popular Python libraries with working examples. You will learn how to use NumPy, SciPy