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: Daniel Y. Chen
سری:
ناشر: Addison-Wesley Professional
سال نشر: 2017
تعداد صفحات: 161
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Pandas for Everyone. Python Data Analysis 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 پاندا برای همه تجزیه و تحلیل 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.
این آموزش هر آنچه را که برای شروع برنامه نویسی پایتون برای
حوزه سریع در حال رشد تجزیه و تحلیل داده ها نیاز دارید را آموزش
می دهد. دانیل چن هر مفهوم جدید را محکم با مثالهای کاربردی آسان
و مرتبط از تجزیه و تحلیل دادههای مدرن پیوند میدهد.
برخلاف سایر کتابهای مبتدی، این راهنما به تازهواردان امروزی
کمک میکند هم پایتون و هم مجموعه ابزار علم داده محبوب پانداها
را در زمینه یاد بگیرند. از وظایفی که واقعاً می خواهند انجام
دهند. با پیروی از روش اثبات شده نرم افزار نجاری برای آموزش
برنامه نویسی، چن هر مفهوم را با یک مثال انگیزشی ساده معرفی می
کند، به آرامی بینش های عمیق تری را ارائه می دهد و توانایی شما
برای انجام وظایف مشخص را افزایش می دهد.
هر فصل با یک نقشه مفهومی روشن شده است: یک نقشه بصری فهرست بصری
چیزهایی که یاد میگیرید - و راهی آسان برای مراجعه به آنچه قبلاً
آموختهاید. مجموعه گسترده ای از ضمیمه های آسان خوان به شما کمک
می کند شکاف های دانش را در هر کجا که وجود دارد پر کنید. پوشش
شامل موارد زیر است:
تنظیم محیط پایتون و پانداها
شروع به کار با دیتافریم های پاندا
استفاده از فریم های داده برای محاسبه و انجام وظایف آماری
اولیه
نقشه در Matplotlib
پاک کردن داده ها، تغییر شکل فریم های داده، مدیریت موارد گمشده
مقادیر، کار با تاریخها و موارد دیگر
ساخت مدلهای پایه تجزیه و تحلیل دادهها
بهکارگیری تکنیکهای یادگیری ماشین: هم با نظارت و هم بدون
نظارت
ایجاد اسناد قابل تکرار با استفاده از تکنیکهای برنامهنویسی
باسواد
This tutorial teaches everything you need to get started with
Python programming for the fast-growing field of data analysis.
Daniel Chen tightly links each new concept with easy-to-apply,
relevant examples from modern data analysis.
Unlike other beginners books, this guide helps todays newcomers
learn both Python and its popular Pandas data science toolset
in the context of tasks theyll really want to perform.
Following the proven Software Carpentry approach to teaching
programming, Chen introduces each concept with a simple
motivating example, slowly offering deeper insights and
expanding your ability to handle concrete tasks.
Each chapter is illuminated with a concept map: an intuitive
visual index of what youll learn -- and an easy way to refer
back to what youve already learned. An extensive set of
easy-to-read appendices help you fill knowledge gaps wherever
they may exist. Coverage includes:
Setting up your Python and Pandas environment
Getting started with Pandas dataframes
Using dataframes to calculate and perform basic statistical
tasks
Plotting in Matplotlib
Cleaning data, reshaping dataframes, handling missing values,
working with dates, and more
Building basic data analytics models
Applying machine learning techniques: both supervised and
unsupervised
Creating reproducible documents using literate programming
techniques