Pandas for Everyone: Python Data Analysis (Addison-Wesley Data & Analytics Series)

مدیریت و خودکارسازی تجزیه و تحلیل داده ها با پانداها در پایتون

امروزه، تحلیلگران باید داده های مشخص شده را مدیریت کنند با تنوع، سرعت و حجم فوق العاده. با استفاده از کتابخانه منبع باز Pandas، می توانید از پایتون برای خودکارسازی سریع و انجام تقریباً هر کار تجزیه و تحلیل داده، صرف نظر از اینکه چقدر بزرگ یا پیچیده باشد، استفاده کنید. پانداها می‌توانند به شما کمک کنند از صحت داده‌هایتان اطمینان حاصل کنید، آن‌ها را برای تصمیم‌گیری مؤثر تجسم کنید، و تجزیه و تحلیل‌ها را به‌طور قابل اعتمادی در مجموعه‌های داده‌های متعدد بازتولید کنید.

Pandas for Everyone، نسخه دوم،</ span> دانش و بینش عملی را برای حل مشکلات واقعی با پانداها گرد هم می آورد، حتی اگر در تجزیه و تحلیل داده های پایتون تازه کار باشید. دانیل ی چن مفاهیم کلیدی را از طریق مثال‌های ساده اما کاربردی معرفی می‌کند و به صورت تدریجی بر روی آنها می‌افزاید تا مسائل پیچیده‌تر و واقعی‌تر علم داده را حل کند، مانند استفاده از منظم‌سازی برای جلوگیری از تطبیق بیش از حد داده‌ها، یا زمان استفاده از روش‌های یادگیری ماشینی بدون نظارت برای یافتن ساختار اساسی. در یک مجموعه داده.

ویژگی‌های جدید نسخه دوم عبارتند از: 

• پوشش گسترده‌ای از نمودار و کتابخانه تجسم داده‌های دریایی< /span>
• نمونه‌ها و منابع گسترده
• کد Python 3.9 به‌روزرسانی شده و پوشش بسته‌ها، از جمله مدل‌های آماری و کتابخانه‌های یادگیری scikit
• مواد جایزه آنلاین در geopandas، Dask، و ایجاد گرافیک‌های تعاملی با Altair< /span>

چن به شما شروعی جهشی در استفاده از پانداها با مجموعه داده‌های واقعی می‌دهد و ترکیب مجموعه‌های داده، مدیریت داده‌های از دست رفته و ساختار مجموعه داده‌ها را برای تجزیه و تحلیل آسان‌تر پوشش می‌دهد. و تجسم او تکنیک‌های قدرتمند پاک‌سازی داده‌ها را، از دستکاری رشته‌ها تا اعمال توابع به‌طور همزمان در قالب‌های داده را نشان می‌دهد.

هنگامی که داده‌های شما آماده شد، چن شما را از طریق مدل‌های برازش برای پیش‌بینی، خوشه‌بندی، استنتاج و کاوش راهنمایی می‌کند. او نکاتی در مورد عملکرد و مقیاس پذیری ارائه می دهد و شما را با اکوسیستم تجزیه و تحلیل داده های پایتون گسترده تر آشنا می کند.

• با DataFrames و Series کار کنید و داده‌ها را وارد یا صادر کنید
• < span>ایجاد نمودار با matplotlib، seaborn، و پانداها
• ترکیب مجموعه داده ها و مدیریت داده های از دست رفته
• مجموعه‌های داده را تغییر شکل دهید، مرتب و تمیز کنید تا کار با آنها آسان‌تر شود
• تبدیل انواع داده و رشته های متنی را دستکاری کنید
• اعمال توابع در مقیاس دستکاری داده ها
• < span>مجموعه، تبدیل و فیلتر کردن مجموعه داده های بزرگ با groupby
• از قابلیت های پیشرفته تاریخ و زمان پانداها استفاده کنید
• مدل‌های خطی را با استفاده از مدل‌های آماری و کتابخانه‌های یادگیری scikit برازش دهید
• از مدل‌سازی خطی تعمیم‌یافته برای تناسب استفاده کنید مدل هایی با متغیرهای پاسخ متفاوت
• چند مدل را برای انتخاب "بهترین" مقایسه کنید
• برای غلبه بر بیش از حد برازش و بهبود عملکرد منظم کنید
• از خوشه‌بندی در یادگیری ماشینی بدون نظارت استفاده کنید< /li>

Manage and Automate Data Analysis with Pandas in Python

Today, analysts must manage data characterized by extraordinary variety, velocity, and volume. Using the open source Pandas library, you can use Python to rapidly automate and perform virtually any data analysis task, no matter how large or complex. Pandas can help you ensure the veracity of your data, visualize it for effective decision-making, and reliably reproduce analyses across multiple data sets.

Pandas for Everyone, 2nd Edition, brings together practical knowledge and insight for solving real problems with Pandas, even if you’re new to Python data analysis. Daniel Y. Chen introduces key concepts through simple but practical examples, incrementally building on them to solve more difficult, real-world data science problems such as using regularization to prevent data overfitting, or when to use unsupervised machine learning methods to find the underlying structure in a data set.

New features to the second edition include: 

• Extended coverage of plotting and the seaborn data visualization library
• Expanded examples and resources
• Updated Python 3.9 code and packages coverage, including statsmodels and scikit-learn libraries
• Online bonus material on geopandas, Dask, and creating interactive graphics with Altair

Chen gives you a jumpstart on using Pandas with a realistic data set and covers combining data sets, handling missing data, and structuring data sets for easier analysis and visualization. He demonstrates powerful data cleaning techniques, from basic string manipulation to applying functions simultaneously across dataframes.

Once your data is ready, Chen guides you through fitting models for prediction, clustering, inference, and exploration. He provides tips on performance and scalability and introduces you to the wider Python data analysis ecosystem. 

• Work with DataFrames and Series, and import or export data
• Create plots with matplotlib, seaborn, and pandas
• Combine data sets and handle missing data
• Reshape, tidy, and clean data sets so they’re easier to work with
• Convert data types and manipulate text strings
• Apply functions to scale data manipulations
• Aggregate, transform, and filter large data sets with groupby
• Leverage Pandas’ advanced date and time capabilities
• Fit linear models using statsmodels and scikit-learn libraries
• Use generalized linear modeling to fit models with different response variables
• Compare multiple models to select the “best” one
• Regularize to overcome overfitting and improve performance
• Use clustering in unsupervised machine learning