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: [2 ed.]
نویسندگان: Daniel Chen
سری:
ISBN (شابک) : 0137891156, 9780137891153
ناشر: Addison-Wesley Professional
سال نشر: 2023
تعداد صفحات: 512
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 Mb
در صورت تبدیل فایل کتاب Pandas for Everyone: Python Data Analysis (Addison-Wesley Data & Analytics Series) 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 پانداها برای همه: تجزیه و تحلیل دادههای پایتون (سری دادهها و تحلیلهای آدیسون-وسلی) 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.
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:
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.
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:
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.