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: 2nd Edition
نویسندگان: Fandango. Armando
سری:
ISBN (شابک) : 9781787127487, 3540584846
ناشر: Packt Publishing
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های پایتون: پردازش داده های الکترونیکی، کتاب الکترونیکی، کتاب های الکترونیکی
در صورت تبدیل فایل کتاب 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 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.
پوشش دادن؛ وام؛ درباره نویسنده؛ درباره داوران؛ www.PacktPub.com; بازخورد مشتری؛ فهرست مطالب؛ پیشگفتار؛ فصل 1: شروع به کار با کتابخانه های پایتون. نصب پایتون 3; نصب کتابخانه های تجزیه و تحلیل داده ها؛ در لینوکس یا Mac OS X؛ در ویندوز؛ استفاده از IPython به عنوان یک پوسته. خواندن صفحات کتابچه راهنمای کاربر؛ نوت بوک Jupyter; آرایه های NumPy؛ یک برنامه ساده؛ از کجا می توان کمک و مراجع پیدا کرد. فهرست کردن ماژول ها در کتابخانه های پایتون. تجسم داده ها با استفاده از Matplotlib. خلاصه؛ فصل 2: آرایه های NumPy. شی آرایه NumPy؛ مزایای آرایه های NumPy؛ ایجاد یک آرایه چند بعدی.; حاشیه نویسی
Cover; Credits; About the Author; About the Reviewers; www.PacktPub.com; Customer Feedback; Table of Contents; Preface; Chapter 1: Getting Started with Python Libraries; Installing Python 3; Installing data analysis libraries; On Linux or Mac OS X; On Windows; Using IPython as a shell; Reading manual pages; Jupyter Notebook; NumPy arrays; A simple application; Where to find help and references; Listing modules inside the Python libraries; Visualizing data using Matplotlib; Summary; Chapter 2: NumPy Arrays; The NumPy array object; Advantages of NumPy arrays; Creating a multidimensional array.;Annotation
Getting started with Python libraries --
NumPy arrays --
Statistics and linear algebra --
pandas primer --
Retrieving, processing, and storing data --
Data visualization --
Signal processing and time series --
Working with databases --
Analyzing textual data and social media --
Predictive analytics and machine learning --
Environments outside the Python ecosystem and cloud computing --
Performance tuning, profiling, and concurrency --
Appendix A : key concepts --
Appendix B : useful functions --
Appendix C : online resources.