Python Data Science Handbook

Python ابزار درجه یک برای بسیاری از محققان است، در درجه اول به دلیل کتابخانه های آن برای ذخیره، دستکاری و به دست آوردن بینش از داده ها. چندین منبع برای تک تک تکه‌های این پشته علم داده وجود دارد، اما فقط با نسخه جدید کتابچه راهنمای علوم داده پایتون همه آنها را دریافت می‌کنید—IPython، NumPy، پانداها، Matplotlib، scikit-learn، و موارد دیگر. ابزارهای مرتبط.

دانشمندان کار و خردکننده‌های داده که با خواندن و نوشتن کد پایتون آشنا هستند، نسخه دوم این مرجع جامع میز را برای مقابله با مسائل روزمره ایده‌آل می‌یابند: دستکاری، تبدیل، و پاک‌سازی داده‌ها. تجسم انواع مختلف داده ها؛ و استفاده از داده ها برای ساخت مدل های آماری یا یادگیری ماشینی. خیلی ساده، این مرجع ضروری برای محاسبات علمی در پایتون است.

با این کتابچه راهنما، خواهید آموخت که چگونه:

Python is a first-class tool for many researchers, primarily because of its libraries for storing, manipulating, and gaining insight from data. Several resources exist for individual pieces of this data science stack, but only with the new edition of Python Data Science Handbook do you get them all—IPython, NumPy, pandas, Matplotlib, scikit-learn, and other related tools.

Working scientists and data crunchers familiar with reading and writing Python code will find the second edition of this comprehensive desk reference ideal for tackling day-to-day issues: manipulating, transforming, and cleaning data; visualizing different types of data; and using data to build statistical or machine learning models. Quite simply, this is the must-have reference for scientific computing in Python.

With this handbook, you\'ll learn how: