ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

دانلود کتاب پایتون برای تجزیه و تحلیل داده ها: جدال داده ها با پانداها، NumPy و IPython

Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

مشخصات کتاب

Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

ویرایش: 2nd 
نویسندگان:   
سری:  
ISBN (شابک) : 1491957662, 9781491957660 
ناشر: O’Reilly Media 
سال نشر: 2017 
تعداد صفحات: 541 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 31,000



کلمات کلیدی مربوط به کتاب پایتون برای تجزیه و تحلیل داده ها: جدال داده ها با پانداها، NumPy و IPython: مدل‌سازی و طراحی داده، پایگاه‌های داده و کلان داده، رایانه‌ها و فناوری، پردازش داده، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری، پایتون، زبان‌های برنامه‌نویسی، رایانه‌ها و فناوری، زبان‌های برنامه‌نویسی، علوم رایانه، کتاب‌های درسی جدید، مستعمل و اجاره‌ای، بوتیک تخصصی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 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 پایتون برای تجزیه و تحلیل داده ها: جدال داده ها با پانداها، NumPy و IPython 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.


توضیحاتی در مورد کتاب پایتون برای تجزیه و تحلیل داده ها: جدال داده ها با پانداها، NumPy و IPython



دستورالعمل‌های کاملی برای دستکاری، پردازش، تمیز کردن و خرد کردن مجموعه‌های داده در پایتون دریافت کنید. نسخه دوم این راهنمای عملی که برای Python 3.6 به روز شده است، مملو از مطالعات موردی عملی است که به شما نشان می دهد چگونه مجموعه گسترده ای از مشکلات تجزیه و تحلیل داده ها را به طور موثر حل کنید. در این فرآیند، آخرین نسخه‌های پانداها، NumPy، IPython و Jupyter را خواهید آموخت.

نوشته شده توسط وس مک‌کینی، خالق پروژه پانداهای پایتون، این کتاب مقدمه‌ای کاربردی و مدرن برای داده‌ها است. ابزارهای علمی در پایتون برای تحلیلگرانی که تازه وارد پایتون شده اند و برای برنامه نویسان پایتون که تازه وارد علم داده و محاسبات علمی شده اند ایده آل است. فایل های داده و مطالب مرتبط در GitHub در دسترس هستند.

  • از پوسته IPython و نوت بوک Jupyter برای محاسبات اکتشافی استفاده کنید
  • آموزش ویژگی های اولیه و پیشرفته در NumPy (Python عددی)
  • li>
  • با ابزارهای تجزیه و تحلیل داده ها در کتابخانه پانداها شروع کنید
  • از ابزارهای انعطاف پذیر برای بارگیری، تمیز کردن، تبدیل، ادغام و تغییر شکل داده ها استفاده کنید
  • ایجاد تجسم های آموزنده با matplotlib< /li>
  • استفاده از قابلیت groupby پانداها برای برش، تاس و خلاصه کردن مجموعه داده‌ها
  • تجزیه و تحلیل و دستکاری داده‌های سری زمانی منظم و نامنظم
  • یاد بگیرید چگونه داده‌های دنیای واقعی را حل کنید. تجزیه و تحلیل مشکلات با مثال های کامل و دقیق

توضیحاتی درمورد کتاب به خارجی

Get complete instructions for manipulating, processing, cleaning, and crunching datasets in Python. Updated for Python 3.6, the second edition of this hands-on guide is packed with practical case studies that show you how to solve a broad set of data analysis problems effectively. You’ll learn the latest versions of pandas, NumPy, IPython, and Jupyter in the process.

Written by Wes McKinney, the creator of the Python pandas project, this book is a practical, modern introduction to data science tools in Python. It’s ideal for analysts new to Python and for Python programmers new to data science and scientific computing. Data files and related material are available on GitHub.

  • Use the IPython shell and Jupyter notebook for exploratory computing
  • Learn basic and advanced features in NumPy (Numerical Python)
  • Get started with data analysis tools in the pandas library
  • Use flexible tools to load, clean, transform, merge, and reshape data
  • Create informative visualizations with matplotlib
  • Apply the pandas groupby facility to slice, dice, and summarize datasets
  • Analyze and manipulate regular and irregular time series data
  • Learn how to solve real-world data analysis problems with thorough, detailed examples




نظرات کاربران