Jake VanderPlas Libros

For many researchers, Python is a first-class tool mainly 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 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 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 to use: IPython and Jupyter: provide computational environments for data scientists using Python NumPy: includes the ndarray for efficient storage and manipulation of dense data arrays in Python Pandas: features the DataFrame for efficient storage and manipulation of labeled/columnar data in Python Matplotlib: includes capabilities for a flexible range of data visualizations in Python Scikit-Learn: for efficient and clean Python implementations of the most important and established machine learning algorithms

Python oferuje doskonałe narzędzia i biblioteki do pracy z danymi, które zyskały uznanie wśród naukowców i ekspertów. Aby osiągnąć najlepsze wyniki, należy dobrze poznać biblioteki Pythona oraz zasady ich użycia. Książka ta stanowi wszechstronne omówienie kluczowych bibliotek, takich jak IPython, NumPy, Pandas, Matplotlib, Scikit-Learn i innych, z naciskiem na aspekty praktyczne. Doskonale sprawdzi się w rozwiązywaniu codziennych problemów związanych z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją danych, a także w tworzeniu modeli statystycznych i uczenia maszynowego. Zawiera jasne przykłady, które pomogą w konfiguracji oraz wykorzystaniu narzędzi do analizy danych. Czytelnicy nauczą się pracować w środowisku obliczeniowym IPython, korzystać z bibliotek do pracy z danymi, stosować typy ndarray i DataFrame do przetwarzania danych, tworzyć wizualizacje za pomocą Matplotlib oraz implementować kluczowe algorytmy uczenia maszynowego z pakietu Scikit-Learn. Dzięki tej książce można wydobywać mądre odpowiedzi z danych i rozwiązywać trudne pytania.