Python и анализ данных Книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др. Издание идеально подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.
Название: Python и анализ данных Автор: Уэс Маккинни Издательство: ДМК Пресс Год: 2015 Страниц: 482 Формат: DJVU Размер: 18 МБ ISBN: 978-5-97060-315-4 Качество: Отличное Язык: Русский
Содержание:
Предисловие Графические выделения Глава 1. Предварительные сведения О чем эта книга? Почему именно Python? Установка и настройка Сообщество и конференции Структура книги Благодарности Глава 2. Первые примеры Набор данных 1.usa.gov с сайта bit.ly Набор данных MovieLens 1М Имена, которые давали детям в США за периоде 1880 по 2010 год Выводы и перспективы Глава 3. IPython: интерактивные вычисления и среда разработки Основы IPython История команд Взаимодействие с операционной системой Средства разработки программ HTML-блокнот в IPython Советы по продуктивной разработке кода с использованием IPython Дополнительные возможности IPython Благодарности Глава 4. Основы NumPy: массивы и векторные вычисления NumPy ndarray: объект многомерного массива Универсальные функции: быстрые поэлементные операции над массивами Обработка данных с применением массивов Файловый ввод-вывод массивов Линейная алгебра Генерация случайных чисел Глава 5. Первое знакомство с pandas Введение в структуры данных pandas Базовая функциональность Редукция и вычисление описательных статистик Обработка отсутствующих данных Иерархическое индексирование Другие возможности pandas Глава 6. Чтение и запись данных, форматы файлов Чтение и запись данных в текстовом формате Взаимодействие с базами данных Глава 7. Переформатирование данных: очистка, преобразование, слияние, изменение формы Комбинирование и слияние наборов данных Изменение формы и поворот Преобразование данных Манипуляции со строками Пример: база данных о продуктах питания министерства сельского хозяйства США Глава 8. Построение графиков и визуализация Краткое введение в API библиотеки matplotlib Функции построения графиков в pandas Нанесение данных на карту: визуализация данных о землетрясении на Гаити Инструментальная экосистема визуализации для Python Глава 9. Агрегирование данных и групповые операции Механизм GroupBy Агрегирование данных Групповые операции и преобразования Сводные таблицы и кросс-табуляция Глава 10. Временные ряды Типы данных и инструменты, относящиеся к дате и времени Основы работы с временными рядами Диапазоны дат, частоты и сдвиг Часовые пояса Передискретизация и преобразование частоты Графики временных рядов Скользящие оконные функции Замечания о быстродействии и потреблении памяти Глава 11. Финансовые и экономические приложения О переформатировании данных Групповые преобразования и анализ Другие примеры приложений Глава 12. Дополнительные сведения о библиотеке NumPy Дополнительные манипуляции с массивами Укладывание Дополнительные способы использования универсальных функций Структурные массивы Еще о сортировке Дополнительные сведения о вводе-выводе массивов Замечание о производительности Приложение. Основы языка Python Интерпретатор Python Основы Структуры данных и последовательности Функции Генераторы Файлы и операционная система Предметный указатель
Все материалы размещенные на сайте //gigabyt.at.ua/ пренадлежат их владельцам и предоставляются исключительно в ознакомительных целях. Администрация ответственности за содержание материала не несет и убытки не возмещает. По истечении 24 часов материал должен быть удален с вашего компьютера. Незаконная реализация карается законами РФ и Украины: "Об авторском и смежном праве". При копировании материала, ссылка на сайт обязательна!
