Python data science

• Verfasst von: Vanderplas, Jacob T. [VerfasserIn]
• Titel: Python data science
• Titelzusatz: Niezbędne narzędzia do pracy z danymi
• Mitwirkende: Kamiński, Filip [ÜbersetzerIn]
• Werktitel: Python data science handbook
• Verf.angabe: Jake VanderPlas ; przekład, Filip Kamiński
• Ausgabe: Wydanie II.
• Verlagsort: Gliwice
• Verlag: Helion
• E-Jahr: 2024
• Jahr: [2024]
• Umfang: 1 online resource (544 pages)
• Illustrationen: illustrations
• Fussnoten: Includes bibliographical references
• ISBN: 978-83-289-0068-4
• ISBN: 83-289-0068-8
• Datenträger: Online-Ressource
• Sprache: pol
• Sach-SW: Python (Langage de programmation)
• Sach-SW: Exploration de données (Informatique)
• K10plus-PPN: 1892758814
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext
• Lokale URL UB: Bibliothek der Medizinischen Fakultät Mannheim der Universität Heidelberg
• Bibliothek/Idn: UW / m4544430542
• Lokale URL Inst.: Zum Volltext

Abstract

Python udostępnia pierwszorzędne narzędzia i biblioteki przeznaczone specjalnie do pracy z danymi. Zdobyły one uznanie wielu naukowców i ekspertów, ceniących ten język za wysoką jakość rozwiałzań służących do wydobywania wiedzy z danych. Aby uzyskać najlepsze możliwe efekty, trzeba dobrze poznać zarówno poszczególne biblioteki Pythona, jak i zasady pracy z nimi. Ta książka stanowi wszechstronne omówienie wszystkich bibliotek Pythona, potrzebnych naukowcom i specjalistom pracującym z danymi. Znalazł się tu dokładny opis IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i innych narzędzi. Podręcznik uwzględnia przede wszystkim ich aspekty praktyczne, dzięki czemu świetnie się sprawdzi w rozwiązywaniu codziennych problemów z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją różnych typów danych, a także jako pomoc podczas tworzenia modeli statystycznych i modeli uczenia maszynowego. Docenią go wszyscy, którzy zajmują się obliczeniami naukowymi w Pythonie. To wydanie zawiera jasne przykłady, które pomogą Ci skonfigurować i wykorzystać narzędzia do nauki o danych i uczenia maszynowego. Anne Bonner, założycielka i dyrektor generalna Content Simplicity Nauczysz się: pracować w naukowym środowisku obliczeniowym IPythona korzystać ze specjalistycznych bibliotek przeznaczonych do pracy z danymi stosować typy ndarray i DataFrame do przechowywania i przetwarzania danych tworzyć różnego rodzaju wizualizacje danych za pomocą Matplotlib implementować najważniejsze algorytmy uczenia maszynowego z pakietu Scikit-Learn Wydobywaj z danych mądre odpowiedzi na trudne pytania!