Изучаем pandas, Хейдт М., 2018

К сожалению, на данный момент у нас невозможно бесплатно скачать полный вариант книги.

Но вы можете попробовать скачать полный вариант, купив у наших партнеров электронную книгу здесь, если она у них есть наличии в данный момент.

Также можно купить бумажную версию книги здесь.

Ссылки на файлы заблокированы по запросу правообладателей.

Links to files are blocked at the request of copyright holders.

Изучаем pandas, Хейдт М., 2018.

  Библиотека pandas - популярный пакет для анализа и обработки данных на языке Python. Он предлагает эффективные, быстрые, высокопроизводительные структуры данных, которые позволяют существенно упростить работу. Данная книга познакомит вас с обширным набором инструментов, предлагаемых библиотекой pandas, - начиная с обзора загрузки данных с удаленных источников, выполнения численного и статистического анализа, индексации, агрегации и заканчивая визуализацией данных и анализом финансовой информации.
Издание предназначено всем разработчикам на языке Python, интересующимся обработкой данных.

Изучаем pandas, Хейдт М., 2018


Библиотека pandas и анализ данных.
Добро пожаловать на страницы книги «Изучаем pandas»! В этой книге мы отправимся в путешествие, в ходе которого вы научитесь работать с pandas, библиотекой анализа данных с открытым исходным кодом, предназначенной для языка программирования Python. Библиотека pandas предлагает высокопроизводительные и простые в использовании структуры данных и инструменты анализа, созданные с помощью языка Python. Библиотека pandas привнесла в Python массу полезных инструментов, взяв их из языка статистического программирования R, в частности объекты data frame (датафрейм), пакеты R, например plyr и reshape2, и разместила их в одной библиотеке, которую вы можете использовать в среде Python.

В первой главе мы посвятим время базовому знакомству с библиотекой pandas и тому, как она вписывается в обширную картину анализа данных. Вместо того чтобы полностью сосредоточиться на конкретных аспектах использования библиотеки pandas, эта глава призвана дать читателю ощущение своего места в обширной картине анализа данных. Цель состоит в том, чтобы при изучении библиотеки pandas вы также узнали о том, зачем нужны все эти различные функции, выполняющие задачи анализа данных.

Оглавление.
Предисловие.
Глава 1. Библиотека pandas и анализ данных.
Глава 2. Запуск библиотеки pandas.
Глава 3. Представление одномерных данных с помощью объекта Series.
Глава 4. Представление табличных и многомерных данных с помощью объекта DataFrame.
Глава 5. Выполнение операций над объектом DataFrame и его содержимым.
Глава 6. Индексация данных.
Глава 7. Категориальные данные.
Глава 8. Численные и статистические методы.
Глава 9. Загрузка данных.
Глава 10. Приведение данных в порядок.
Глава 11. Объединение, связывание и изменение формы данных.
Глава 12. Агрегирование данных.
Глава 13. Анализ временных рядов.
Глава 14. Визуализация.
Глава 15. Анализ исторических котировок акций.
Приложение 1. Советы по оптимизации вычислений в библиотеке pandas.
Приложение 2. Улучшение производительности pandas (из официального пособия по библиотеке pandas).
Приложение 3. Используем pandas для больших данных.
Приложение 4. Пример предварительной подготовки данных в pandas.
Предметный указатель.

Купить .

По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.

On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.


Дата публикации:

Хештеги: :: ::


Следующие учебники и книги:
Предыдущие статьи: