Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II
- Wydawnictwo:
- Helion
- Wydawnictwo:
- Helion
- Ocena:
- 6.0/6 Opinie: 1
- Stron:
- 544
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis ebooka: Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II
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 rozwiązań 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!
Python to pierwszorzędne narzędzie wykorzystywane przez wielu naukowców głównie ze względu na jego biblioteki do przechowywania, przekształcania i uzyskiwania wglądu w dane. Istnieje kilka pozycji koncentrujących się na poszczególnych elementach stosu nauki o danych Pythona, ale jedynie w nowym wydaniu Python Data Science. Niezbędne narzędzia do pracy z danymi poznasz je wszystkie. W książce omówiono IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i inne powiązane z nimi narzędzia.
Dla naukowców i innych osób przetwarzające dane, które są zaznajomione z językiem Python drugie wydanie tego wszechstronnego podręcznika świetnie sprawdzi się podczas rozwiązywania codziennych problemów związanych z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją różnych typów danych oraz wykorzystywaniem danych do tworzenia modeli statystycznych i modeli uczenia maszynowego. Jest to po prostu niezbędny punkt odniesienia dla osób wykonujących obliczenia naukowe w Pythonie.
Z tego podręcznika dowiesz się, jak:
- pracować w naukowym środowisku obliczeniowym udostępniamy przez IPythona i Jupytera
- wykorzystać dostępny w NumPy typ ndarray do wydajnego przechowywania i przekształcania gęstych tablic danych,
- wykorzystać dostępny w Pandas typ DataFrame do wydajnego przechowywania i przetwarzania etykietowanych lub kolumnowych danych,
- za pomocą Matplotlib stworzyć różnego rodzaju wizualizacje danych,
- wykorzystać wydajne i przejrzyste implementacje najważniejszych i najpopualrniejszych algorytmów uczenia maszynowego dostępne w pakiecie Scikit-Learn
To świeżo zaktualizowane wydanie zawiera jasne, łatwe do powtórzenia przykłady, które pomogą Ci skonfigurować i wykorzystać narzędzi do nauki o danych i uczenia maszynowego.
Anne Bonner, założycielka i dyrektor generalna Content Simplicity
Wybrane bestsellery
-
Python is a first-class tool for many researchers, primarily 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 new edition of Python Data Science Handbook do you get them a...(226.94 zł najniższa cena z 30 dni)
226.44 zł
279.00 zł(-19%) -
Dzięki tej książce dowiesz się, jak pozyskiwać, analizować i wizualizować dane, a potem używać ich do rozwiązywania problemów biznesowych. Wystarczy, że znasz podstawy Pythona i matematyki na poziomie liceum, aby zacząć stosować naukę o danych w codziennej pracy. Znajdziesz tu szereg praktycznych...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
Ta książka wyjaśni Ci rolę matematyki w tworzeniu, renderowaniu i zmienianiu wirtualnych środowisk 3D, a ponadto pozwoli odkryć tajemnice najpopularniejszych dzisiaj silników gier. Za sprawą licznych praktycznych ćwiczeń zorientujesz się, co się kryje za rysowaniem linii i kształtów graficznych, ...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Dzięki tej książce zrozumiesz, że w rekurencji nie kryje się żadna magia. Dowiesz się, na czym polega jej działanie i kiedy warto zastosować algorytm rekursywny, a kiedy lepiej tego nie robić. Poznasz szereg klasycznych i mniej znanych algorytmów rekurencyjnych. Pracę z zawartym tu materiałem uła...(47.40 zł najniższa cena z 30 dni)
47.40 zł
79.00 zł(-40%) -
Python to jeden z najpopularniejszych dynamicznych języków programowania. Nie od dziś znajduje on zastosowanie w różnych dziedzinach informatyki, zwłaszcza jako doskonały język skryptowy. Jeśli korzystasz z niego na co dzień i chcesz szybko wyszukiwać niezbędne informacje lub odświeżyć swoją wied...(8.49 zł najniższa cena z 30 dni)
8.49 zł
17.00 zł(-50%)
O autorze ebooka
Jake VanderPlas jest inżynierem oprogramowania w Google Research. Współtworzy i rozwija narzędzia do przetwarzania dużych ilości danych, w tym pakiety Scikit-Learn, SciPy, Astropy, Altair i JAX. Jest także twórcą samouczków, często występuje jako prelegent na branżowych konferencjach.
Zobacz pozostałe książki z serii
-
To drugie, zaktualizowane wydanie przewodnika po systemie Prometheus. Znajdziesz w nim wyczerpujące wprowadzenie do tego oprogramowania, a także wskazówki dotyczące monitorowania aplikacji i infrastruktury, tworzenia wykresów, przekazywania ostrzeżeń, bezpośredniej instrumentacji kodu i pobierani...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Dzięki tej książce zrozumiesz bazowe koncepcje programowania funkcyjnego i przekonasz się, że możesz włączać je do kodu bez rezygnacji z paradygmatu obiektowego. Dowiesz się również, kiedy w swojej codziennej pracy używać takich opcji jak niemutowalność i funkcje czyste i dlaczego warto to robić....(52.20 zł najniższa cena z 30 dni)
52.20 zł
87.00 zł(-40%) -
Ta książka będzie świetnym uzupełnieniem wiedzy o Flutterze i Darcie, sprawdzi się również jako wsparcie podczas rozwiązywania konkretnych problemów. Znalazło się tu ponad sto receptur, dzięki którym poznasz tajniki pisania efektywnego kodu, korzystania z narzędzi udostępnianych przez framework F...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
Ten przewodnik, który docenią programiści i architekci, zawiera wyczerpujące omówienie zagadnień projektowania, funkcjonowania i modyfikowania architektury API. Od strony praktycznej przedstawia strategie budowania i testowania API REST umożliwiającego połączenie oferowanej funkcjonalności na poz...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
W tej książce omówiono ponad 20 najprzydatniejszych wzorców projektowych, dzięki którym tworzone aplikacje internetowe będą łatwe w późniejszej obsłudze technicznej i w trakcie skalowania. Poza wzorcami projektowymi przedstawiono wzorce generowania i wydajności działania, których znaczenie dla uż...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
To gruntownie zaktualizowane i uzupełnione wydanie praktycznego przewodnika po wdrażaniu i testowaniu kontenerów Dockera. Przedstawia proces przygotowania pakietu aplikacji ze wszystkimi ich zależnościami, a także jego testowania, wdrażania, skalowania i utrzymywania w środowiskach produkcyjnych....(52.20 zł najniższa cena z 30 dni)
52.20 zł
87.00 zł(-40%) -
To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykłada...(46.20 zł najniższa cena z 30 dni)
46.20 zł
77.00 zł(-40%) -
Oto kolejne wydanie zwięzłego podręcznika dla programistów Javy, który ma ułatwić maksymalne wykorzystanie technologii tego języka w wersji 17. Treść została skrupulatnie przejrzana i uzupełniona o materiał dotyczący nowości w obiektowym modelu Javy. Pierwsza część książki obejmuje wprowadzenie d...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Oto zwięzły i praktyczny przewodnik po usłudze GA4 i jej integracji z chmurą. Szczególnie skorzystają z niego analitycy danych, biznesu i marketingu. Opisano tu wszystkie istotne kwestie dotyczące tego nowego, potężnego modelu analitycznego. Szczególną uwagę poświęcono bardziej zaawansowanym funk...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
Dzięki tej książce dowiesz się, w jaki sposób uczynić architekturę oprogramowania wystarczająco plastyczną, aby mogła odzwierciedlać zachodzące zmiany biznesowe i technologiczne. W nowym wydaniu rozbudowano pojęcia zmiany kierowanej i przyrostowej, a także przedstawiono najnowsze techniki dotyczą...(40.20 zł najniższa cena z 30 dni)
40.20 zł
67.00 zł(-40%)
Ebooka "Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Recenzje ebooka: Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II (1) Poniższe recenzje mogły powstać po przekazaniu recenzentowi darmowego egzemplarza poszczególnych utworów bądź innej zachęty do jej napisania np. zapłaty.
-
Recenzja: czytanepodchmurka Rutkowska PaulinaRecenzja dotyczy produktu: ksiązka drukowanaCzy recenzja była pomocna:
"Python Data Science" jest książką, która omawia wszystkie bibliotki, które są niezbędne do pracy z danymi. Zaprezentowany został między innymi dokładny opis IPythona, NumPy, Pandas, Matplotlib czy Scikit-Learn. Dzięki uwzględnieniu przez autora ich praktycznych aspektów, ten podręcznik sprawdzi się doskonalne przy rozwiązywaniu codziennych problemów z przekształcaniem, oczyszczaniem, manipulowaniem czy wizualizacją różnych typów danych. Będzie on również świetną podstawą do tworzenia modeli statystycznych czy modeli uczenia maszynowego. Powiedziałabym, że jest to podręcznik dedykowany osobom, które zrobiły już swoje pierwszego kroki z tym językiem i potrafią poruszać się w środkowisku Pythona, jednak dla osób mniej zaawansowanych znajdą się tutaj podstwowe pojęcia takie jak nauka o danych czy uczenie maszynowe.
Szczegóły ebooka
- Tytuł oryginału:
- Python Data Science Handbook: Essential Tools for Working with Data, 2nd Edition
- Tłumaczenie:
- Filip Kamiński
- ISBN Książki drukowanej:
- 978-83-289-0068-4, 9788328900684
- Data wydania książki drukowanej:
- 2023-12-06
- ISBN Ebooka:
- 978-83-289-0069-1, 9788328900691
- Data wydania ebooka:
- 2023-11-07 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Format:
- 165x235
- Numer z katalogu:
- 206507
- Książka w kolorze:
- Tak
- Rozmiar pliku Pdf:
- 64.7MB
- Rozmiar pliku ePub:
- 27.7MB
- Rozmiar pliku Mobi:
- 52.2MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
Spis treści ebooka
- 1. Wprowadzenie do IPythona oraz Jupytera
- Uruchamianie powłoki IPythona
- Uruchamianie Jupyter Notebook
- IPython - pomoc i dokumentacja
- Dostęp do dokumentacji za pomocą ?
- Dostęp do kodu źródłowego za pomocą ??
- Przeglądanie zawartości modułów za pomocą autouzupełniania z tabulatorem
- Skróty klawiaturowe w powłoce IPython
- Skróty do nawigacji
- Skróty do wprowadzania tekstu
- Skróty związane z historią poleceń
- Pozostałe skróty
- 2. Funkcje interaktywne
- Magiczne polecenia IPythona
- Uruchamianie zewnętrznego kodu za pomocą %run
- Pomiar czasu wykonania za pomocą %timeit
- Pomoc dotycząca magicznych poleceń ?, %magic i %lsmagic
- Historia wejścia i wyjścia
- Obiekty In i Out IPythona
- Symbol podkreślenia i poprzednie wyjścia
- Wyłączanie wyjścia
- Inne magiczne polecenia
- Polecenia IPythona i powłoki
- Krótkie wprowadzenie do powłoki
- Polecenia powłoki w IPythonie
- Przekazywanie wartości do i z powłoki
- Magiczne polecenia związane z powłoką
- Magiczne polecenia IPythona
- 3. Debugowanie i profilowanie
- Błędy i debugowanie
- Kontrolowanie wyjątków za pomocą %xmode
- Debugowanie - gdy lektura śladu nie wystarcza
- Profilowanie kodu i pomiary czasu jego wykonania
- Pomiar czasu wykonania fragmentu kodu za pomocą %timeit i %time
- Profilowanie całych skryptów za pomocą %prun
- Profilowanie linia po linii za pomocą %lprun
- Profilowanie pamięci za pomocą %memit i %mprun
- Więcej materiałów na temat IPythona
- Materiały dostępne w sieci
- Książki
- Błędy i debugowanie
- 4. Zrozumieć typy danych w Pythonie
- Typ całkowitoliczbowy w Pythonie to coś więcej niż zwykły int
- Lista w Pythonie to coś więcej niż zwykła lista
- Tablice o stałym typie w Pythonie
- Tworzenie tablic z list
- Tworzenie tablic od podstaw
- Standardowe typy danych NumPy
- 5. Podstawy pracy z tablicami NumPy
- Atrybuty tablicy NumPy
- Indeksowanie tablicy - dostęp do pojedynczych elementów
- Slicing, czyli sposób na dostęp do podtablic
- Jednowymiarowe podtablice
- Wielowymiarowe podtablice
- Podtablice jako widoki bez kopiowania
- Kopiowanie tablic
- Zmiana kształtu tablic
- Konkatenacja i dzielenie tablic
- Konkatenacja tablic
- Dzielenie tablic
- 6. Obliczenia z użyciem tablic NumPy - funkcje uniwersalne
- Powolność pętli
- Wprowadzenie do funkcji uniwersalnych
- Przegląd funkcji uniwersalnych dostępnych w NumPy
- Arytmetyka tablicowa
- Wartość bezwzględna
- Funkcje trygonometryczne
- Potęgi i logarytmy
- Funkcje uniwersalne do zastosowań specjalnych
- Zaawansowane możliwości funkcji uniwersalnych
- Określanie miejsca zapisu danych wyjściowych
- Agregacje
- Metoda outer
- Więcej materiałów na temat funkcji uniwersalnych
- 7. Agregacje - minimum, maksimum i wszystko pomiędzy nimi
- Sumowanie wartości w tablicy
- Minimum i maksimum
- Agregacja w wielu wymiarach
- Inne funkcje agregujące
- Przykład: jaki jest średni wzrost prezydenta USA?
- 8. Obliczenia na tablicach - broadcasting
- Co to jest broadcasting?
- Zasady broadcastingu
- Pierwszy przykład
- Drugi przykład
- Trzeci przykład
- Broadcasting w praktyce
- Centrowanie wartości w tablicy
- Rysowanie wykresów funkcji dwuwymiarowych
- 9. Porównania, maski i logika boolowska
- Przykład: sprawdzanie, przez ile dni padało
- Operatory porównania jako funkcje uniwersalne
- Praca z tablicami wartości logicznych
- Zliczanie wpisów
- Operatory logiczne
- Tablice wartości logicznych jako maski
- Słowa kluczowe and i or kontra operatory &/|
- 10. Fancy indexing
- Jak działa fancy indexing?
- Łączenie różnych metod indeksowania
- Przykład: wybieranie losowych punktów
- Modyfikowanie wartości za pomocą fancy indexingu
- Przykład: podział danych na kubełki
- 11. Sortowanie tablic
- Szybkie sortowanie w NumPy - np.sort i np.argsort
- Sortowanie wzdłuż wierszy lub kolumn
- Sortowanie częściowe - partycjonowanie
- Przykład: metoda k najbliższych sąsiadów
- 12. Dane ustrukturyzowane - ustrukturyzowane tablice NumPy
- Tworzenie ustrukturyzowanych tablic
- Bardziej zaawansowane typy złożone
- Tablice rekordów - ustrukturyzowane tablice z niespodzianką
- W stronę Pandas
- 13. Wprowadzenie do obiektów Pandas
- Obiekt typu Series
- Obiekty typu Series jako uogólnienie tablic NumPy
- Obiekt typu Series jako szczególny rodzaj słownika
- Tworzenie obiektów typu Series
- Obiekt typu DataFrame
- Ramka danych jako uogólnienie tablicy NumPy
- Ramka danych jako szczególny rodzaj słownika
- Tworzenie obiektów typu DataFrame
- Obiekt typu Index
- Indeks jako niemutowalna tablica
- Indeks jako uporządkowany zbiór
- Obiekt typu Series
- 14. Indeksowanie i wybieranie
- Wybór danych z obiektów typu Series
- Obiekt typu Series jako słownik
- Obiekt typu Series jako jednowymiarowa tablica
- Indeksatory: loc i iloc
- Wybór danych z obiektów typu DataFrame
- Obiekt typu DataFrame jako słownik
- Obiekt typu DataFrame jako dwuwymiarowa tablica
- Inne konwencje związane z indeksowaniem
- Wybór danych z obiektów typu Series
- 15. Operacje na danych w Pandas
- Funkcje uniwersalne - zachowanie indeksu
- Funkcje uniwersalne - dopasowanie indeksu
- Dopasowanie indeksu w obiektach typu Series
- Dopasowanie indeksu w obiektach typu DataFrame
- Funkcje uniwersalne - operacje pomiędzy ramkami danych a obiektami typu Series
- 16. Obsługa brakujących danych
- Kompromisy w konwencjach dotyczących brakujących danych
- Brakujące dane w Pandas
- None jako rodzaj wartownika
- NaN - brakujące dane liczbowe
- NaN i None w Pandas
- Nullowalne typy danych w Pandas
- Praca z wartościami typu null
- Wykrywanie wartości typu null
- Usuwanie wartości typu null
- Uzupełnianie braków
- 17. Indeksowanie hierarchiczne
- Wielokrotnie indeksowane obiekty typu Series
- Zły sposób
- Lepszy sposób - MultiIndex z Pandas
- MultiIndex jako dodatkowy wymiar
- MultiIndex - metody tworzenia
- Tworzenie indeksu hierarchicznego z użyciem jawnego konstruktora
- Nazwy poziomów indeksu hierarchicznego
- MultiIndex dla kolumn
- MultiIndex - indeksowanie i slicing
- Obiekty typu Series z wielokrotnymi indeksami
- Obiekty typu DataFrame z wielokrotnymi indeksami
- MultiIndex - zmiana kolejności
- Posortowane i nieposortowane indeksy
- Metody stack i unstack
- Ustawianie i resetowanie indeksu
- Wielokrotnie indeksowane obiekty typu Series
- 18. Łączenie zbiorów danych - concat i append
- Przypomnienie: konkatenacja tablic NumPy
- Prosta konkatenacja za pomocą pd.concat
- Zduplikowane indeksy
- Konkatenacja za pomocą złączeń
- Metoda append
- 19. Łączenie zbiorów danych - merge i join
- Algebra relacji
- Rodzaje złączeń
- Złączenia jeden-do-jednego
- Złączenia wiele-do-jednego
- Złączenia wiele-do-wielu
- Określanie klucza, na podstawie którego ma być wykonane złączenie
- Słowo kluczowe on
- Słowa kluczowe left_on i right_on
- Słowa kluczowe left_index i right_index
- Wykorzystanie arytmetyki zbiorów w złączeniach
- Nakładające się nazwy kolumn - słowo kluczowe suffixes
- Przykład: dane dotyczące stanów USA
- 20. Agregacja i grupowanie
- Dane na temat planet
- Prosta agregacja w Pandas
- Grupowanie - podziel, zastosuj funkcję, połącz
- Podziel, zastosuj funkcję, połącz
- Obiekt GroupBy
- Agregacja, filtrowanie, transformacja, wywoływanie funkcji
- Określanie sposobu podziału
- Przykład grupowania
- 21. Tabele przestawne
- Dane na potrzeby przykładu
- Ręczne tworzenie tabel przestawnych
- Składnia tabel przestawnych
- Wielopoziomowe tabele przestawne
- Dodatkowe opcje tabel przestawnych
- Przykład: dane dotyczące liczby urodzeń
- 22. Zwektoryzowane operacje na łańcuchach znaków
- Wprowadzenie do pracy z łańcuchami znaków w Pandas
- Metody pracujące na łańcuchach znaków w Pandas
- Metody podobne do metod znanych z Pythona
- Metody wykorzystujące wyrażenia regularne
- Różne metody
- Przykład: baza przepisów
- Prosty system rekomendacji przepisów
- Jak można rozwinąć ten projekt?
- 23. Praca z szeregami czasowymi
- Daty i godziny w Pythonie
- Daty i godziny w Pythonie - datetime i dateutil
- Typowane tablice znaczników czasu - datetime64 z NumPy
- Daty i godziny w Pandas - najlepsze elementy z obu światów
- Szeregi czasowe w Pandas - indeksowanie według czasu
- Struktury danych do przechowywania szeregów czasowych w Pandas
- Regularne sekwencje dat - pd.date_range
- Częstotliwości i przesunięcia
- Ponowne próbkowanie, przesuwanie i okna
- Ponowne próbkowanie i zmiana częstotliwości
- Przesunięcia w czasie
- Ruchome okna
- Przykład: wizualizacja danych o liczbie rowerów w Seattle
- Wizualizacja danych
- Zagłębianie się w dane
- Daty i godziny w Pythonie
- 24. Wysoka wydajność w Pandas - eval i query
- Dlaczego warto zastosować query i eval - wyrażenia złożone
- Wydajne operacje z użyciem pandas.eval
- Operacje na kolumnach z użyciem DataFrame.eval
- Przypisanie w DataFrame.eval
- Zmienne lokalne w DataFrame.eval
- Metoda DataFrame.query
- Wydajność - kiedy warto korzystać z tych funkcji
- Materiały dodatkowe
- 25. Wskazówki dotyczące korzystania z Matplotlib
- Importowanie Matplotlib
- Ustawianie stylów
- Czy trzeba używać show()? Jak wyświetlić wygenerowane wykresy?
- Rysowanie z poziomu skryptu
- Rysowanie z poziomu IPythona
- Rysowanie z poziomu notatnika Jupytera
- Zapisywanie rysunków do pliku
- Dwa interfejsy w cenie jednego
- 26. Proste wykresy liniowe
- Dostosowywanie wykresu - kolory i style linii
- Dostosowywanie wykresu - granice osi
- Etykietowanie wykresów
- Pułapki Matplotlib
- 27. Proste wykresy punktowe
- Tworzenie wykresów punktowych za pomocą plt.plot
- Tworzenie wykresów punktowych za pomocą plt.scatter
- plot a scatter - uwaga na temat wydajności
- Wizualizacja niepewności
- Słupki błędów
- Błędy ciągłe
- 28. Wykresy gęstości i wykresy konturowe
- Wizualizacja trójwymiarowych funkcji
- Histogramy, kubełki i gęstości
- Dwuwymiarowe histogramy i podział danych na kubełki
- plt.hist2d - dwuwymiarowy histogram
- plt.hexbin - podział na sześciokątne kubełki
- Jądrowy estymator gęstości
- 29. Dostosowywanie legend
- Wybór elementów do legendy
- Legenda opisująca rozmiary punktów
- Wiele legend
- 30. Dostosowywanie pasków kolorów
- Dostosowywanie pasków kolorów
- Wybór mapy kolorów
- Granice kolorów i wartości spoza zakresu
- Dyskretne paski kolorów
- Przykład: odręcznie zapisane cyfry
- Dostosowywanie pasków kolorów
- 31. Podwykresy
- plt.axes - manualne tworzenie podwykresów
- plt.subplot - proste siatki podwykresów
- plt.subplots - cała siatka za jednym zamachem
- plt.GridSpec - bardziej skomplikowane układy
- 32. Tekst i adnotacje
- Przykład: wpływ świąt na liczbę urodzeń w Stanach Zjednoczonych
- Transformacje i położenie tekstu
- Strzałki i adnotacje
- 33. Dostosowywanie znaczników osi
- Główne i dodatkowe podziałki
- Ukrywanie podziałek lub ich etykiet
- Zmniejszenie lub zwiększenie liczby podziałek
- Inne możliwości formatowania podziałek
- Lokalizatory i formatery - podsumowanie
- 34. Dostosowywanie wykresów - konfiguracja i style
- Ręczne dostosowywanie wykresów
- Zmiana ustawień domyślnych - rcParams
- Arkusze stylów
- Styl domyślny
- Styl FiveThiryEight
- Styl ggplot
- Styl z książki Bayesian Methods for Hackers
- Ciemne tło
- Rysunki w skali szarości
- Styl Seaborn
- 35. Wykresy w przestrzeni trójwymiarowej
- Trójwymiarowe punkty i krzywe
- Trójwymiarowe wykresy konturowe
- Wykresy typu wireframe i wykresy powierzchniowe
- Triangulacja powierzchni
- Przykład: wizualizacja wstęgi Möbiusa
- 36. Wizualizacje z użyciem pakietu Seaborn
- Przegląd możliwości pakietu Seaborn
- Histogramy, jądrowy estymator gęstości i wykresy gęstości
- Wykresy typu pairplot
- Grupy histogramów
- Wykresy typu catplot
- Wspólne rozkłady prawdopodobieństwa
- Wykresy słupkowe
- Przykład: eksploracja danych na temat czasu ukończenia maratonu
- Materiały dodatkowe
- Inne biblioteki do wizualizacji danych w Pythonie
- Przegląd możliwości pakietu Seaborn
- 37. Czym jest uczenie maszynowe?
- Rodzaje uczenia maszynowego
- Przykłady problemów uczenia maszynowego
- Klasyfikacja, czyli przewidywanie dyskretnych etykiet
- Regresja, czyli przewidywanie ciągłych etykiet
- Klasteryzacja, czyli ustalanie etykiet w oparciu o nieetykietowane dane
- Redukcja wymiarowości - wnioskowanie o strukturze danych pozbawionych etykiet
- Podsumowanie
- 38. Wprowadzenie do Scikit-Learn
- Reprezentacja danych w Scikit-Learn
- Macierz cech
- Tablica wartości docelowych
- API Estimator
- Podstawy korzystania z API
- Przykład uczenia nadzorowanego: prosta regresja liniowa
- Przykład uczenia nadzorowanego: klasyfikacja irysów
- Przykład uczenia nienadzorowanego: redukcja wymiarowości w zbiorze Iris
- Przykład uczenia nienadzorowanego: klasteryzacja irysów
- Zastosowanie: eksploracja zbioru odręcznie zapisanych cyfr
- Wczytywanie i wizualizacja danych
- Przykład uczenia nienadzorowanego: redukcja wymiarowości
- Klasyfikacja cyfr
- Podsumowanie
- Reprezentacja danych w Scikit-Learn
- 39. Hiperparametry i walidacja modelu
- Walidacja modelu
- Niewłaściwy sposób walidacji modelu
- Właściwy sposób walidacji modelu, czyli podział danych na zbiór uczący i testowy
- Walidacja modelu za pomocą walidacji krzyżowej
- Wybór najlepszego modelu
- Kompromis pomiędzy obciążeniem a wariancją
- Krzywe walidacji w Scikit-Learn
- Krzywe uczenia
- Walidacja w praktyce - wyszukiwanie w siatce
- Podsumowanie
- Walidacja modelu
- 40. Inżynieria cech
- Cechy o charakterze kategorialnym
- Cechy tekstowe
- Konwersja obrazów na cechy
- Cechy pochodne
- Imputacja brakujących danych
- Potoki przetwarzania w inżynierii cech
- 41. Dogłębne spojrzenie - naiwny klasyfikator Bayesa
- Klasyfikacja bayesowska
- Naiwny gaussowski klasyfikator Bayesa
- Naiwny wielomianowy klasyfikator Bayesa
- Przykład: klasyfikacja tekstu
- Kiedy korzystać z naiwnego klasyfikatora Bayesa
- 42. Dogłębne spojrzenie - regresja liniowa
- Prosta regresja liniowa
- Regresja funkcjami bazowymi
- Wielomianowe funkcje bazowe
- Gaussowskie funkcje bazowe
- Regularyzacja
- Regresja grzbietowa (regularyzacja L)
- Regresja lasso (regularyzacja L)
- Przykład: przewidywanie ruchu rowerowego
- 43. Dogłębne spojrzenie - maszyny wektorów nośnych
- Motywacje dla maszyn wektorów nośnych
- Maszyny wektorów nośnych - maksymalizacja marginesu
- Dopasowywanie maszyny wektorów nośnych
- Maszyny wektorów nośnych z nieliniowymi granicami - jądrowy SVM
- Dostrajanie SVM - zmiękczanie marginesów
- Przykład: rozpoznawanie twarzy
- Podsumowanie
- 44. Dogłębne spojrzenie - drzewa decyzyjne i lasy losowe
- Motywacje dla lasów losowych - drzewa decyzyjne
- Tworzenie drzewa decyzyjnego
- Drzewa decyzyjne i nadmierne dopasowanie
- Zespoły estymatorów - lasy losowe
- Regresja z użyciem lasów losowych
- Przykład: wykorzystanie lasu losowego do klasyfikacji cyfr
- Podsumowanie
- Motywacje dla lasów losowych - drzewa decyzyjne
- 45. Dogłębne spojrzenie - analiza głównych składowych
- Wprowadzenie do analizy głównych składowych
- PCA jako metoda redukcji wymiarowości
- Wykorzystanie PCA do wizualizacji - odręcznie zapisane cyfry
- Co reprezentują składowe?
- Wybór liczby składowych
- PCA jako metoda filtrowania szumów
- Przykład: rozpoznawanie twarzy
- Podsumowanie
- Wprowadzenie do analizy głównych składowych
- 46. Dogłębne spojrzenie - manifold learning
- Manifold learning - słowo "hello"
- Skalowanie wielowymiarowe
- Skalowanie wielowymiarowe jako metoda manifold learningu
- Osadzenia nieliniowe - gdy zawodzi skalowanie wielowymiarowe
- Rozmaitości nieliniowe - lokalnie liniowe osadzanie
- Kilka przemyśleń na temat metod manifold learningu
- Przykład: mapowanie izometryczne w zbiorze zdjęć twarzy
- Przykład: wizualizacja struktury w liczbach
- 47. Dogłębne spojrzenie - klasteryzacja za pomocą algorytmu k-średnich
- Wprowadzenie do algorytmu k-średnich
- Estymacja-maksymalizacja
- Przykłady
- Przykład 1. Algorytm k-średnich w zbiorze digits
- Przykład 2. Algorytm k-średnich w kompresji kolorów
- 48. Dogłębne spojrzenie - modele mieszanin rozkładów Gaussa
- Motywacje dla modeli mieszanin rozkładów Gaussa - słabości algorytmu k-średnich
- Uogólnienie algorytmu EM - modele mieszanin rozkładów Gaussa
- Wybór rodzaju kowariancji
- Modele mieszanin rozkładów Gaussa jako narzędzie do szacowania gęstości
- Przykład: wykorzystanie GMM do generowania nowych danych
- 49. Dogłębne spojrzenie - jądrowy estymator gęstości
- Motywacje dla jądrowego estymatora gęstości - histogramy
- Jądrowy estymator gęstości w praktyce
- Wybór parametru wygładzania za pomocą walidacji krzyżowej
- Przykład: nie tak naiwny klasyfikator Bayesa
- Anatomia niestandardowego estymatora
- Korzystanie z naszego niestandardowego estymatora
- 50. Zastosowanie - potok przetwarzania do wykrywania twarzy
- Cechy HOG
- HOG w akcji - prosty detektor twarzy
- 1. Stwórz zbiór "pozytywnych" próbek
- 2. Stwórz zbiór "negatywnych" próbek
- 3. Połącz zbiory i wyodrębnij cechy HOG
- 4. Wytrenuj maszynę wektorów nośnych
- 5. Znajdź twarze na nowym zdjęciu
- Zastrzeżenia i ulepszenia
- Materiały dodatkowe na temat uczenia maszynowego
Wprowadzenie
Część I. Jupyter - coś więcej niż zwykły Python
Część II. Wprowadzenie do NumPy
Część III. Przekształcanie danych za pomocą Pandas
Część IV. Wizualizacja z użyciem Matplotlib
Część V. Uczenie maszynowe
Helion - inne książki
-
Oto drugie wydanie książki, którą specjaliści CISO uznali za przełomową. Dowiesz się z niej, jak kwantyfikować niepewność i jak za pomocą prostych metod i narzędzi poprawić ocenę ryzyka w nowoczesnych organizacjach. Znalazły się tu nowe techniki modelowania, pomiaru i szacowania, a także mnóstwo ...(60.90 zł najniższa cena z 30 dni)
52.20 zł
87.00 zł(-40%) -
W tej książce omówiono wewnętrzny sposób działania frameworka Kubernetes i pokazano, jak za jego pomocą budować wydajne, niezawodne i odporne na awarie aplikacje natywnej chmury. Dowiesz się, jak kontenery używają przestrzeni nazw w celu izolowania procesów, a także jak korzystają z funkcjonalnoś...(62.30 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Jeśli zastanawiasz się nad przekwalifikowaniem i karierą w branży informatycznej albo chcesz poszerzyć swoje umiejętności o programowanie, ale wydaje Ci się ono czarną magią, zapewniamy - w programowaniu nie ma nic z magii. To proces polegający na tworzeniu zbioru instrukcji, dzięki którym komput...(27.93 zł najniższa cena z 30 dni)
23.94 zł
39.90 zł(-40%) -
Ta zwięzła publikacja przyda się profesjonalistom, którzy lubią drobne ulepszenia prowadzące do dużych korzyści. Zrozumiale wyjaśniono w niej, na czym polega proces tworzenia czystego i niezawodnego kodu. W rozsądnej dawce podano zagadnienia teoretyczne, takie jak sprzężenie, kohezja, zdyskontowa...(34.93 zł najniższa cena z 30 dni)
29.94 zł
49.90 zł(-40%) -
Komputery firmy Apple to swojego rodzaju legenda - dla niektórych wybór oczywisty i właściwie jedyny, dla innych zwykła moda nakręcająca popularność, dla części tajemnica. Czy warto ją poznać i przesiąść się z komputera pracującego pod Windowsem lub Linuksem na Macintosha z macOS? Warto, warto, p...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Dzięki tej świetnie napisanej, miejscami przezabawnej książce dowiesz się, na czym naprawdę polega testowanie granic bezpieczeństwa fizycznego. To fascynująca relacja o sposobach wynajdywania niedoskonałości zabezpieczeń, stosowania socjotechnik i wykorzystywania słabych stron ludzkiej natury. Wy...(35.40 zł najniższa cena z 30 dni)
35.40 zł
59.00 zł(-40%) -
Książka Java. Teoria w praktyce została pomyślana tak, by krok po kroku przybliżać specyfikę tego języka programowania. Zaczniesz od podstaw - poznasz między innymi główne założenia, zgodnie z którymi działa Java: maszynę wirtualną, zmienne, operatory, instrukcje sterujące i tablice - by następni...(65.40 zł najniższa cena z 30 dni)
65.40 zł
109.00 zł(-40%) -
Ta książka zawiera szereg praktycznych wskazówek dotyczących przygotowania, przeprowadzania i oceniania wyników kontrolowanych eksperymentów online. Dzięki niej nauczysz się stosować naukowe podejście do formułowania założeń i oceny hipotez w testach A/B, dowiesz się także, jak sprawdzać wiarygod...(47.40 zł najniższa cena z 30 dni)
47.40 zł
79.00 zł(-40%) -
Współpraca z ChatGPT wymaga pewnego przygotowania. Niewątpliwą zaletą tej technologii jest to, że można się z nią porozumieć za pomocą języka naturalnego ― takiego, jakim komunikujemy się ze sobą na co dzień. Rzecz w tym, by nauczyć się w odpowiedni sposób zadawać pytania i wydawać poleceni...(29.94 zł najniższa cena z 30 dni)
29.94 zł
49.90 zł(-40%) -
ChatGPT, chatbot opracowany i udostępniony przez firmę OpenAI, szybko stał się obiektem zainteresowania internautów na całym świecie — i na nowo wzbudził gorące dyskusje wokół sztucznej inteligencji. Ludzie mediów prześcigają się w skrajnych wizjach, jedni podchodzą do tematu entuzjastyczni...(10.95 zł najniższa cena z 30 dni)
10.95 zł
21.90 zł(-50%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
Oceny i opinie klientów: Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II Jake VanderPlas (1) Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.
(1)
(0)
(0)
(0)
(0)
(0)