![Python for Data Analysis. 3rd Edition Wes McKinney - okładka ebooka](https://static01.helion.com.pl/global/okladki/326x466/e_2ved.png)
![Python for Data Analysis. 3rd Edition Wes McKinney - tył okładki ebooka](https://static01.helion.com.pl/global/okladki-tyl/326x466/e_2ved.png)
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 582
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Python for Data Analysis. 3rd Edition
Get the definitive handbook for manipulating, processing, cleaning, and crunching datasets in Python. Updated for Python 3.10 and pandas 1.4, the third edition of this hands-on guide is packed with practical case studies that show you how to solve a broad set of data analysis problems effectively. You'll learn the latest versions of pandas, NumPy, and Jupyter in the process.
Written by Wes McKinney, the creator of the Python pandas project, this book is a practical, modern introduction to data science tools in Python. It's ideal for analysts new to Python and for Python programmers new to data science and scientific computing. Data files and related material are available on GitHub.
- Use the Jupyter notebook and IPython shell for exploratory computing
- Learn basic and advanced features in NumPy
- Get started with data analysis tools in the pandas library
- Use flexible tools to load, clean, transform, merge, and reshape data
- Create informative visualizations with matplotlib
- Apply the pandas groupby facility to slice, dice, and summarize datasets
- Analyze and manipulate regular and irregular time series data
- Learn how to solve real-world data analysis problems with thorough, detailed examples
Wybrane bestsellery
-
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
Wes McKinney ― twórca oprogramowania open source, autor projektu pandas i współtwórca Apache Arrow. Członek The Apache Software Foundation, a także PMC Apache Parquet. Obecnie pełni funkcję dyrektora technicznego Voltron Data, gdzie zajmuje się przyspieszonymi technologiami obliczeniowymi opartymi na Apache Arrow.
Wes McKinney - pozostałe książki
-
Ta książka jest trzecim, starannie zaktualizowanym wydaniem wyczerpującego przewodnika po narzędziach analitycznych Pythona. Uwzględnia Pythona 3.0 i bibliotekę pandas 1.4. Została napisana w przystępny sposób, a poszczególne zagadnienia bogato zilustrowano przykładami, studiami rzeczywistych prz...(71.40 zł najniższa cena z 30 dni)
71.40 zł
119.00 zł(-40%) -
Prezentowana książka jest drugim, zaktualizowanym i uzupełnionym, wydaniem klasycznego podręcznika napisanego z myślą o analitykach, którzy dotychczas nie pracowali w Pythonie, oraz o programistach Pythona, którzy nie zajmowali się dotąd analizą danych ani obliczeniami naukowymi. Przedstawiono tu...(44.50 zł najniższa cena z 30 dni)
44.50 zł
89.00 zł(-50%) -
Whether you’re a developer or a data scientist, working with large amounts of data can be a challenge. This book focuses on describing Apache Arrow’s format and data types and the benefits of using it to accelerate data manipulation. You’ll get to grips with topics such as Sp...(108.49 zł najniższa cena z 30 dni)
108.44 zł
129.00 zł(-16%)
Kup polskie wydanie:
Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III
- Autor:
- Wes McKinney
59,50 zł
119,00 zł
(59.50 zł najniższa cena z 30 dni)
Ebooka "Python for Data Analysis. 3rd Edition" 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 for Data Analysis. 3rd Edition" 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 for Data Analysis. 3rd Edition" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-10-981-0398-9, 9781098103989
- Data wydania ebooka:
-
2022-08-12
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.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 6.2MB
- Rozmiar pliku Mobi:
- 17.2MB
Spis treści ebooka
- Preface
- 1. Conventions Used in This Book
- 2. Using Code Examples
- 3. OReilly Online Learning
- 4. How to Contact Us
- 5. Acknowledgments
- In Memoriam: John D. Hunter (19682012)
- Acknowledgments for the Third Edition (2022)
- Acknowledgments for the Second Edition (2017)
- Acknowledgments for the First Edition (2012)
- 1. Preliminaries
- 1.1. What Is This Book About?
- What Kinds of Data?
- 1.1. What Is This Book About?
- 1.2. Why Python for Data Analysis?
- Python as Glue
- Solving the Two-Language Problem
- Why Not Python?
- 1.3. Essential Python Libraries
- NumPy
- pandas
- matplotlib
- IPython and Jupyter
- SciPy
- scikit-learn
- statsmodels
- Other Packages
- 1.4. Installation and Setup
- Miniconda on Windows
- GNU/Linux
- Miniconda on macOS
- Installing Necessary Packages
- Integrated Development Environments and Text Editors
- 1.5. Community and Conferences
- 1.6. Navigating This Book
- Code Examples
- Data for Examples
- Import Conventions
- 2. Python Language Basics, IPython, and Jupyter Notebooks
- 2.1. The Python Interpreter
- 2.2. IPython Basics
- Running the IPython Shell
- Running the Jupyter Notebook
- Tab Completion
- Introspection
- 2.3. Python Language Basics
- Language Semantics
- Indentation, not braces
- Everything is an object
- Comments
- Function and object method calls
- Variables and argument passing
- Dynamic references, strong types
- Attributes and methods
- Duck typing
- Imports
- Binary operators and comparisons
- Mutable and immutable objects
- Language Semantics
- Scalar Types
- Numeric types
- Strings
- Bytes and Unicode
- Booleans
- Type casting
- None
- Dates and times
- Control Flow
- if, elif, and else
- for loops
- while loops
- pass
- range
- 2.4. Conclusion
- 3. Built-In Data Structures, Functions, and Files
- 3.1. Data Structures and Sequences
- Tuple
- Unpacking tuples
- Tuple methods
- Tuple
- List
- Adding and removing elements
- Concatenating and combining lists
- Sorting
- Slicing
- 3.1. Data Structures and Sequences
- Dictionary
- Creating dictionaries from sequences
- Default values
- Valid dictionary key types
- Set
- Built-In Sequence Functions
- enumerate
- sorted
- zip
- reversed
- List, Set, and Dictionary Comprehensions
- Nested list comprehensions
- 3.2. Functions
- Namespaces, Scope, and Local Functions
- Returning Multiple Values
- Functions Are Objects
- Anonymous (Lambda) Functions
- Generators
- Generator expressions
- itertools module
- Errors and Exception Handling
- Exceptions in IPython
- 3.3. Files and the Operating System
- Bytes and Unicode with Files
- 3.4. Conclusion
- 4. NumPy Basics: Arrays and Vectorized
Computation
- 4.1. The NumPy ndarray: A Multidimensional Array Object
- Creating ndarrays
- Data Types for ndarrays
- Arithmetic with NumPy Arrays
- Basic Indexing and Slicing
- Indexing with slices
- Boolean Indexing
- Fancy Indexing
- Transposing Arrays and Swapping Axes
- 4.1. The NumPy ndarray: A Multidimensional Array Object
- 4.2. Pseudorandom Number Generation
- 4.3. Universal Functions: Fast Element-Wise Array Functions
- 4.4. Array-Oriented Programming with Arrays
- Expressing Conditional Logic as Array Operations
- Mathematical and Statistical Methods
- Methods for Boolean Arrays
- Sorting
- Unique and Other Set Logic
- 4.5. File Input and Output with Arrays
- 4.6. Linear Algebra
- 4.7. Example: Random Walks
- Simulating Many Random Walks at Once
- 4.8. Conclusion
- 5. Getting Started with pandas
- 5.1. Introduction to pandas Data Structures
- Series
- DataFrame
- Index Objects
- 5.1. Introduction to pandas Data Structures
- 5.2. Essential Functionality
- Reindexing
- Dropping Entries from an Axis
- Indexing, Selection, and Filtering
- Selection on DataFrame with loc and iloc
- Integer indexing pitfalls
- Pitfalls with chained indexing
- Arithmetic and Data Alignment
- Arithmetic methods with fill values
- Operations between DataFrame and Series
- Function Application and Mapping
- Sorting and Ranking
- Axis Indexes with Duplicate Labels
- 5.3. Summarizing and Computing Descriptive Statistics
- Correlation and Covariance
- Unique Values, Value Counts, and Membership
- 5.4. Conclusion
- 6. Data Loading, Storage, and File
Formats
- 6.1. Reading and Writing Data in Text Format
- Reading Text Files in Pieces
- Writing Data to Text Format
- Working with Other Delimited Formats
- JSON Data
- XML and HTML: Web Scraping
- Parsing XML with lxml.objectify
- 6.1. Reading and Writing Data in Text Format
- 6.2. Binary Data Formats
- Reading Microsoft Excel Files
- Using HDF5 Format
- 6.3. Interacting with Web APIs
- 6.4. Interacting with Databases
- 6.5. Conclusion
- 7. Data Cleaning and Preparation
- 7.1. Handling Missing Data
- Filtering Out Missing Data
- Filling In Missing Data
- 7.1. Handling Missing Data
- 7.2. Data Transformation
- Removing Duplicates
- Transforming Data Using a Function or Mapping
- Replacing Values
- Renaming Axis Indexes
- Discretization and Binning
- Detecting and Filtering Outliers
- Permutation and Random Sampling
- Computing Indicator/Dummy Variables
- 7.3. Extension Data Types
- 7.4. String Manipulation
- Python Built-In String Object Methods
- Regular Expressions
- String Functions in pandas
- 7.5. Categorical Data
- Background and Motivation
- Categorical Extension Type in pandas
- Computations with Categoricals
- Better performance with categoricals
- Categorical Methods
- Creating dummy variables for modeling
- 7.6. Conclusion
- 8. Data Wrangling: Join, Combine, and Reshape
- 8.1. Hierarchical Indexing
- Reordering and Sorting Levels
- Summary Statistics by Level
- Indexing with a DataFrames columns
- 8.1. Hierarchical Indexing
- 8.2. Combining and Merging Datasets
- Database-Style DataFrame Joins
- Merging on Index
- Concatenating Along an Axis
- Combining Data with Overlap
- 8.3. Reshaping and Pivoting
- Reshaping with Hierarchical Indexing
- Pivoting Long to Wide Format
- Pivoting Wide to Long Format
- 8.4. Conclusion
- 9. Plotting and Visualization
- 9.1. A Brief matplotlib API Primer
- Figures and Subplots
- Adjusting the spacing around subplots
- Figures and Subplots
- Colors, Markers, and Line Styles
- Ticks, Labels, and Legends
- Setting the title, axis labels, ticks, and tick labels
- Adding legends
- 9.1. A Brief matplotlib API Primer
- Annotations and Drawing on a Subplot
- Saving Plots to File
- matplotlib Configuration
- 9.2. Plotting with pandas and seaborn
- Line Plots
- Bar Plots
- Histograms and Density Plots
- Scatter or Point Plots
- Facet Grids and Categorical Data
- 9.3. Other Python Visualization Tools
- 9.4. Conclusion
- 10. Data Aggregation and Group
Operations
- 10.1. How to Think About Group Operations
- Iterating over Groups
- Selecting a Column or Subset of Columns
- Grouping with Dictionaries and Series
- Grouping with Functions
- Grouping by Index Levels
- 10.1. How to Think About Group Operations
- 10.2. Data Aggregation
- Column-Wise and Multiple Function Application
- Returning Aggregated Data Without Row Indexes
- 10.3. Apply: General split-apply-combine
- Suppressing the Group Keys
- Quantile and Bucket Analysis
- Example: Filling Missing Values with Group-Specific Values
- Example: Random Sampling and Permutation
- Example: Group Weighted Average and Correlation
- Example: Group-Wise Linear Regression
- 10.4. Group Transforms and Unwrapped GroupBys
- 10.5. Pivot Tables and Cross-Tabulation
- Cross-Tabulations: Crosstab
- 10.6. Conclusion
- 11. Time Series
- 11.1. Date and Time Data Types and Tools
- Converting Between String and Datetime
- 11.1. Date and Time Data Types and Tools
- 11.2. Time Series Basics
- Indexing, Selection, Subsetting
- Time Series with Duplicate Indices
- 11.3. Date Ranges, Frequencies, and Shifting
- Generating Date Ranges
- Frequencies and Date Offsets
- Week of month dates
- Shifting (Leading and Lagging) Data
- Shifting dates with offsets
- 11.4. Time Zone Handling
- Time Zone Localization and Conversion
- Operations with Time Zone-Aware Timestamp Objects
- Operations Between Different Time Zones
- 11.5. Periods and Period Arithmetic
- Period Frequency Conversion
- Quarterly Period Frequencies
- Converting Timestamps to Periods (and Back)
- Creating a PeriodIndex from Arrays
- 11.6. Resampling and Frequency Conversion
- Downsampling
- Open-high-low-close (OHLC) resampling
- Downsampling
- Upsampling and Interpolation
- Resampling with Periods
- Grouped Time Resampling
- 11.7. Moving Window Functions
- Exponentially Weighted Functions
- Binary Moving Window Functions
- User-Defined Moving Window Functions
- 11.8. Conclusion
- 12. Introduction to Modeling Libraries in
Python
- 12.1. Interfacing Between pandas and Model Code
- 12.2. Creating Model Descriptions with Patsy
- Data Transformations in Patsy Formulas
- Categorical Data and Patsy
- 12.3. Introduction to statsmodels
- Estimating Linear Models
- Estimating Time Series Processes
- 12.4. Introduction to scikit-learn
- 12.5. Conclusion
- 13. Data Analysis Examples
- 13.1. Bitly Data from 1.USA.gov
- Counting Time Zones in Pure Python
- Counting Time Zones with pandas
- 13.1. Bitly Data from 1.USA.gov
- 13.2. MovieLens 1M Dataset
- Measuring Rating Disagreement
- 13.3. US Baby Names 18802010
- Analyzing Naming Trends
- Measuring the increase in naming diversity
- The last letter revolution
- Boy names that became girl names (and vice versa)
- Analyzing Naming Trends
- 13.4. USDA Food Database
- 13.5. 2012 Federal Election Commission Database
- Donation Statistics by Occupation and Employer
- Bucketing Donation Amounts
- Donation Statistics by State
- 13.6. Conclusion
- A. Advanced NumPy
- A.1. ndarray Object Internals
- NumPy Data Type Hierarchy
- A.1. ndarray Object Internals
- A.2. Advanced Array Manipulation
- Reshaping Arrays
- C Versus FORTRAN Order
- Concatenating and Splitting Arrays
- Stacking helpers: r_ and c_
- Repeating Elements: tile and repeat
- Fancy Indexing Equivalents: take and put
- A.3. Broadcasting
- Broadcasting over Other Axes
- Setting Array Values by Broadcasting
- A.4. Advanced ufunc Usage
- ufunc Instance Methods
- Writing New ufuncs in Python
- A.5. Structured and Record Arrays
- Nested Data Types and Multidimensional Fields
- Why Use Structured Arrays?
- A.6. More About Sorting
- Indirect Sorts: argsort and lexsort
- Alternative Sort Algorithms
- Partially Sorting Arrays
- numpy.searchsorted: Finding Elements in a Sorted Array
- A.7. Writing Fast NumPy Functions with Numba
- Creating Custom numpy.ufunc Objects with Numba
- A.8. Advanced Array Input and Output
- Memory-Mapped Files
- HDF5 and Other Array Storage Options
- A.9. Performance Tips
- The Importance of Contiguous Memory
- B. More on the IPython System
- B.1. Terminal Keyboard Shortcuts
- B.2. About Magic Commands
- The %run Command
- Interrupting running code
- The %run Command
- Executing Code from the Clipboard
- B.3. Using the Command History
- Searching and Reusing the Command History
- Input and Output Variables
- B.4. Interacting with the Operating System
- Shell Commands and Aliases
- Directory Bookmark System
- B.5. Software Development Tools
- Interactive Debugger
- Other ways to use the debugger
- Interactive Debugger
- Timing Code: %time and %timeit
- Basic Profiling: %prun and %run -p
- Profiling a Function Line by Line
- B.6. Tips for Productive Code Development Using IPython
- Reloading Module Dependencies
- Code Design Tips
- Keep relevant objects and data alive
- Flat is better than nested
- Overcome a fear of longer files
- B.7. Advanced IPython Features
- Profiles and Configuration
- B.8. Conclusion
- Index
O'Reilly Media - inne książki
-
This concise yet comprehensive guide explains how to adopt a data lakehouse architecture to implement modern data platforms. It reviews the design considerations, challenges, and best practices for implementing a lakehouse and provides key insights into the ways that using a lakehouse can impact ...(193.69 zł najniższa cena z 30 dni)
193.19 zł
249.00 zł(-22%) -
In today's fast-paced world, more and more organizations require rapid application development with reduced development costs and increased productivity. This practical guide shows application developers how to use PowerApps, Microsoft's no-code/low-code application framework that helps developer...(162.47 zł najniższa cena z 30 dni)
162.27 zł
209.00 zł(-22%) -
Welcome to the systems age, where software professionals are no longer building software&emdash;we're building systems of software. Change is continuously deployed across software ecosystems coordinated by responsive infrastructure. In this world of increasing relational complexity, we need t...(152.21 zł najniższa cena z 30 dni)
152.01 zł
209.00 zł(-27%) -
This book provides an ideal guide for Python developers who want to learn how to build applications with large language models. Authors Olivier Caelen and Marie-Alice Blete cover the main features and benefits of GPT-4 and GPT-3.5 models and explain how they work. You'll also get a step-by-step g...(155.41 zł najniższa cena z 30 dni)
155.36 zł
209.00 zł(-26%) -
In today's cloud native world, where we automate as much as possible, everything is code. With this practical guide, you'll learn how Policy as Code (PaC) provides the means to manage the policies, related data, and responses to events that occur within the systems we maintain—Kubernetes, c...(212.59 zł najniższa cena z 30 dni)
212.39 zł
279.00 zł(-24%) -
Geared to intermediate- to advanced-level DBAs and IT professionals looking to enhance their MySQL skills, this guide provides a comprehensive overview on how to manage and optimize MySQL databases. You'll learn how to create databases and implement backup and recovery, security configurations, h...(221.43 zł najniższa cena z 30 dni)
221.33 zł
279.00 zł(-21%) -
Get the details, examples, and best practices you need to build generative AI applications, services, and solutions using the power of Azure OpenAI Service. With this comprehensive guide, Microsoft AI specialist Adrián González Sánchez examines the integration and utilization of Az...(162.23 zł najniższa cena z 30 dni)
162.18 zł
209.00 zł(-22%) -
Despite the increase of high-profile hacks, record-breaking data leaks, and ransomware attacks, many organizations don't have the budget for an information security (InfoSec) program. If you're forced to protect yourself by improvising on the job, this pragmatic guide provides a security-101 hand...(214.77 zł najniższa cena z 30 dni)
214.57 zł
239.00 zł(-10%) -
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(189.29 zł najniższa cena z 30 dni)
188.79 zł
239.00 zł(-21%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(227.19 zł najniższa cena z 30 dni)
227.14 zł
279.00 zł(-19%)
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
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Python for Data Analysis. 3rd Edition Wes McKinney (0)
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.