Python w data science. Praktyczne wprowadzenie
- Wydawnictwo:
- Helion
- Wydawnictwo:
- Helion
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 248
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
![Wyłącznie](https://static01.helion.com.pl/ebookpoint/img/img_wylacznie.png)
Opis ebooka: Python w data science. Praktyczne wprowadzenie
Python jest idealnym wyborem dla danologów, którzy chcą w prosty sposób uzyskiwać dostęp do dowolnego rodzaju danych, przetwarzać je i analizować. Służy do tego zarówno bogaty zestaw wbudowanych struktur danych, jak i solidny zbiór przeznaczonych do ich analizy bibliotek open source . Sam język pozwala na tworzenie zwięzłego kodu przy minimalnym nakładzie czasu i wysiłku: jeden wiersz kodu może filtrować, przekształcać i agregować dane.
Tę książkę docenią średnio zaawansowani użytkownicy Pythona, którzy tworzą aplikacje korzystające z osiągnięć nauki o danych. Znajdziesz w niej omówienie możliwości języka, wbudowanych struktur danych Pythona, jak również takich bibliotek jak NumPy, pandas, scikit-learn i matplotlib. Nauczysz się wczytywania danych w różnych formatach, porządkowania, grupowania i agregowana zbiorów danych, a także tworzenia wykresów i map. Poszczególne zagadnienia zostały zilustrowane praktycznymi przykładami tworzenia rzeczywistych aplikacji, takich jak system obsługi taksówek z wykorzystaniem danych lokalizacyjnych, analiza reguł asocjacyjnych dla danych transakcji czy też uczenie maszynowe modelu przewidującego zmiany kursów akcji. Każdy rozdział zawiera interesujące ćwiczenia, które pozwolą Ci nabrać biegłości w stosowaniu opisanych tu technik.
Dzięki tej książce nauczysz się:
- efektywnie korzystać ze struktur danych Pythona
- wyciągać cenne informacje z danych
- posługiwać się danymi: tekstowymi, przestrzennymi, szeregami czasowymi
- korzystać z wielu typów i formatów danych, w tym JSON i CSV
- używać technik uczenia maszynowego do celów przetwarzania języka naturalnego
Python: Twój najlepszy sojusznik w przetwarzaniu danych!
Książka pt. Python w data science. Praktyczne wprowadzenie jest doskonałym przewodnikiem dla średniozaawansowanych użytkowników Pythona, który pokazuje najlepsze sposoby stosowania tego języka na potrzeby tworzenia aplikacji z zakresu nauki o danych. Książka ta, wypełniona praktycznymi przykładami, udostępnia obszerną prezentację możliwości Pythona związanych z pozyskiwaniem, przekształcaniem oraz analizowaniem danych.
Poznasz w niej bogate wbudowane struktury danych Pythona oraz solidny ekosystem bibliotek związanych z nauką o danych dostępnych jako oprogramowanie open-source, takich jak: NumPy, pandas, scikit-learn oraz matplotlib. Przećwiczysz wczytywanie danych w różnych formatach, porządkowanie, grupowanie oraz agregowanie zbiorów danych, jak również tworzenie wizualizacji, takich jak wykrsy i mapy. Szczegółowe przykłady zawarte w książce pokazują jak można tworzyć praktyczne aplikacje z zakresu nauki o danych, takie jak usługę do obsługi taksówek korzystającą z danych lokalizacyjnych, analizę reguł asocjacyjnych dla danych transkacji w celu identyfikowania produktów często kupowanych razem, czy też uczenie modelu maszynowego w celu przewidywania zmian kursów akcji. Każdy rozdział książki zawiera ćwiczenia zachęcające do samodzielnego wypróbowania opisywanych technik.
W tej książce nauczysz się:
- Efektywnie posługiwać się strukturami danych takimi jak: listy, słowniki, tablice biblioteki NumPy, ramki danych biblioteki Pandas.
- Zdobywać nadające się do praktycznego wykorzystania informacje o danych, wykorzystując do tego celu agregacje, wizualizacje oraz inne metody analityczne.
- Posługiwać się danymi tekstowymi, danymi GPS, danymi w formie szeregów czasowych, plikami w formatach JSON i CSV oraz wieloma innymi typami i formatami danych.
- Stosować techniki uczenia maszynowego do celów przetwarzania języka naturalnego, takich jak analiza sentymentu.
W książce pt. Python w data science. Praktyczne wprowadzenie przećwiczysz nowoczesne techniki przetwarzania danych, nadające się do natychmiastowego zastosowania w takich dziedzinach jak: zarządzanie, marketing oraz finanse. Odkryj potęgę języka programowania Python!
Wykorzystuje język Python 3.x
![Pakuj ebook do walizki - lipcowe zaczytanie do -45%!](https://static01.helion.com.pl/ebookpoint/img/promocje/bannery/19618/box_1180x419_SM_ebp_pakuj_ebook_do_walizki_6fa867313.png)
Wybrane bestsellery
-
Business Intelligence (BI) is the process of obtaining business information from available data and today, most businesses use BI to control their affairs. With Business Analysis and Reporting in Oracle Business Intelligence, you can quickly learn how to put the power of the Oracle Business Intel...
Oracle Business Intelligence : The Condensed Guide to Analysis and Reporting. An introduction to Oracle Business Intelligence Solutions for business analysis and reporting Oracle Business Intelligence : The Condensed Guide to Analysis and Reporting. An introduction to Oracle Business Intelligence Solutions for business analysis and reporting
-
Oracle Database gets high marks for performance, reliability, and scalability. Building and deploying your PHP applications on Oracle Database enables you to combine the power and robustness of Oracle and the ease of use, short development time, and high performance of PHP. When used in a complem...
PHP Oracle Web Development: Data processing, Security, Caching, XML, Web Services, and Ajax. A practical guide to combining the power, performance, scalability, and reliability of the Oracle Database with the ease of use PHP Oracle Web Development: Data processing, Security, Caching, XML, Web Services, and Ajax. A practical guide to combining the power, performance, scalability, and reliability of the Oracle Database with the ease of use
-
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...
Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym
(55.20 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
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, ...
Matematyka w programowaniu gier i grafice komputerowej. Tworzenie i renderowanie wirtualnych środowisk 3D oraz praca z nimi Matematyka w programowaniu gier i grafice komputerowej. Tworzenie i renderowanie wirtualnych środowisk 3D oraz praca z nimi
(62.30 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
Pytest – nowoczesny framework do uruchamiania testów automatycznych w języku Python. Można używać tej platformy do przeprowadzania testów jednostkowych, ale sprawdzi się świetnie także podczas konstruowania rozbudowanych testów wyższego poziomu (integracyjnych, end-to-end) dla całych aplika...
Pytest. Kurs video. Automatyzacja testów w Pythonie Pytest. Kurs video. Automatyzacja testów w Pythonie
(44.70 zł najniższa cena z 30 dni)96.85 zł
149.00 zł(-35%) -
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...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(53.40 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
Sposobów na naukę Pythona jest sporo i powstało na ten temat mnóstwo publikacji. Jeżeli ten wybór jest właśnie przed Tobą, rozważ naukę Pythona poprzez tworzenie prostych gier. Ich programowanie to nie tylko świetna zabawa, ale też doskonała metoda rozwijania umiejętności algorytmicznych, kreatyw...
Python od podstaw. Kurs video. Tworzenie pierwszych gier w PyCharm Python od podstaw. Kurs video. Tworzenie pierwszych gier w PyCharm
(51.60 zł najniższa cena z 30 dni)64.50 zł
129.00 zł(-50%) -
To trzecie, zaktualizowane i uzupełnione wydanie bestsellerowego podręcznika programowania w Pythonie. Naukę rozpoczniesz od podstawowych koncepcji programowania. Poznasz takie pojęcia jak zmienne, listy, klasy i pętle, a następnie utrwalisz je dzięki praktycznym ćwiczeniom. Dowiesz się, jak zape...(71.40 zł najniższa cena z 30 dni)
83.30 zł
119.00 zł(-30%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)125.30 zł
179.00 zł(-30%) -
Ta książka jest sposobem na dalszą naukę programowania poprzez realizację projektów. Każdy z nich został wyjaśniony krok po kroku, opisano też sposoby korzystania z licznych bibliotek i pakietów Pythona. Dzięki projektom dowiesz się, jak wykorzystywać programowanie do realizacji eksperymentów, te...
Python z życia wzięty. Rozwiązywanie problemów za pomocą kilku linii kodu Python z życia wzięty. Rozwiązywanie problemów za pomocą kilku linii kodu
(47.40 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%)
Ebooka "Python w data science. Praktyczne wprowadzenie" 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 w data science. Praktyczne wprowadzenie" 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 w data science. Praktyczne wprowadzenie" 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
- Tytuł oryginału:
- Python for Data Science: A Hands-On Introduction
- Tłumaczenie:
- Piotr Rajca
- ISBN Książki drukowanej:
- 978-83-289-1020-1, 9788328910201
- ISBN Ebooka:
- 978-83-289-1021-8, 9788328910218
- Format:
- 165x228
- Numer z katalogu:
- 226796
- Rozmiar pliku Pdf:
- 3.0MB
- Rozmiar pliku ePub:
- 4.5MB
- Rozmiar pliku Mobi:
- 4.5MB
- 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
- Kategorie danych
- Dane niestrukturalne
- Dane strukturalne
- Dane częściowo strukturalne
- Dane o postaci szeregów czasowych
- Źródła danych
- Interfejsy programowania aplikacji (API)
- Strony WWW
- Bazy danych
- Pliki
- Potok przetwarzania danych
- Pozyskiwanie
- Oczyszczanie
- Przekształcanie
- Analiza
- Przechowywanie
- W sposób charakterystyczny dla Pythona
- Podsumowanie
- Listy
- Tworzenie list
- Stosowanie najpopularniejszych metod obiektów list
- Stosowanie notacji wycinków
- Stosowanie list jako kolejek
- Stosowanie list jako stosów
- Używanie list i stosów do przetwarzania języka naturalnego
- Ulepszenia dzięki użyciu list składanych
- Krotki
- Listy krotek
- Niezmienność
- Słowniki
- Listy słowników
- Dodawanie danych do słownika przy użyciu setdefault()
- Wczytywanie kodu JSON do słownika
- Zbiory
- Usuwanie powtórzeń z sekwencji
- Wykonywanie typowych operacji na zbiorach
- Ćwiczenie 1. Poprawiony analizator znaczników zdjęć
- Podsumowanie
- NumPy
- Instalowanie NumPy
- Tworzenie tablic NumPy
- Wykonywanie operacji na elementach
- Stosowanie statystycznych funkcji NumPy
- Ćwiczenie 2. Stosowanie funkcji statystycznych NumPy
- pandas
- Instalacja pandas
- Obiekty Series
- Ćwiczenie 3. Łączenie trzech serii
- Obiekty DataFrame
- Ćwiczenie 4. Stosowanie różnych typów złączeń
- Biblioteka scikit-learn
- Instalowanie biblioteki scikit-learn
- Pobieranie przykładowego zestawu danych
- Wczytywanie przykładowego zbioru danych do ramki danych
- Podział przykładowego zbioru danych na zbiór uczący i testowy
- Przekształcanie tekstu w liczbowe wektory cech
- Trenowanie i ocenianie modelu
- Wykonywanie predykcji na nowych danych
- Podsumowanie
- Importowanie danych przy użyciu funkcji open() Pythona
- Pliki tekstowe
- Pliki z danymi tabelarycznymi
- Ćwiczenie 5. Otwieranie plików JSON
- Pliki binarne
- Eksportowanie danych do plików
- Dostęp do plików zdalnych i API
- Jak działają żądania HTTP
- Biblioteka urllib3
- Biblioteka Requests
- Ćwiczenie 6. Korzystanie z API przy użyciu biblioteki Requests
- Przenoszenie danych do i z obiektów DataFrame
- Importowanie zagnieżdżonych struktur JSON
- Konwersja obiektów DataFrame na format JSON
- Ćwiczenie 7. Manipulowanie złożonymi strukturami danych w formacie JSON
- Wczytywanie danych z internetu przy użyciu pandas-datareader
- Podsumowanie
- Relacyjne bazy danych
- Wyjaśnienie instrukcji SQL
- Rozpoczynanie pracy z bazą MySQL
- Definiowanie struktury bazy danych
- Wstawianie danych do bazy
- Zapytania - pobieranie danych z bazy
- Ćwiczenie 8. Wykonywanie złączenia jeden-do-wielu
- Stosowanie analitycznych narzędzi baz danych
- Bazy danych NoSQL
- Magazyny par klucz-wartość
- Dokumentowe bazy danych
- Ćwiczenie 9. Wstawianie i wyszukiwanie wielu dokumentów
- Podsumowanie
- Dane do agregacji
- Łączenie obiektów DataFrame
- Grupowanie i agregacja danych
- Przeglądanie konkretnych agregacji za pomocą MultiIndeksu
- Wycinanie zakresów zagregowanych wartości
- Wycinanie na podstawie poziomu agregacji
- Dodawanie sumy całkowitej
- Dodawanie sum częściowych
- Ćwiczenie 10. Usuwanie wierszy sum z ramki danych
- Selekcja wierszy w ramach grupy
- Podsumowanie
- Łączenie wbudowanych struktur danych
- Łączenie list i krotek przy użyciu operatora +
- Łączenie słowników przy użyciu operatora **
- Łączenie odpowiadających sobie wierszy z dwóch struktur
- Implementacja różnych typów złączeń na listach
- Łączenie tablic NumPy
- Ćwiczenie 11. Dodawanie nowych wierszy i kolumn do tablic NumPy
- Łączenie struktur danych biblioteki pandas
- Konkatenacja obiektów DataFrame
- Łączenie dwóch obiektów DataFrame
- Podsumowanie
- Najczęściej używane sposoby wizualizacji
- Wykresy liniowe
- Wykresy słupkowe
- Wykresy kołowe
- Histogramy
- Tworzenie wykresów przy użyciu Matplotlib
- Instalacja biblioteki Matplotlib
- Stosowanie modułu matplotlib.pyplot
- Stosowanie obiektów Figure i Axes
- Ćwiczenie 12. Łączenie zakresów w wycinek "inne"
- Stosowanie innych bibliotek z Matplotlib
- Prezentowanie danych biblioteki pandas
- Wykreślanie danych geoprzestrzennych przy użyciu Cartopy
- Ćwiczenie 13. Rysowanie map przy użyciu Cartopy i Matplotlib
- Podsumowanie
- Pozyskiwanie danych
- Przekształcanie adresów na dane geograficzne
- Pobieranie współrzędnych geograficznych poruszających się obiektów
- Analiza danych przestrzennych przy użyciu geopy i Shapely
- Znajdowanie najbliższego obiektu
- Znajdowanie obiektów w określonym obszarze
- Ćwiczenie 14. Definiowanie dwóch lub większej liczby wielokątów
- Połączenie obu rozwiązań
- Ćwiczenie 15. Kolejne usprawnienie algorytmu odbioru
- Łączenie danych przestrzennych z nieprzestrzennymi
- Stosowanie atrybutów nieprzestrzennych
- Ćwiczenie 16. Filtrowanie danych przy wykorzystaniu list składanych
- Łączenie zbiorów danych przestrzennych i nieprzestrzennych
- Podsumowanie
- Szeregi czasowe regularne i nieregularne
- Popularne techniki analizy szeregów czasowych
- Obliczanie zmian procentowych
- Obliczenia dla okna kroczącego
- Obliczanie zmiany procentowej dla okna kroczącego
- Szeregi czasowe z wieloma zmiennymi
- Przetwarzanie szeregów czasowych z wieloma zmiennymi
- Analizowanie zależności pomiędzy zmiennymi
- Ćwiczenie 17. Dodawanie kolejnych metryk do analizy zależności
- Podsumowanie
- Reguły asocjacyjne
- Wsparcie
- Ufność
- Przesunięcie
- Algorytm Apriori
- Tworzenie zbioru danych transakcji
- Identyfikacja często występujących produktów
- Generacja reguł asocjacyjnych
- Wizualizacja reguł asocjacyjnych
- Uzyskiwanie praktycznych informacji na podstawie reguł asocjacyjnych
- Generowanie rekomendacji
- Planowanie obniżek na podstawie reguł asocjacyjnych
- Ćwiczenie 18. Analizowanie rzeczywistych danych transakcji
- Podsumowanie
- Dlaczego uczenie maszynowe?
- Typy uczenia maszynowego
- Uczenie nadzorowane
- Uczenie nienadzorowane
- Jak działa uczenie maszynowe
- Dane uczące
- Model statystyczny
- Dane, które wcześniej nie były widoczne
- Przykład analizy sentymentu - klasyfikacja recenzji produktów
- Pobieranie opinii o produktach
- Czyszczenie danych
- Dzielenie i przekształcanie danych
- Uczenie modelu
- Ocenianie modelu
- Ćwiczenie 19. Rozszerzanie przykładowego zestawu danych
- Przewidywanie trendów giełdowych
- Pozyskiwanie danych
- Określanie cech na podstawie ciągłych danych
- Generowanie zmiennej wynikowej
- Uczenie i ocena modelu
- Ćwiczenie 20. Eksperymenty z innymi walorami i nowymi metrykami
- Podsumowanie
Wprowadzenie
1. Podstawowe informacje o danych
2. Struktury danych w Pythonie
3. Biblioteki Pythona używane w zagadnieniach nauki o danych
4. Korzystanie z danych z plików i API
5. Korzystanie z baz danych
6. Agregacja danych
7. Łączenie zbiorów danych
8. Tworzenie wizualizacji
9. Analizowanie danych o lokalizacji
10. Analizowanie danych z szeregów czasowych
11. Wyciąganie wniosków na podstawie danych
12. Uczenie maszynowe w nauce o danych
Oceny i opinie klientów: Python w data science. Praktyczne wprowadzenie Yuli Vasiliev (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.