کتاب Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter

درباره کتاب پایتون برای تجزیه و تحلیل داده ها: جدال داده ها با پانداها، NumPy و Jupyter اثر Wes McKinney از انتشارات O’Reilly Media

کتابچه راهنمای قطعی دستکاری، پردازش، تمیز کردن و خرد کردن مجموعه‌های داده در پایتون را دریافت کنید. نسخه سوم این راهنمای عملی که برای Python 3.10 و pandas 1.4 به روز شده است، مملو از مطالعات موردی عملی است که به شما نشان می دهد چگونه مجموعه گسترده ای از مشکلات تجزیه و تحلیل داده ها را به طور موثر حل کنید. در کتاب Python for Data Analysis جدیدترین نسخه های پانداها، NumPy و Jupyter را خواهید آموخت.

خرید کتاب Python for Data Analysis از فروشگاه کتاب ملت

کتاب Python for Data Analysis که توسط Wes McKinney، خالق پروژه پانداهای پایتون نوشته شده است، مقدمه ای کاربردی و مدرن برای ابزارهای علم داده در پایتون است. این برای تحلیلگرانی که تازه وارد پایتون شده اند و برای برنامه نویسان پایتون تازه وارد علم داده و محاسبات علمی ایده آل است. فایل های داده و مطالب مرتبط در GitHub در دسترس هستند.

از نوت بوک Jupyter و پوسته IPython برای محاسبات اکتشافی استفاده کنید
ویژگی های اولیه و پیشرفته را در NumPy بیاموزید
با ابزارهای تجزیه و تحلیل داده ها در کتابخانه پانداها شروع کنید
از ابزارهای انعطاف پذیر برای بارگیری، تمیز کردن، تبدیل، ادغام و تغییر شکل داده ها استفاده کنید
با matplotlib تصاویری آموزنده ایجاد کنید
از امکانات گروه بای پانداها برای برش، تاس و خلاصه کردن مجموعه داده ها استفاده کنید
داده های سری زمانی منظم و نامنظم را تجزیه و تحلیل و دستکاری کنید
یاد بگیرید که چگونه مشکلات تجزیه و تحلیل داده های دنیای واقعی را با مثال های کامل و دقیق حل کنید

درباره کتاب Python for Data Analysis

کتاب پایتون برای تجزیه و تحلیل داده ها وس مک کینی درباره چیست؟

کتاب Python for Data Analysis به پیچ و مهره های دستکاری، پردازش، تمیز کردن و خرد کردن داده ها در پایتون می پردازد. هدف من ارائه راهنمای بخش‌هایی از زبان برنامه‌نویسی پایتون و اکوسیستم کتابخانه‌ای داده‌گرا و ابزارهای آن است که شما را برای تبدیل شدن به یک تحلیلگر داده موثر مجهز می‌کند. در حالی که “تجزیه و تحلیل داده ها” در عنوان کتاب است، تمرکز به طور خاص بر روی برنامه نویسی پایتون، کتابخانه ها و ابزارها به جای روش تجزیه و تحلیل داده ها است. این همان برنامه نویسی پایتون است که برای تجزیه و تحلیل داده ها به آن نیاز دارید.

خرید کتاب Python for Data Analysis از فروشگاه کتاب ملت 

مدتی پس از انتشار اولیه کتاب Python for Data Analysis در سال 2012، مردم شروع به استفاده از اصطلاح علم داده به عنوان یک توصیف چتر برای همه چیز کردند، از آمار توصیفی ساده گرفته تا تجزیه و تحلیل آماری پیشرفته تر و یادگیری ماشین. اکوسیستم منبع باز پایتون برای انجام تجزیه و تحلیل داده (یا علم داده) نیز از آن زمان به طور قابل توجهی گسترش یافته است. در حال حاضر بسیاری از کتاب های دیگر وجود دارد که به طور خاص بر روی این روش های پیشرفته تر تمرکز می کنند. من امیدوارم که این کتاب به عنوان یک آماده سازی کافی به شما کمک کند تا به منبعی با دامنه خاص تر بروید.

اولین نسخه کتاب Python for Data Analysis در سال 2012 منتشر شد، زمانی که کتابخانه های تجزیه و تحلیل داده های منبع باز برای پایتون، به ویژه پانداها، بسیار جدید و به سرعت در حال توسعه بودند. زمانی که زمان نگارش ویرایش دوم در سال‌های 2016 و 2017 فرا رسید، لازم بود کتاب را نه تنها برای پایتون 3.6 (نسخه اول از پایتون 2.7 استفاده می‌کرد) بلکه برای تغییرات زیادی در پانداها که طی پنج سال گذشته رخ داده بود، به‌روزرسانی کنم.

خرید کتاب Python for Data Analysis از فروشگاه کتاب ملت 

اکنون در سال 2022، تغییرات کمتری در زبان پایتون وجود دارد (ما اکنون در پایتون 3.10 هستیم که نسخه 3.11 در پایان سال 2022 منتشر می شود)، اما پانداها به تکامل خود ادامه داده اند. در این نسخه سوم، هدف من این است که محتوا را با نسخه‌های فعلی پایتون، NumPy، پانداها و پروژه‌های دیگر به‌روز کنم، در حالی که در مورد پروژه‌های جدیدتر پایتون که در چند سال اخیر ظاهر شده‌اند، نسبتا محافظه‌کار باقی می‌مانم. از آنجایی که کتاب Python for Data Analysis به منبع مهمی برای بسیاری از دوره‌های دانشگاهی و متخصصان حرفه‌ای تبدیل شده است، سعی می‌کنم از موضوعاتی که در طی یک یا دو سال در معرض از بین رفتن تاریخ هستند اجتناب کنم. به این ترتیب دنبال کردن نسخه های کاغذی در سال 2023 یا 2024 یا بعد از آن چندان دشوار نخواهد بود.

در باره Wes McKinney – وس مک کینی نویسنده کتاب Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter :

از سال 2007، من در حال ایجاد ابزارهای سریع و آسان برای بحث و جدل داده و محاسبات آماری، عمدتاً به زبان برنامه نویسی پایتون هستم. من بیشتر به خاطر ایجاد پروژه پانداها و نوشتن کتاب پایتون برای تجزیه و تحلیل داده ها شناخته شده ام. من همچنین در پروژه های Apache Arrow، Kudu و Parket در بنیاد نرم افزار آپاچی مشارکت دارم. من در حال حاضر مدیر ارشد فناوری و یکی از بنیانگذاران Voltron Data هستم که فناوری‌های محاسباتی شتاب‌دهی شده توسط Apache Arrow را می‌سازد. من قبلاً برای آزمایشگاه‌های Ursa (در RStudio / Posit)، Two Sigma، Cloudera، DataPad و AQR Capital Management کار می‌کردم.