توضیحات
The Hands-On, Example-Rich Introduction to Pandas Data Analysis in PythonToday, analysts must manage data characterized by extraordinary variety, velocity, and volume. Using the open source Pandas library, you can use Python to rapidly automate and perform virtually any data analysis task, no matter how large or complex. Pandas can help you ensure the veracity of your data, visualize it for effective decision-making, and reliably reproduce analyses across multiple datasets. *Pandas for Everyone* brings together practical knowledge and insight for solving real problems with Pandas, even if you’re new to Python data analysis. Daniel Y. Chen introduces key concepts through simple but practical examples, incrementally building on them to solve more difficult, real-world problems. Chen gives you a jumpstart on using Pandas with a realistic dataset and covers combining datasets, handling missing data, and structuring datasets for easier analysis and visualization. He demonstrates powerful data cleaning techniques, from basic string manipulation to applying functions simultaneously across dataframes. Once your data is ready, Chen guides you through fitting models for prediction, clustering, inference, and exploration. He provides tips on performance and scalability, and introduces you to the wider Python data analysis ecosystem.
Work with DataFrames and Series, and import or export data Create plots with matplotlib, seaborn, and pandas Combine datasets and handle missing data Reshape, tidy, and clean datasets so they’re easier to work with Convert data types and manipulate text strings Apply functions to scale data manipulations Aggregate, transform, and filter large datasets with groupby Leverage Pandas’ advanced date and time capabilities Fit linear models using statsmodels and scikit-learn libraries Use generalized linear modeling to fit models with different response variables Compare multiple models to select the ‘best’ Regularize to overcome overfitting and improve performance Use clustering in unsupervised machine learningRegister your product atinformit.com/registerfor convenient access to downloads, updates, and/or corrections as they become available.Normal 0 false false false EN-US X-NONE X-NONE
Work with DataFrames and Series, and import or export data Create plots with matplotlib, seaborn, and pandas Combine datasets and handle missing data Reshape, tidy, and clean datasets so they’re easier to work with Convert data types and manipulate text strings Apply functions to scale data manipulations Aggregate, transform, and filter large datasets with groupby Leverage Pandas’ advanced date and time capabilities Fit linear models using statsmodels and scikit-learn libraries Use generalized linear modeling to fit models with different response variables Compare multiple models to select the ‘best’ Regularize to overcome overfitting and improve performance Use clustering in unsupervised machine learningRegister your product atinformit.com/registerfor convenient access to downloads, updates, and/or corrections as they become available.Normal 0 false false false EN-US X-NONE X-NONE
————————————————————–
ترجمه ماشینی :
مقدمه ای غنی و کاربردی برای تجزیه و تحلیل داده های پانداها در پایتونامروزه، تحلیلگران باید داده هایی را مدیریت کنند که با تنوع، سرعت و حجم فوق العاده مشخص می شوند. با استفاده از کتابخانه منبع باز Pandas، می توانید از پایتون برای خودکارسازی سریع و انجام تقریباً هر کار تجزیه و تحلیل داده، صرف نظر از اینکه چقدر بزرگ یا پیچیده باشد، استفاده کنید. پانداها میتوانند به شما کمک کنند از صحت دادههای خود اطمینان حاصل کنید، آنها را برای تصمیمگیری مؤثر تجسم کنید، و تجزیه و تحلیلها را بهطور قابلاطمینانی در مجموعه دادههای متعدد بازتولید کنید. *پانداها برای همه* دانش عملی و بینش برای حل مشکلات واقعی با پانداها، حتی اگر در تجزیه و تحلیل داده های پایتون تازه کار هستید. دانیل ی چن مفاهیم کلیدی را از طریق مثالهای ساده اما کاربردی معرفی میکند و بهطور تدریجی آنها را برای حل مسائل سختتر و واقعیتر میسازد. Chen به شما شروعی جهشی در استفاده از پانداها با مجموعه داده واقعی می دهد و ترکیب مجموعه داده ها، مدیریت داده های از دست رفته و ساختار مجموعه داده ها را برای تجزیه و تحلیل و تجسم آسان تر پوشش می دهد. او تکنیکهای قدرتمند پاکسازی دادهها، از دستکاری رشتههای پایه تا اعمال توابع بهطور همزمان در فریمهای داده را نشان میدهد. هنگامی که داده های شما آماده شد، چن شما را از طریق مدل های مناسب برای پیش بینی، خوشه بندی، استنتاج و کاوش راهنمایی می کند. او نکاتی در مورد عملکرد و مقیاس پذیری ارائه می دهد و شما را با اکوسیستم تجزیه و تحلیل داده های پایتون گسترده تر آشنا می کند.
با DataFrames و Series کار کنید و داده ها را وارد یا صادر کنید ایجاد نمودار با matplotlib، seaborn، و panda ها مجموعه داده ها را ترکیب کنید و داده های از دست رفته را مدیریت کنید، مجموعه داده ها را تغییر شکل دهید، مرتب و تمیز کنید تا کار با تبدیل انواع داده ها آسان تر شود. دستکاری رشتههای متنی اعمال توابع برای مقیاسبندی دستکاری دادهها جمعآوری، تبدیل و فیلتر کردن مجموعههای داده بزرگ با قابلیتهای تاریخ و زمان پیشرفته پانداها در گروه با استفاده از اهرم، متناسب کردن مدلهای خطی با استفاده از مدلهای آماری و کتابخانههای scikit-learn استفاده از مدلسازی خطی تعمیمیافته برای برازش مدلها با متغیرهای پاسخ متفاوت مقایسه چندگانه مدلها برای انتخاب «بهترین» منظمسازی برای غلبه بر برازش و بهبود عملکرد از خوشهبندی در یادگیری ماشینی بدون نظارت استفاده کنیدمحصول خود را درinformit.com/registerبرای دسترسی راحت به بارگیریها، بهروزرسانیها، و/یا اصلاحات در صورت در دسترس شدن.عادی 0 false false false EN-US X-NONE X-NONE
با DataFrames و Series کار کنید و داده ها را وارد یا صادر کنید ایجاد نمودار با matplotlib، seaborn، و panda ها مجموعه داده ها را ترکیب کنید و داده های از دست رفته را مدیریت کنید، مجموعه داده ها را تغییر شکل دهید، مرتب و تمیز کنید تا کار با تبدیل انواع داده ها آسان تر شود. دستکاری رشتههای متنی اعمال توابع برای مقیاسبندی دستکاری دادهها جمعآوری، تبدیل و فیلتر کردن مجموعههای داده بزرگ با قابلیتهای تاریخ و زمان پیشرفته پانداها در گروه با استفاده از اهرم، متناسب کردن مدلهای خطی با استفاده از مدلهای آماری و کتابخانههای scikit-learn استفاده از مدلسازی خطی تعمیمیافته برای برازش مدلها با متغیرهای پاسخ متفاوت مقایسه چندگانه مدلها برای انتخاب «بهترین» منظمسازی برای غلبه بر برازش و بهبود عملکرد از خوشهبندی در یادگیری ماشینی بدون نظارت استفاده کنیدمحصول خود را درinformit.com/registerبرای دسترسی راحت به بارگیریها، بهروزرسانیها، و/یا اصلاحات در صورت در دسترس شدن.عادی 0 false false false EN-US X-NONE X-NONE
tag : دانلود کتاب پانداها برای همه: تجزیه و تحلیل داده های پایتون , Download پانداها برای همه: تجزیه و تحلیل داده های پایتون , دانلود پانداها برای همه: تجزیه و تحلیل داده های پایتون , Download Pandas for Everyone: Python Data Analysis Book , پانداها برای همه: تجزیه و تحلیل داده های پایتون دانلود , buy پانداها برای همه: تجزیه و تحلیل داده های پایتون , خرید کتاب پانداها برای همه: تجزیه و تحلیل داده های پایتون , دانلود کتاب Pandas for Everyone: Python Data Analysis , کتاب Pandas for Everyone: Python Data Analysis , دانلود Pandas for Everyone: Python Data Analysis , خرید Pandas for Everyone: Python Data Analysis , خرید کتاب Pandas for Everyone: Python Data Analysis ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.