Για πολλούς ερευνητές, η Python είναι ένα εργαλείο πρώτης κατηγορίας κυρίως λόγω των βιβλιοθηκών της για αποθήκευση, χειρισμό και εξαγωγή συμπερασμάτων από δεδομένα. Υπάρχουν αρκετοί πόροι για μεμονωμένα κομμάτια αυτού του stack επιστήμης δεδομένων, αλλά μόνο με το Εγχειρίδιο Επιστήμης Δεδομένων Python τα αποκτάτε όλα—IPython, NumPy, Pandas, Matplotlib, Scikit-Learn και άλλα σχετικά εργαλεία.
Εργαζόμενοι επιστήμονες και αναλυτές δεδομένων εξοικειωμένοι με την ανάγνωση και τη συγγραφή κώδικα Python θα βρουν αυτό το περιεκτικό επιτραπέζιο εγχειρίδιο ιδανικό για την αντιμετώπιση καθημερινών ζητημάτων.: χειρισμός, μετασχηματισμός και καθαρισμός δεδομένων; οπτικοποίηση διαφορετικών τύπων δεδομένων; και χρησιμοποιώντας δεδομένα για την κατασκευή στατιστικών μοντέλων ή μοντέλων μηχανικής μάθησης. Πολύ απλά, αυτό είναι το απαραίτητο εγχειρίδιο αναφοράς για επιστημονικούς υπολογισμούς στην Python.
Με αυτό το εγχειρίδιο, θα μάθετε πώς να χρησιμοποιείτε:
IPython και Jupyter: παρέχετε υπολογιστικά περιβάλλοντα για επιστήμονες δεδομένων που χρησιμοποιούν Python
NumPy: περιλαμβάνει το ndarray για αποτελεσματική αποθήκευση και χειρισμό πυκνών πινάκων δεδομένων στην Python
Pandas: διαθέτει το DataFrame για αποτελεσματική αποθήκευση και χειρισμό επισημασμένων/στηλοειδών δεδομένων στην Python
Matplotlib: περιλαμβάνει δυνατότητες για μια ευέλικτη γκάμα οπτικοποιήσεων δεδομένων στην Python
Scikit-Learn: για αποτελεσματικές και καθαρές υλοποιήσεις Python των πιο σημαντικών και καθιερωμένων αλγορίθμων μηχανικής μάθησης
Σχετικά με τον Συγγραφέα
Ο Jake VanderPlas είναι μακροχρόνιος χρήστης και προγραμματιστής της επιστημονικής στοίβας Python. Επί του παρόντος εργάζεται ως διευθυντής διεπιστημονικής έρευνας στο Πανεπιστήμιο της Ουάσιγκτον, διεξάγει τη δική του αστρονομική έρευνα και αφιερώνει χρόνο συμβουλεύοντας και συνεργαζόμενος με τοπικούς επιστήμονες από ένα ευρύ φάσμα πεδίων.
Επιστροφή χρημάτων λόγω μη παράδοσης
