Analyse de données avec Python - Préparation des données avec Pandas, Numpy et Ipython

Name: Analyse de données avec Python - Préparation des données avec Pandas, Numpy et Ipython
Brand: Mckinney, Wes
SKU: NW-9782412065044
Price: 36.5 EUR
Availability: OutOfStock

Audience : Adulte - Haut niveau

Le Pitch

Note biographique Wes McKinneyest le créateur de Pandas, la populaire bibliothèque open source Python pour l'analyse des données. Il est un orateur réputé ainsi qu'un développeur Python et C++ open source actif au sein de la communauté des data scientists Pythonet de l'Apache Software Foundation.Il travaille comme architecte logiciel à New York. ,PrésentationUne bible pour les ingénieurs en science des données pour manipuler, traiter et nettoyer les données en Python Ce livre vous fera découvrir des instructions complètes pour la manipulation, le traitement, le nettoyage et la compression des jeux de données en Python. Mise à jour pour les dernières version 3.x de Python, la seconde édition de ce guide pratique est bourrée d'études de cas pratiques qui vous montrent comment résoudre efficacement un large ensemble de problèmes d'analyse de données. Vous y apprendrez à maîtriser les dernières versions de Pandas, NumPy, IPython et autre Jupyter. Au programme : Utilisez le shell IPython et Jupyter Notebook pour des explorer des projets informatiques Apprenez les fonctionnalités de base et avancées de NumPy (le raccourci de Numerical Python) Démarrez avec les outils d'analyse de données de la bibliothèque pandas Utiliser des outils flexibles pour charger, nettoyer, transformer, fusionner et remodeler les données Créez des visualisations informatives avec matplotlib Appliquez les outils de regroupement de pandas pour découper, trancher et résumer des jeux de données Analysez et manipulez des données provenant de séries chronologiques régulières et irrégulières Apprenez à résoudre les problèmes d'analyse de données du monde réel avec des exemples détaillés Afficher moinsAfficher plus

Détails du livre

Titre complet

Analyse de données avec Python - Optimiser la préparation des données avec Pandas, Numpy, Jupyter et IPython-collection O'Reilly

Auteur

Editeur

Format

Grand Format

Publication

25 mars 2021

Audience

Adulte - Haut niveau

Pages

540

Taille

23.3 x 19 x 3.1 cm

Poids

1100

ISBN-13

9782412065044

Mckinney, Wes

Analyse de données avec Python - Préparation des données avec Pandas, Numpy et Ipython

42,95 €

Le Pitch

Note biographique Wes McKinneyest le créateur de Pandas, la populaire bibliothèque open source Python pour l'analyse des données. Il est un orateur réputé ainsi qu'un développeur Python et C++ open source actif au sein de la communauté des data scientists Pythonet de l'Apache Software Foundation.Il travaille comme architecte logiciel à New York. ,PrésentationUne bible pour les ingénieurs en science des données pour manipuler, traiter et nettoyer les données en Python Ce livre vous fera découvrir des instructions complètes pour la manipulation, le traitement, le nettoyage et la compression des jeux de données en Python. Mise à jour pour les dernières version 3.x de Python, la seconde édition de ce guide pratique est bourrée d'études de cas pratiques qui vous montrent comment résoudre efficacement un large ensemble de problèmes d'analyse de données. Vous y apprendrez à maîtriser les dernières versions de Pandas, NumPy, IPython et autre Jupyter. Au programme : Utilisez le shell IPython et Jupyter Notebook pour des explorer des projets informatiques Apprenez les fonctionnalités de base et avancées de NumPy (le raccourci de Numerical Python) Démarrez avec les outils d'analyse de données de la bibliothèque pandas Utiliser des outils flexibles pour charger, nettoyer, transformer, fusionner et remodeler les données Créez des visualisations informatives avec matplotlib Appliquez les outils de regroupement de pandas pour découper, trancher et résumer des jeux de données Analysez et manipulez des données provenant de séries chronologiques régulières et irrégulières Apprenez à résoudre les problèmes d'analyse de données du monde réel avec des exemples détaillés Afficher moinsAfficher plus