Ebook Pandas for Everyone - Python Data Analysis [Ấn Bản Lần 2] [PDF, EPUB] [9616E]
Quản lý và tự động hóa phân tích dữ liệu với Pandas trong Python.
Ngày nay, các nhà phân tích phải quản lý dữ liệu được đặc trưng bởi sự đa dạng, tốc độ và khối lượng đặc biệt. Sử dụng thư viện Pandas nguồn mở, bạn có thể sử dụng Python để tự động hóa nhanh chóng và thực hiện hầu như mọi tác vụ phân tích dữ liệu, bất kể lớn hay phức tạp. Pandas có thể giúp bạn đảm bảo tính xác thực của dữ liệu, trực quan hóa dữ liệu để đưa ra quyết định hiệu quả và tái tạo đáng tin cậy các phân tích trên nhiều tập dữ liệu.
Pandas for Everyone, Phiên bản 2, tập hợp kiến thức thực tế và hiểu biết sâu sắc để giải quyết các vấn đề thực tế với Pandas, ngay cả khi bạn mới làm quen với Python data analysis. Cuốn sách giới thiệu các khái niệm chính thông qua các ví dụ đơn giản nhưng thực tế, xây dựng từng bước dựa trên chúng để giải quyết các vấn đề khoa học dữ liệu thực tế khó hơn như sử dụng regularization để ngăn data overfitting hoặc khi nào sử dụng các phương pháp unsupervised machine learning để tìm cấu trúc cơ bản trong tập dữ liệu.
Các tính năng mới trong phiên bản thứ hai bao gồm:
- ✓ Phạm vi được mở rộng của plotting và seaborn data visualization library.
- ✓ Các ví dụ và tài nguyên được mở rộng.
- ✓ Đã cập nhật Python 3.9 code và các package, bao gồm các thư viện statsmodels và scikit-learn.
- ✓ Tài liệu bổ sung trực tuyến về geopandas, Dask và tạo các đồ họa tương tác với Altair.
Cuốn sách cung cấp cho bạn một khởi đầu nhanh chóng để sử dụng Pandas với một tập dữ liệu thực tế và bao gồm việc kết hợp các tập dữ liệu, xử lý missing data và cấu trúc các tập dữ liệu để phân tích và trực quan hóa dễ dàng hơn. Cuốn sách cũng demo các kỹ thuật data cleaning mạnh mẽ, từ thao tác chuỗi cơ bản đến áp dụng các hàm đồng thời trên các dataframe.
Khi dữ liệu của bạn đã sẵn sàng, Cuốn sách sẽ hướng dẫn bạn cách lắp các mô hình cho prediction, clustering, inference, và exploration. Cuốn sách cũng cung cấp các mẹo về hiệu suất và khả năng mở rộng và giới thiệu cho bạn hệ sinh thái Python data analysis rộng hơn.
- ✓ Làm việc với DataFrames và Series, và import hoặc export data.
- ✓ Tạo các đồ thị với matplotlib, seaborn và pandas.
- ✓ Combine data sets và handle missing data.
- ✓ Reshape, tidy, và clean data sets để chúng dễ làm việc hơn.
- ✓ Chuyển đổi các kiểu dữ liệu và thao tác chuỗi văn bản.
- ✓ Áp dụng các function để mở rộng thao tác dữ liệu.
- ✓ Aggregate, transform, và filter các tập dữ liệu lớn với groupby.
- ✓ Tận dụng các khả năng date & time nâng cao của Pandas.
- ✓ Fit linear models sử dụng thư viện statsmodels và scikit-learn.
- ✓ Sử dụng generalized linear modeling để fit các model với các response variable khác nhau.
- ✓ So sánh nhiều mô hình để chọn ra mô hình “tốt nhất”.
- ✓ Regularize để khắc phục overfitting và cải thiện hiệu suất.
- ✓ Sử dụng clustering trong unsupervised machine learning.
Mục lục:
- ✓ Phần I: Giới thiệu:
- ✓ Chương 1. Pandas DataFrame Basic.
- ✓ Chương 2. Pandas Data Structures Basic.
- ✓ Chương 3. Plotting Basic.
- ✓ Chương 4. Tidy Data.
- ✓ Chương 5. Apply Function.
- ✓ Phần II: Data Processing:
- ✓ Chương 6. Data Assembly.
- ✓ Chương 7. Data Normalization.
- ✓ Chương 8. Groupby Operations: Split-Apply-Combine.
- ✓ Phần III: Data Types:
- ✓ Chương 9. Missing Data.
- ✓ Chương 10. Data Types.
- ✓ Chapter 11. Strings & Text Data.
- ✓ Chapter 12. Dates & Times.
- ✓ Phần IV: Data Modeling:
- ✓ Chapter 13. Linear Regression (Continuous Outcome Variable).
- ✓ Chapter 14. Generalized Linear Models.
- ✓ Chapter 15. Survival Analysis.
- ✓ Chapter 16. Model Diagnostics.
- ✓ Chapter 17. Regularization.
- ✓ Chapter 18. Clustering.
- ✓ Phần V: Kết luận:
- ✓ Chapter 19. Life Outside of Pandas.
- ✓ Chapter 20. It’s Dangerous to Go Alone!
- ✓ Phần VI: Phụ lục:
- ✓ Phụ lục A. Concept Maps.
- ✓ Phụ lục B. Installation & Setup.
- ✓ Phụ lục C. Command Line.
- ✓ Phụ lục D. Project Templates.
- ✓ Phụ lục E. Sử dụng Python
- ✓ Phụ lục F. Làm việc với Directories.
- ✓ Phụ lục G. Environments.
- ✓ Phụ lục H. Install Packages.
- ✓ Phụ lục I. Importing Libraries.
- ✓ Phụ lục J. Code Style.
- ✓ Phụ lục K. Containers: Lists, Tuples, & Dictionaries.
- ✓ Phụ lục L. Slice Values.
- ✓ Phụ lục M. Loops.
- ✓ Phụ lục N. Comprehensions.
- ✓ Phụ lục O. Functions.
- ✓ Phụ lục P. Ranges & Generators.
- ✓ Phụ lục Q. Multiple Assignment.
- ✓ Phụ lục R. Numpy ndarray
- ✓ Phụ lục S. Classes
- ✓ Phụ lục T. SettingwithCopyWarning
- ✓ Phụ lục U. Method Chaining
- ✓ Phụ lục V. Timing Code.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU