Ocena:
Książka została ogólnie dobrze przyjęta przez początkujących w nauce o danych i analizie danych, chwalona za łatwą czytelność i szerokie omówienie podstawowych pojęć i narzędzi. Wielu recenzentów docenia włączenie praktycznych przykładów kodu Pythona i uporządkowane podejście do tematów, od początkowej konfiguracji po uczenie maszynowe. Jednak kilka krytycznych uwag podkreśla brak głębi książki, obecność błędów i kwestie związane z jakością rysunków i ilustracji.
Zalety:Łatwa do przeczytania i zrozumienia, dzięki czemu jest odpowiednia dla początkujących.
Wady:Wszechstronne wprowadzenie do koncepcji i narzędzi nauki o danych.
(na podstawie 13 opinii czytelników)
Python Data Analysis - Third Edition: Perform data collection, data processing, wrangling, visualization, and model building using Python
Zrozumienie potoków analizy danych przy użyciu algorytmów i technik uczenia maszynowego dzięki temu praktycznemu przewodnikowi
Kluczowe cechy:
⬤ Przygotuj i oczyść swoje dane, aby wykorzystać je do analizy eksploracyjnej, manipulacji danymi i zarządzania danymi.
⬤ Odkryj nadzorowane, nienadzorowane, probabilistyczne i bayesowskie metody uczenia maszynowego.
⬤ Zapoznaj się z przetwarzaniem grafów i analizą nastrojów.
Opis książki:
Analiza danych umożliwia generowanie wartości z małych i dużych danych poprzez odkrywanie nowych wzorców i trendów, a Python jest jednym z najpopularniejszych narzędzi do analizy szerokiej gamy danych. Dzięki tej książce zaczniesz używać Pythona do analizy danych, poznając różne fazy i metodologie stosowane w analizie danych oraz ucząc się, jak korzystać z nowoczesnych bibliotek z ekosystemu Pythona do tworzenia wydajnych potoków danych.
Zaczynając od podstaw statystyki i analizy danych przy użyciu Pythona, wykonasz złożoną analizę danych i modelowanie, manipulację danymi, czyszczenie danych i wizualizację danych przy użyciu łatwych do naśladowania przykładów. Następnie zrozumiesz, jak przeprowadzać analizę szeregów czasowych i przetwarzanie sygnałów przy użyciu modeli ARMA. W miarę postępów poznasz inteligentne przetwarzanie i analizę danych przy użyciu algorytmów uczenia maszynowego, takich jak regresja, klasyfikacja, analiza głównych składowych (PCA) i grupowanie. W końcowych rozdziałach będziesz pracować na rzeczywistych przykładach, aby analizować dane tekstowe i obrazowe przy użyciu odpowiednio przetwarzania języka naturalnego (NLP) i technik analizy obrazu. Wreszcie, książka zademonstruje obliczenia równoległe przy użyciu Dask.
Pod koniec tej książki o analizie danych będziesz wyposażony w umiejętności potrzebne do przygotowania danych do analizy i tworzenia znaczących wizualizacji danych w celu prognozowania wartości z danych.
Czego się nauczysz:
⬤ Zapoznać się z nauką o danych i jej różnymi modelami procesów.
⬤ Wykonywać manipulacje danymi przy użyciu NumPy i pand do agregowania, czyszczenia i obsługi brakujących wartości.
⬤ Tworzyć interaktywne wizualizacje przy użyciu Matplotlib, Seaborn i Bokeh.
⬤ Pobieranie, przetwarzanie i przechowywanie danych w szerokim zakresie formatów.
⬤ Zrozumienie wstępnego przetwarzania danych i inżynierii cech przy użyciu pand i scikit-learn.
⬤ Analiza szeregów czasowych i przetwarzanie sygnałów przy użyciu danych dotyczących cyklu plam słonecznych.
⬤ Analiza danych tekstowych i danych obrazu w celu przeprowadzenia zaawansowanej analizy.
⬤ Przyspieszenie obliczeń równoległych przy użyciu Dask.
Dla kogo jest ta książka:
Ta książka jest przeznaczona dla analityków danych, analityków biznesowych, statystyków i naukowców zajmujących się danymi, którzy chcą dowiedzieć się, jak używać Pythona do analizy danych. Studenci i wykładowcy akademiccy również uznają tę książkę za przydatną do nauki i nauczania analizy danych w Pythonie przy użyciu praktycznego podejścia. Podstawowe zrozumienie matematyki i praktyczna znajomość języka programowania Python pomogą ci rozpocząć pracę z tą książką.