کتاب Python for Data Analysis

category

فرمت کتاب

mobi

category

ویرایش

Third

category

ISBN

978-1-098-10403-0

category

تعداد صفحات

579

category

انتشارات

O'Reilly

category

سال انتشار

2022

category

حجم

6.92 مگابایت

category

نویسنده

Wes McKinney

info نکات مهم قبل از خرید:

  • نسخه کتاب فعلی به زبان لاتین می‌باشد.
  • کتاب به صورت محصول می‌باشد و پس از خرید بلافاصله در دسترس شما قرار می‌گیرد.
  • قبل از خرید، قسمت توضیحات تکمیلی مربوط به هر کتاب را مطالعه کنید.
  • در صورت هرگونه سؤال با ایمیل و یا شماره پشتیبانی سایت در تماس باشید.
  • درگاه پرداخت رمزارز نیز برای هموطنان خارج از کشور فعال است.

درباره این کتاب

کتاب Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd Edition (پایتون برای تجزیه و تحلیل داده‌ها: جدال داده‌ها با Pandas، NumPy و Jupyter، نسخه سوم) از جدیدترین منابع حال حاضر برای یادگیری تحلیل داده‌ها با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های معروف آن نظیر، Pandas و ژوپیتر است. این کتاب در 13 فصل به آموزش پایه تا شرح نکات مهم و پیشرفته در رابطه با…

۲۷,۰۰۰ تومان

کتاب‌های پیشنهادی سردبیر

کتاب‌های پیشنهادی دیگر

نظرات کاربران

تجربیات خود را از خواندن این کتاب با دیگران به اشتراک بگذارید.

امتیاز کل
star star star star star
از 0 نظر

ثبت نظر جدید

دیدگاهتان را بنویسید

هنوز دیدگاهی ثبت نشده است.

کتاب Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd Edition (پایتون برای تجزیه و تحلیل داده‌ها: جدال داده‌ها با Pandas، NumPy و Jupyter، نسخه سوم) از جدیدترین منابع حال حاضر برای یادگیری تحلیل داده‌ها با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های معروف آن نظیر، Pandas و ژوپیتر است. این کتاب در 13 فصل به آموزش پایه تا شرح نکات مهم و پیشرفته در رابطه با تجزیه و تحلیل داده‌ها خواهد پرداحت.

در ادامه مقدمه‌ای از کتاب Python for Data Analysis را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Python for Data Analysis:

اولین نسخه این کتاب در سال 2012 منتشر شد، زمانی که کتابخانه‌های تجزیه و تحلیل داده‌های منبع باز برای پایتون، به ویژه Pandas، بسیار جدید و به سرعت در حال توسعه بودند. زمانی که زمان نگارش نسخه دوم در سال‌های 2016 و 2017 فرا رسید، من نیاز داشتم کتاب را نه تنها برای پایتون 3.6 (نسخه اول از پایتون 2.7 استفاده می‌کرد) بلکه برای تغییرات زیادی در Pandas که طی پنج سال گذشته رخ داده بود، به‌روزرسانی کنم. اکنون در سال 2022، تغییرات کمتری در زبان پایتون وجود دارد (ما اکنون در پایتون 3.10 هستیم که نسخه 3.11 در پایان سال 2022 منتشر می‌شود)، اما Pandas به تکامل خود ادامه داده‌اند.

بیشتر بخوانید: کتاب The Pandas Workshop

در این نسخه سوم، هدف من این است که محتوا را با نسخه‌های فعلی پایتون، NumPy، Pandas و پروژه‌های دیگر به‌روز کنم، در حالی که در مورد پروژه‌های جدیدتر پایتون که در چند سال اخیر ظاهر شده‌اند، نسبتا محافظه‌کار باقی می‌مانم. از آنجایی که این کتاب به منبع مهمی برای بسیاری از دوره‌های دانشگاهی و متخصصان حرفه‌ای تبدیل شده است، سعی می‌کنم از موضوعاتی که در طی یک یا دو سال در معرض از بین رفتن تاریخ هستند اجتناب کنم. به این ترتیب دنبال کردن نسخه‌های کاغذی در سال 2023 یا 2024 یا بعد از آن چندان دشوار نخواهد بود.

یکی از ویژگی‌های جدید نسخه سوم، نسخه آنلاین دسترسی آزاد است که در وب‌سایت من به نشانی https://wesmckinney.com/book میزبانی شده است تا به عنوان منبع و راحتی برای صاحبان نسخه‌های چاپی و دیجیتالی باشد. من قصد دارم محتوا را به طور معقولی در آنجا به روز نگه دارم، بنابراین اگر شما صاحب کتاب کاغذی هستید و با چیزی مواجه شدید که به درستی کار نمی کند، باید آن را برای آخرین تغییرات محتوا بررسی کنید.

سرفصل‌های کتاب Python for Data Analysis:

  • Preface
  • 1. Preliminaries
  • 2. Python Language Basics, IPython, and Jupyter Notebooks
  • 3. Built-In Data Structures, Functions, and Files
  • 4. NumPy Basics: Arrays and Vectorized Computation
  • 5. Getting Started with pandas
  • 6. Data Loading, Storage, and File Formats
  • 7. Data Cleaning and Preparation
  • 8. Data Wrangling: Join, Combine, and Reshape
  • 9. Plotting and Visualization
  • 10. Data Aggregation and Group Operations
  • 11. Time Series
  • 12. Introduction to Modeling Libraries in Python
  • 13. Data Analysis Examples
  • A. Advanced NumPy
  • B. More on the IPython System
  • Index

جهت دانلود کتاب Python for Data Analysis می‌توانید پس از پرداخت، دریافت کنید.