Bis 30.9.2024 gibt es mit dem Code EBOOK20 20% Rabatt auf alle Stämpfli E-Books. Einfach den Rabattcode an der Kasse im entsprechenden Feld eingeben.
Fokusthemen
Publikationen
Services
Autorinnen/Autoren
Verlag
Shop
LEXIA
Zeitschriften
SachbuchLOKISemaphor

Handbuch Data Science mit Python

Grundlegende Tools für die Arbeit mit Daten

Inhalt

Der unverzichtbare Werkzeugkasten für Data Science in der 2. Auflage

  • Das bewährte Standardwerk jetzt in vollständig aktualisierter Neuauflage
  • Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib und Scikit-Learn
  • Die leicht nachvollziehbaren Beispiele helfen Ihnen bei der erfolgreichen Einrichtung und Nutzung der Data-Science-Tools
  • Inklusive Jupyter Notebooks, die es Ihnen ermöglichen, den Code direkt beim Lesen auszuprobieren

Für viele Data Scientists ist Python die Sprache der Wahl, weil zahlreiche ausgereifte Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar sind. Jake VanderPlas versammelt in dieser 2. Auflage seines Standardwerks alle wichtigen Datenanalyse Tools in einem Band und erläutert deren Einsatz in der Praxis. Beschrieben werden IPython, Jupyter, NumPy, Pandas, Matplotlib, Scikit-Learn und verwandte Werkzeuge.

Für Datenanalystinnen und analysten und Data Cruncher mit Python Kenntnissen ist dieses umfassende Handbuch von unschätzbarem Wert bei der Erledigung ihrer täglichen Aufgaben. Dazu gehören die Manipulation, Umwandlung und Bereinigung von Daten, die Visualisierung verschiedener Datentypen sowie die Nutzung von Daten zum Erstellen von Statistiken und Machine Learning Modellen.

Dieses Handbuch beschreibt die folgenden Tools:

  • IPython und Jupyter bieten eine Umgebung für Berechnungen, die von vielen Data Scientists genutzt wird
  • NumPy stellt das ndarray zum effizienten Speichern und Bearbeiten dicht gepackter Datenarrays bereit
  • Pandas verfügt über das DataFrameObjekt für die Speicherung und Manipulation gelabelter und spaltenorientierter Daten
  • Matplotlib ermöglicht die flexible und vielseitige Visualisierung von Daten
  • Scikit-Learn unterstützt bei der Implementierung der wichtigsten und gebräuchlichsten Algorithmen für das Machine Learning

»Jake beschreibt weit mehr als die Grundlagen dieser Open-Source-Tools; er erläutert die zugrunde liegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« -- Brian Granger, Physikprofessor und Mitbegründer des Jupyter-Projekts

Bibliografische Angaben

November 2023, 576 Seiten, Animals, Deutsch
O'Reilly
978-3-96009-225-4

Schlagworte

Weitere Titel der Reihe: Animals

Alle anzeigen

Weitere Titel zum Thema