McKinney, Wes. Datenanalyse mit Python - Auswertung von Daten mit Pandas, NumPy und IPython. dpunkt.Verlag, 2023.

Wes McKinney

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython
  • dpunkt.Verlag
  • 2023
  • Taschenbuch
  • 556 Seiten
  • ISBN 9783960092117
Übersetzung: Kathrin Lichtenberg / Thomas Demmig

Die erste Adresse für die Analyse von Daten mit Python * Das Standardwerk in der 3. Auflage, aktualisiert auf Python 3.10 und pandas 1.4 * Versorgt Sie mit allen praktischen Details und mit wertvollem Insiderwissen, um Datenanalysen mit Python erfolgreich durchzuführen * Mit Jupyter-Notebooks für alle Codebeispiele aus jedem Kapitel Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.10 und pandas 1.4, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy und Jupyter kennen. Geschrieben von Wes McKinney, dem

Mehr Weniger
Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und Zusatzmaterial zum Buch sind auf GitHub verfügbar. Aus dem Inhalt: * Nutzen Sie Jupyter Notebook und die IPython-Shell für das explorative Computing * Lernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennen * Setzen Sie die Datenanalyse-Tools der pandas-Bibliothek ein * Verwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten * Erstellen Sie interformative Visualisierungen mit matplotlib * Wenden Sie die GroupBy-Mechanismen von pandas an, um Datensätze zurechtzuschneiden, umzugestalten und zusammenzufassen * Analysieren und manipulieren Sie verschiedenste Zeitreihendaten * Erproben Sie die konkrete Anwendung der im Buch vorgestellten Werkzeuge anhand verschiedener realer Datensätze

Auf Lager