Pandy pro každého: Analýza dat v jazyce Python

Recenze čtenářů

Celkově recenze vyzdvihují knihu jako praktický úvod do Pandy, který je cenný zejména pro začátečníky a ty, kteří chtějí rychle uplatnit své dovednosti v oblasti analýzy dat. Chválí se jasné vysvětlení a praktické příklady, i když některé kritiky se zaměřují na zastaralý obsah, problémy s formátováním a přítomnost výplňového materiálu. Čtenáři ji považují za méně komplexní referenci ve srovnání s jinými knihami o Pandasu.

⬤ Jasná vysvětlení a praktické příklady, které napomáhají porozumění.
⬤ Praktické pro použití v analýze dat, zejména je zaznamenána jeho užitečnost v pracovních úlohách.
⬤ Dobrý úvodní zdroj pro začátečníky a studenty.
⬤ Doprovodné zdroje, jako jsou notebooky GitHub, poskytují další podporu.
⬤ Stručné a přímo řeší potřeby uživatelů bez zbytečných podrobností.

⬤ Obsahuje překlepy a zastaralé informace; někteří doporučují zkontrolovat nejnovější vydání.
⬤ Podle některých recenzentů snižuje kvalitu obsahu formátování a používání výplňového materiálu.
⬤ V porovnání s jinými referenčními materiály Pandy chybí hloubka některých metod a témat.
⬤ Přístup k příkladům uvedeným v textu vyžaduje externí úsilí.
⬤ Někteří ji považují za nevhodnou pro hloubkové studium.

(na základě 69 hodnocení čtenářů)

Původní název:

Pandas for Everyone: Python Data Analysis

Obsah knihy:

Praktický úvod do analýzy dat pomocí programu Pandas v jazyce Python

Analytici dnes musí spravovat data, která se vyznačují mimořádnou rozmanitostí, rychlostí a objemem. Pomocí open source knihovny Pandas můžete v jazyce Python rychle automatizovat a provádět prakticky jakoukoli úlohu analýzy dat, bez ohledu na to, jak je rozsáhlá nebo složitá. Pandas vám pomůže zajistit pravdivost dat, vizualizovat je pro efektivní rozhodování a spolehlivě reprodukovat analýzy napříč více datovými sadami.

Kniha Pandas pro každého přináší praktické znalosti a poznatky pro řešení skutečných problémů s Pandas, i když s analýzou dat v jazyce Python teprve začínáte. Daniel Y. Chen představuje klíčové koncepty na jednoduchých, ale praktických příkladech a postupně na nich staví řešení složitějších reálných problémů.

Chen vám poskytne úvodní informace o používání programu Pandas s realistickým souborem dat a věnuje se kombinování souborů dat, práci s chybějícími daty a strukturování souborů dat pro snadnější analýzu a vizualizaci. Předvádí výkonné techniky čištění dat, od základní manipulace s řetězci až po použití funkcí současně napříč datovými soubory.

Jakmile jsou data připravena, Chen vás provede sestavováním modelů pro predikci, shlukování, odvozování a zkoumání. Poskytne vám tipy týkající se výkonu a škálovatelnosti a seznámí vás s širším ekosystémem analýzy dat v jazyce Python.

⬤ Pracujte s DataFrames a Series a importujte nebo exportujte data.

⬤ Vytvářejte grafy pomocí matplotlib, seaborn a pandas.

⬤ Slučování datových souborů a práce s chybějícími daty.

⬤ Tvarovat, upravovat a čistit datové sady, aby se s nimi lépe pracovalo.

⬤ Konvertujte datové typy a manipulujte s textovými řetězci.

⬤ Použití funkcí pro škálování manipulací s daty.

⬤ Sdružování, transformace a filtrování velkých datových sad pomocí funkce groupby.

⬤ Využívat pokročilé možnosti Pandy v oblasti data a času.

⬤ Fitovat lineární modely pomocí knihoven statsmodels a scikit-learn.

⬤ Používat zobecněné lineární modelování k fitování modelů s různými proměnnými odezvy.

⬤ Porovnávat více modelů a vybrat ten "nejlepší".

⬤ Regulovat pro překonání nadměrného přizpůsobení a zlepšení výkonu.

⬤ Používejte shlukování v neřízeném strojovém učení.