Python pro datovou vědu: Praktický úvod do problematiky Pythonu

Recenze čtenářů

Kniha má smíšené hodnocení, někteří čtenáři oceňují poskytnuté informace, zatímco mnozí jiní kritizují její přehlednost, nedostatek podstatných doplňkových materiálů a celkovou kvalitu textu. Uživatelé se setkali s problémy s propojeným úložištěm GitHub a shledali, že některé koncepty kódování jsou nedostatečně vysvětleny, což začátečníkům činí potíže.

⬤ Obsahuje dobré informace
⬤ některé kapitoly se s postupem knihy zlepšují
⬤ kniha splňuje určitá očekávání pro čtenáře, kteří jsou s tématem trochu obeznámeni.

⬤ Chybí adekvátní řešení v repozitáři GitHub
⬤ první kapitoly jsou nejasné a pro začátečníky matoucí
⬤ náhlé zavedení složitých konceptů kódování bez vysvětlení
⬤ špatná kvalita psaní
⬤ chybějící podpůrné soubory
⬤ celková nespokojenost s hodnotou knihy.

(na základě 5 hodnocení čtenářů)

Původní název:

Python for Data Science: A Hands-On Introduction

Obsah knihy:

Praktický úvod do analýzy dat v programovacím jazyce Python s rozsáhlými příklady.

Python je ideální volbou pro přístup k datům všeho druhu, manipulaci s nimi a získávání informací o nich. Kniha Python for Data Science vás uvede do pythonovského světa datové analýzy s přístupem „learn-by-doing“ zakotveným v praktických příkladech a praktických činnostech. Naučíte se psát kód v jazyce Python pro získávání, transformaci a analýzu dat a procvičíte si nejmodernější techniky zpracování dat pro případy použití v oblasti řízení podniku, marketingu a podpory rozhodování.

Objevíte bohatou sadu vestavěných datových struktur jazyka Python pro základní operace a také jeho robustní ekosystém open-source knihoven pro datovou vědu, včetně NumPy, pandas, scikit-learn, matplotlib a dalších. Na příkladech si ukážeme, jak načítat data v různých formátech, jak racionalizovat, seskupovat a agregovat datové sady a jak vytvářet grafy, mapy a další vizualizace. Pozdější kapitoly se věnují podrobnějším ukázkám reálných datových aplikací, včetně využití lokalizačních dat pro taxislužbu, analýzy tržního koše pro identifikaci položek, které se běžně nakupují společně, a strojového učení pro předpovídání cen akcií.