Für viele Forschende ist Python ein erstklassiges Werkzeug, hauptsächlich wegen seiner Bibliotheken zum Speichern, Bearbeiten und Gewinnen von Erkenntnissen aus Daten.. Für einzelne Teile dieses Data-Science-Stacks gibt es verschiedene Ressourcen, aber nur mit dem Python Data Science Handbook erhalten Sie sie alle – IPython, NumPy, Pandas, Matplotlib, Scikit-Learn und andere verwandte Werkzeuge.
Praktizierende Wissenschaftler und Datenanalysten, die mit dem Lesen und Schreiben von Python-Code vertraut sind, werden dieses umfassende Nachschlagewerk als ideal für die Bewältigung alltäglicher Probleme empfinden.: Daten manipulieren, transformieren und bereinigen; Visualisierung verschiedener Datentypen; und die Verwendung von Daten zum Erstellen statistischer oder maschineller Lernmodelle. Ganz einfach, dies ist die unverzichtbare Referenz für wissenschaftliches Rechnen in Python.
Mit diesem Handbuch lernen Sie, wie man:
IPython und Jupyter: Bereitstellung von Rechenumgebungen für Data Scientists, die Python verwenden
NumPy: umfasst das ndarray zur effizienten Speicherung und Manipulation von dichten Datenarrays in Python
Pandas: verfügt über den DataFrame zur effizienten Speicherung und Manipulation von beschrifteten/spaltenartigen Daten in Python
Matplotlib: umfasst Fähigkeiten für eine flexible Bandbreite an Datenvisualisierungen in Python
Scikit-Learn: für effiziente und saubere Python-Implementierungen der wichtigsten und etablierten Algorithmen des maschinellen Lernens
Über den Autor
Jake VanderPlas ist ein langjähriger Benutzer und Entwickler des wissenschaftlichen Python-Stacks. Er arbeitet derzeit als interdisziplinärer Forschungsdirektor an der University of Washington, führt seine eigene astronomische Forschung durch und verbringt Zeit mit Beratung und Konsultation lokaler Wissenschaftler aus einer Vielzahl von Bereichen.
Rückerstattung bei Nichtlieferung
