توضیحاتی در مورد کتاب :
رسانه O'Reilly، 2016. - فقط کد. — ISBN: 978-1-4919-4881-1.
کد نمونهای از فرمت PDF، EPUB.چگونه مهارت های تجزیه و تحلیل داده های خود را فراتر از Excel به سطح بعدی ارتقا می دهید؟ با یادگیری کافی پایتون برای انجام کارها.
این راهنمای عملی به غیر برنامهنویسهایی مانند شما نشان میدهد که چگونه اطلاعاتی را که در ابتدا خیلی نامرتب یا دسترسی به آنها دشوار است پردازش کنند. لازم نیست چیزی در مورد پایتون بدانید. زبان برنامه نویسی برای شروع.
از طریق تمرین های گام به گام مختلف، یاد خواهید گرفت که چگونه داده ها را به دست آورید، تمیز کنید، تجزیه و تحلیل کنید و به طور موثر ارائه دهید. همچنین خواهید فهمید که چگونه فرآیند داده خود را خودکار کنید، وظایف ویرایش و پاکسازی فایل را برنامه ریزی کنید، مجموعه داده های بزرگتر را پردازش کنید و با داده هایی که به دست می آورید داستان های متقاعدکننده ای ایجاد کنید.
به سرعت دستور زبان پایتون، انواع دادهها و مفاهیم زبان را بیاموزید.
با دادههای قابل خواندن توسط ماشین و دادههای قابل مصرف برای انسان کار کنید.
وبسایتها و APIها را برای یافتن اطلاعات مفید فراوانی خراش دهید.
پاک کردن و دادهها را قالببندی کنید تا موارد تکراری و خطاها در مجموعه دادههای خود حذف شوند.
بیاموزید که چه زمانی باید دادهها را استاندارد کنید و چه زمانی باید دادهها را آزمایش کنید و پاکسازی اسکریپت را انجام دهید.
مجموعه دادههای خود را با کتابخانهها و تکنیکهای جدید Python کاوش و تجزیه و تحلیل کنید.
از استفاده کنید. راهحلهای پایتون برای خودکار کردن کل فرآیند جدال داده شما.
توضیحاتی در مورد کتاب به زبان اصلی :
O'Reilly Media, 2016. — Code Only. — ISBN: 978-1-4919-4881-1.
Код примеров к выложенной здесь книге в формате PDF, EPUB.How do you take your data analysis skills beyond Excel to the next level? By learning just enough Python to get stuff done.
This hands-on guide shows non-programmers like you how to process information that’s initially too messy or difficult to access. You don’t need to know a thing about the Python programming language to get started.
Through various step-by-step exercises, you’ll learn how to acquire, clean, analyze, and present data efficiently. You’ll also discover how to automate your data process, schedule file- editing and clean-up tasks, process larger datasets, and create compelling stories with data you obtain.
Quickly learn basic Python syntax, data types, and language concepts.
Work with both machine-readable and human-consumable data.
Scrape websites and APIs to find a bounty of useful information.
Clean and format data to eliminate duplicates and errors in your datasets.
Learn when to standardize data and when to test and script data cleanup.
Explore and analyze your datasets with new Python libraries and techniques.
Use Python solutions to automate your entire data-wrangling process.