Python и анализ данных Книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др.
Издание идеально подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.

Название: Python и анализ данных
Автор: Уэс Маккинни
Издательство: ДМК Пресс
Год: 2015
Страниц: 482
Формат: DJVU
Размер: 18 МБ
ISBN: 978-5-97060-315-4
Качество: Отличное
Язык: Русский



Содержание:

Предисловие
Графические выделения
Глава 1. Предварительные сведения
О чем эта книга?
Почему именно Python?
Установка и настройка
Сообщество и конференции
Структура книги
Благодарности
Глава 2. Первые примеры
Набор данных 1.usa.gov с сайта bit.ly
Набор данных MovieLens 1М
Имена, которые давали детям в США за периоде 1880 по 2010 год
Выводы и перспективы
Глава 3. IPython: интерактивные вычисления и среда разработки
Основы IPython
История команд
Взаимодействие с операционной системой
Средства разработки программ
HTML-блокнот в IPython
Советы по продуктивной разработке кода с использованием IPython
Дополнительные возможности IPython
Благодарности
Глава 4. Основы NumPy: массивы и векторные вычисления
NumPy ndarray: объект многомерного массива
Универсальные функции: быстрые поэлементные операции над массивами
Обработка данных с применением массивов
Файловый ввод-вывод массивов
Линейная алгебра
Генерация случайных чисел
Глава 5. Первое знакомство с pandas
Введение в структуры данных pandas
Базовая функциональность
Редукция и вычисление описательных статистик
Обработка отсутствующих данных
Иерархическое индексирование
Другие возможности pandas
Глава 6. Чтение и запись данных, форматы файлов
Чтение и запись данных в текстовом формате
Взаимодействие с базами данных
Глава 7. Переформатирование данных: очистка, преобразование, слияние, изменение формы
Комбинирование и слияние наборов данных
Изменение формы и поворот
Преобразование данных
Манипуляции со строками
Пример: база данных о продуктах питания министерства сельского хозяйства США
Глава 8. Построение графиков и визуализация
Краткое введение в API библиотеки matplotlib
Функции построения графиков в pandas
Нанесение данных на карту: визуализация данных о землетрясении на Гаити
Инструментальная экосистема визуализации для Python
Глава 9. Агрегирование данных и групповые операции
Механизм GroupBy
Агрегирование данных
Групповые операции и преобразования
Сводные таблицы и кросс-табуляция
Глава 10. Временные ряды
Типы данных и инструменты, относящиеся к дате и времени
Основы работы с временными рядами
Диапазоны дат, частоты и сдвиг
Часовые пояса
Передискретизация и преобразование частоты
Графики временных рядов
Скользящие оконные функции
Замечания о быстродействии и потреблении памяти
Глава 11. Финансовые и экономические приложения
О переформатировании данных
Групповые преобразования и анализ
Другие примеры приложений
Глава 12. Дополнительные сведения о библиотеке NumPy
Дополнительные манипуляции с массивами
Укладывание
Дополнительные способы использования универсальных функций
Структурные массивы
Еще о сортировке
Дополнительные сведения о вводе-выводе массивов
Замечание о производительности
Приложение. Основы языка Python
Интерпретатор Python
Основы
Структуры данных и последовательности
Функции
Генераторы
Файлы и операционная система
Предметный указатель

---

python, данных, анализ, 2015