دانلود کتاب Python Programming for Data Analysis (به فارسی: برنامه نویسی پایتون برای تجزیه و تحلیل داده ها) نوشته شده توسط «José Unpingco»
اطلاعات کتاب برنامه نویسی پایتون برای تجزیه و تحلیل داده ها
موضوع اصلی: مهندسی
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: José Unpingco
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 275 / 271
حجم فایل: 5.64 مگابایت
کد کتاب: 3030689514 , 9783030689513
نوبت چاپ: 1
توضیحات کتاب برنامه نویسی پایتون برای تجزیه و تحلیل داده ها
این کتاب درسی از یادداشت‌های کلاس برنامه‌نویسی برای تجزیه و تحلیل داده ECE143 که نویسنده در دانشگاه کالیفرنیا، سن دیگو تدریس می‌کرد، ایجاد شد، که هم برای مقاطع تحصیلات تکمیلی و هم در مقطع کارشناسی در یادگیری ماشین و علم داده الزامی است. این کتاب برای خوانندگانی که تجربه برنامه نویسی پایتون دارند ایده آل است. این کتاب مفاهیم کلیدی زبانی را پوشش می‌دهد که باید برای برنامه‌ریزی مؤثر درک شوند، به‌ویژه برای کاربردهای تحلیل داده‌ها. برخی از ویژگی های زبان سطح پایین به طور مفصل مورد بحث قرار می گیرند، به ویژه مدیریت حافظه پایتون و ساختارهای داده. استفاده موثر از پایتون به معنای بهره گیری از اکوسیستم وسیع آن است. این کتاب مدیریت بسته پایتون و نحوه استفاده از ماژول های شخص ثالث و همچنین نحوه ساختار ماژول های پایتون خود را مورد بحث قرار می دهد. بخش برنامه‌نویسی شی‌گرا ویژگی‌های زبان را توضیح می‌دهد که الگوهای برنامه‌نویسی رایج را تسهیل می‌کند.
پس از توسعه ویژگی‌های کلیدی زبان پایتون، کتاب به سراغ ماژول‌های شخص ثالث می‌رود که برای مؤثر بودن اساسی هستند. تجزیه و تحلیل داده ها، با Numpy شروع می شود. این کتاب مفاهیم کلیدی Numpy را توسعه می دهد و ساختارهای داده آرایه Numpy داخلی و استفاده از حافظه را مورد بحث قرار می دهد. سپس، نویسنده به سراغ پانداها رفته و ویژگی‌های متعدد آن را برای پردازش و هم‌ترازی داده‌ها شرح می‌دهد. از آنجایی که تجسم‌های قوی برای تجزیه و تحلیل داده‌های ارتباطی مهم هستند، ماژول‌های کلیدی مانند Matplotlib به همراه گزینه‌های مبتنی بر وب مانند Bokeh، Holoviews، Altair و Plotly با جزئیات توسعه داده می‌شوند.
متن با ترفندهای زیادی پر شده است. – تجارتی که به اجتناب از دام های رایج کمک می کند. نویسنده منطق داخلی تجسم یافته در زبان پایتون را توضیح می دهد تا خوانندگان بتوانند به ذهنیت پایتون وارد شوند و انتخاب های طراحی بهتری در کدهای خود داشته باشند، که به ویژه برای تازه واردان به پایتون و تجزیه و تحلیل داده ها مفید است.
برای استفاده حداکثری از این کتاب، یک مفسر پایتون را باز کنید و همراه با نمونه‌های کد فراوان تایپ کنید.
After developing the key Python language features, the book moves on to third-party modules that are foundational for effective data analysis, starting with Numpy. The book develops key Numpy concepts and discusses internal Numpy array data structures and memory usage. Then, the author moves onto Pandas and details its many features for data processing and alignment. Because strong visualizations are important for communicating data analysis, key modules such as Matplotlib are developed in detail, along with web-based options such as Bokeh, Holoviews, Altair, and Plotly.
The text is sprinkled with many tricks-of-the-trade that help avoid common pitfalls. The author explains the internal logic embodied in the Python language so that readers can get into the Python mindset and make better design choices in their codes, which is especially helpful for newcomers to both Python and data analysis.
To get the most out of this book, open a Python interpreter and type along with the many code samples.
دانلود کتاب «برنامه نویسی پایتون برای تجزیه و تحلیل داده ها»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.