پانداس در ۷ روز ۲۰۲۲
Pandas in 7 Days 2022

با پایتون، پانداز و مت‌پلات‌لیب، تحلیل داده را سریع، مطمئن و تمیز انجام دهید.

ویژگی‌های کلیدی:

● بررسی دقیق ویژگی‌های کتابخانه پانداز به همراه مثال‌های متعدد.

● نمایش‌های گرافیکی متعدد و قابلیت‌های گزارش‌دهی با استفاده از مت‌پلات‌لیب محبوب.

● مروری کلی و سطح بالا بر استخراج داده از جمله فایل‌ها، پایگاه‌های داده و وب.

توضیحات:

مهم نیست مجموعه داده شما چقدر بزرگ یا کوچک است، نویسنده، فابیو نلی، به سادگی از این کتاب برای آموزش بهترین و ظریف‌ترین نکات فنی در مورد استفاده از پانداز برای انجام تحلیل داده بدون هیچ نگرانی استفاده کرده است.

هم افراد مبتدی و هم متخصصان باتجربه از این کتاب بهره‌مند خواهند شد. این کتاب به شما می‌آموزد که چگونه در عرض یک هفته از کتابخانه پانداز استفاده کنید. در هر روز هفته، ویژگی‌ها و تمرین‌های تحلیل داده ذکر شده در زیر را یاد می‌گیرید و تمرین می‌کنید:

روز 01: با ساختارهای داده‌ای اساسی پانداز، از جمله تعریف، آپلود داده، فهرست‌بندی و غیره آشنا شوید.

روز 02: دستورات و عملیات مربوط به انتخاب و استخراج داده، از جمله برش، مرتب‌سازی، ماسک‌گذاری، تکرار و اجرای پرس و جو را اجرا کنید.

روز 03: دستورات و عملیات پیشرفته مانند گروه‌بندی، چند شاخصی، تغییر شکل، جدول‌بندی متقابل و تجمیع.

روز 04: کار با چندین دیتافریم، از جمله مقایسه، پیوندها، الحاق و ادغام.

روز 05: پاک‌سازی، پیش‌پردازش و استراتژی‌های متعدد برای استخراج داده از فایل‌های خارجی، وب، پایگاه‌های داده و سایر منابع داده.

روز 06: کار با داده‌های از دست رفته، درون‌یابی، برچسب‌های تکراری، انواع داده‌های بولی، داده‌های متنی و مجموعه‌های داده سری زمانی.

روز 07: مقدمه‌ای بر Jupyter Notebooks، تحلیل داده تعاملی و گزارش‌دهی تحلیلی با گرافیک‌های خیره‌کننده Matplotlib.

آنچه خواهید آموخت:

● استخراج، پاک‌سازی و پردازش داده‌ها از پایگاه‌های داده، فایل‌های متنی، صفحات HTML و داده‌های JSON.

● کار با DataFrames و Series و اعمال توابع برای مقیاس‌بندی دستکاری داده‌ها.

● نمایش یافته‌های خود با استفاده از نمودارهایی که معمولاً در تجزیه و تحلیل کسب و کار مدرن استفاده می‌شوند.

● یاد بگیرید که چگونه از تمام ویژگی‌های اساسی و پیشرفته پانداز به طور مستقل استفاده کنید.

● ذخیره و دستکاری کارآمد داده‌های برچسب‌دار/ستونی.

این کتاب برای چه کسانی است:

اگر به دنبال تسریع در یک پروژه علم داده یا تحلیل داده پیچیده هستید، به جای درستی آمده‌اید. هر موضوع تحلیل داده به صورت گام به گام با مثال‌های دنیای واقعی پوشش داده شده است. دانش پایتون الزامی نیست، اما داشتن کمی دانش کمک می‌کند.

فهرست مطالب:

1. پانداز، کتابخانه پایتون
2. راه‌اندازی یک محیط تجزیه و تحلیل داده
3. روز 1 – ساختارهای داده در کتابخانه پانداز
4. روز 2 – کار در یک DataFrame، عملکردهای اساسی
5. روز 3 – کار در یک DataFrame، عملکردهای پیشرفته
6. روز 4 – کار با دو یا چند DataFrame
7. روز 5 – کار با منابع داده و مجموعه‌های داده دنیای واقعی
8. روز 6 – رفع چالش‌های مربوط به مجموعه‌های داده واقعی
9. روز 7 – تجسم و گزارش داده
10. نتیجه گیری – فراتر رفتن

Make data analysis fast, reliable, and clean with Python, Pandas and Matplotlib.

 

KEY FEATURES  

● A detailed walk-through of the Pandas library’s features with multiple examples.

● Numerous graphical representations and reporting capabilities using popular Matplotlib.

● A high-level overview of extracting data from including files, databases, and the web.

 

DESCRIPTION 

No matter how large or small your dataset is, the author ‘Fabio Nelli’ simply used this book to teach all the finest technical coaching on applying Pandas to conduct data analysis with zero worries.

 

Both newcomers and seasoned professionals will benefit from this book. It teaches you how to use the pandas library in just one week. Every day of the week, you’ll learn and practise the features and data analysis exercises listed below:

 

Day 01: Get familiar with the fundamental data structures of pandas, including Declaration, data upload, indexing, and so on.

Day 02: Execute commands and operations related to data selection and extraction, including slicing, sorting, masking, iteration, and query execution.

Day 03: Advanced commands and operations such as grouping, multi-indexing, reshaping, cross-tabulations, and aggregations.

Day 04: Working with several data frames, including comparison, joins, concatenation, and merges.

Day 05: Cleaning, pre-processing, and numerous strategies for data extraction from external files, the web, databases, and other data sources.

Day 06: Working with missing data, interpolation, duplicate labels, boolean data types, text data, and time-series datasets.

Day 07: Introduction to Jupyter Notebooks, interactive data analysis, and analytical reporting with Matplotlib’s stunning graphics.

WHAT YOU WILL LEARN

●Extract, cleanse, and process data from databases, text files, HTML pages, and JSON data.

●Work with DataFrames and Series, and apply functions to scale data manipulations.

●Graph your findings using charts typically used in modern business analytics.

●Learn to use all of the pandas basic and advanced features independently.

● Storing and manipulating labeled/columnar data efficiently.

WHO THIS BOOK IS FOR

If you’re looking to expedite a data science or sophisticated data analysis project, you’ve come to the perfect place. Each data analysis topic is covered step-by-step with real-world examples. Python knowledge isn’t required however, knowing a little bit helps.

 

TABLE OF CONTENTS

1. Pandas, the Python library

2. Setting up a Data Analysis Environment

3. Day 1 – Data Structures in Pandas library

4. Day 2 – Working within a DataFrame, Basic Functionalities

5. Day 3 – Working within a DataFrame, Advanced Functionalities

6. Day 4 – Working with two or more DataFrames

7. Day 5 – Working with data sources and real-word datasets

8. Day 6 – Troubleshooting Challenges wit Real Datasets

9. Day 7 – Data Visualization and Reporting

10. Conclusion – Moving Beyond