تحلیل و مصورسازی داده‌ها با پانداز: راهنمای عملی ۲۰۲۰
Hands-on Data Analysis and Visualization with Pandas 2020

بیاموزید چگونه از JupyterLab، Numpy، pandas، Scipy، Matplotlib و Seaborn برای علم داده استفاده کنید.

ویژگی‌های کلیدی:

* با ساختارهای داده‌ای داخلی مختلف، برنامه‌نویسی تابعی و اشیاء Datetime آشنا شوید.
* مدیریت مجموعه داده‌های سنگین برای بهینه‌سازی انواع داده‌ها برای مدیریت حافظه، خواندن فایل‌ها به‌صورت تکه ای، dask و modin pandas.
* تحلیل سری‌های زمانی برای یافتن روندها، فصلی بودن و مولفه‌های چرخه‌ای.
* Seaborn برای ساختن نمودارهای زیبا با رابط‌های سطح بالا و تم‌های سفارشی.
* تحلیل داده‌های اکتشافی با مجموعه داده‌های بی‌درنگ برای به حداکثر رساندن بینش در مورد داده‌ها.

توضیحات:

این کتاب با معرفی سریع پایتون و اکوسیستم کتابخانه‌های آن برای علم داده مانند JupyterLab، Numpy، Pandas، SciPy، Matplotlib و Seaborn آغاز می‌شود.

این کتاب به یادگیری ساختارهای داده پایتون و مفاهیم اساسی مانند توابع، لامبداها، درک لیست، اشیاء Datetime و غیره مورد نیاز برای مهندسی داده کمک می کند. همچنین درک عمیقی از بسته‌های علم داده پایتون را پوشش می‌دهد، جایی که JupyterLab به عنوان یک IDE برای نوشتن، مستندسازی و اجرای کد پایتون استفاده می‌شود، Numpy برای محاسبات عملیات عددی استفاده می‌شود، Pandas برای پاکسازی و سازماندهی مجدد داده‌ها، مدیریت مجموعه داده‌های بزرگ و ادغام فریم‌های داده برای به دست آوردن بینش‌های معنادار. شما از طریق آمار می روید تا رابطه بین متغیرها را با استفاده از SciPy درک کنید و نمودارهای تجسم را با استفاده از کتابخانه های Matplotlib و Seaborn بسازید.

چه چیزی یاد خواهید گرفت؟

* در مورد ظروف داده پایتون، متدها و ویژگی‌های آن‌ها بیاموزید.
* آرایه‌های Numpy را برای محاسبات داده‌های عددی یاد بگیرید.
* ساختارهای داده‌ای Pandas، DataFrames و Series را بیاموزید.
* معیارهای آماری گرایش به مرکز، قضیه حد مرکزی، بازه‌های اطمینان و آزمایش فرضیه را بیاموزید.
* درک مختصری از تجسم، کنترل و رسم نمودارهای داخلی مختلف برای استخراج متغیرهای مهم، شناسایی نقاط پرت و ناهنجاری‌ها با استفاده از Matplotlib و Seaborn.

این کتاب برای چه کسانی است؟

این کتاب برای هر کسی است که می‌خواهد از پایتون برای تجزیه و تحلیل داده و تجسم استفاده کند. این کتاب برای مبتدیان و همچنین خوانندگان باتجربه با دانش کاری از کتابخانه pandas مناسب است. دانش اولیه پایتون ضروری است.

فهرست مطالب:

1. مقدمه ای بر تجزیه و تحلیل داده ها
2. Jupyter lab
3. مروری بر پایتون
4. معرفی Numpy
5. معرفی Pandas
6. تجزیه و تحلیل داده ها
7. تجزیه و تحلیل سری های زمانی
8. آشنایی با آمار
9. Matplotlib
10. Seaborn
11. تجزیه و تحلیل اکتشافی داده ها

Learn how to use JupyterLab, Numpy, pandas, Scipy, Matplotlib, and Seaborn for Data science

KEY FEATURESÊÊ

_ Get familiar with different inbuilt Data structures, Functional programming, and Datetime objects.

_ Handling heavy Datasets to optimize the data types for memory management, reading files in chunks, dask, and modin pandas.

_ Time-series analysis to find trends, seasonality, and cyclic components.

_ Seaborn to build aesthetic plots with high-level interfaces and customized themes.

_ Exploratory data analysis with real-time datasets to maximize the insights about data.

DESCRIPTIONÊ

The book will start with quick introductions to Python and its ecosystem libraries for data science such as JupyterLab, Numpy, Pandas, SciPy, Matplotlib, and Seaborn.

This book will help in learning python data structures and essential concepts such as Functions, Lambdas, List comprehensions, Datetime objects, etc. required for data engineering. It also covers an in-depth understanding of Python data science packages where JupyterLab used as an IDE for writing, documenting, and executing the python code, Numpy used for computation of numerical operations, Pandas for cleaning and reorganizing the data, handling large datasets and merging the dataframes to get meaningful insights. You will go through the statistics to understand the relation between the variables using SciPy and building visualization charts using Matplotllib and Seaborn libraries.

WHAT WILL YOU LEARNÊ

_ Learn about Python data containers, their methods, and attributes.

_ Learn Numpy arrays for the computation of numerical data.

_ Learn Pandas data structures, DataFrames, and Series.

_ Learn statistics measures of central tendency, central limit theorem, confidence intervals, and hypothesis testing.

_ A brief understanding of visualization, control, and draw different inbuilt charts to extract important variables, detect outliers, and anomalies using Matplotlib and Seaborn.

Ê

WHO THIS BOOK IS FORÊ

This book is for anyone who wants to use Python for Data Analysis and Visualization. This book is for novices as well as experienced readers with working knowledge of the pandas library. Basic knowledge of Python is a must.Ê

TABLE OF CONTENTSÊ

1. Introduction to Data Analysis

2. Jupyter lab

3. Python overview

4. Introduction to Numpy

5. Introduction to PandasÊ

6. Data Analysis

7. Time-Series Analysis

8. Introduction to Statistics

9. Matplotlib

10. Seaborn

11. Exploratory Data Analysis