SandraW
Организатор
- #1
Изучаем Pandas. Второе издание [Майкл Хейдт, Артем Груздев]
- Ссылка на картинку
Оригинальный правообладатель:
"Packt Publishing"
Автор: Груздев А.В., Хейдт М.
Дата выхода: январь 2019 года
Формат: 160 * 220 мм
Бумага: офсетная
Обложка: Твердый переплет
Объем, стр.: 650
ISBN: 978-5-97060-670-4
издательский pdf
АННОТАЦИЯ
Библиотека pandas – популярный пакет для анализа и обработки данных на языке Python. Он предлагает эффективные, быстрые, высокопроизводительные структуры данных, которые позволяют существенно упростить работу. Данная книга познакомит вас с обширным набором инструментов, предлагаемых библиотекой pandas, – начиная с обзора загрузки данных с удаленных источников, выполнения численного и статистического анализа, индексации, агрегации и заканчивая визуализацией данных и анализом финансовой информации.
Во второе издание добавлены новые приложения, посвященные предварительной подготовке данных и настройке гиперпараметров, работе с датами, строками и предупреждениями. Подробно освещены алгоритмы случайного леса, градиентного бустинга CatBoost и логистической регрессии.
Издание предназначено всем разработчикам на языке Python, интересующимся обработкой данных.
"Packt Publishing"
Автор: Груздев А.В., Хейдт М.
Дата выхода: январь 2019 года
Формат: 160 * 220 мм
Бумага: офсетная
Обложка: Твердый переплет
Объем, стр.: 650
ISBN: 978-5-97060-670-4
издательский pdf
АННОТАЦИЯ
Библиотека pandas – популярный пакет для анализа и обработки данных на языке Python. Он предлагает эффективные, быстрые, высокопроизводительные структуры данных, которые позволяют существенно упростить работу. Данная книга познакомит вас с обширным набором инструментов, предлагаемых библиотекой pandas, – начиная с обзора загрузки данных с удаленных источников, выполнения численного и статистического анализа, индексации, агрегации и заканчивая визуализацией данных и анализом финансовой информации.
Во второе издание добавлены новые приложения, посвященные предварительной подготовке данных и настройке гиперпараметров, работе с датами, строками и предупреждениями. Подробно освещены алгоритмы случайного леса, градиентного бустинга CatBoost и логистической регрессии.
Издание предназначено всем разработчикам на языке Python, интересующимся обработкой данных.
Зарегистрируйтесь
, чтобы посмотреть скрытый авторский контент.