Treatment in progress...
Close notification

We are back !

Welcome on your new side.fr !

Display notification

Analyse de données en Python

McKinney Wes
Publication date 08/10/2015
EAN: 9782212141092
Availability Missing temporarily
Vous cherchez des instructions complètes pour manipuler, traiter, nettoyer et condenser des structures de données en Python ? Ce livre pratique regorge d'études de cas concrets qui proposent des solutions efficaces à toute une série de problèmes d'an... See full description
Attribute nameAttribute value
Common books attribute
PublisherEYROLLES
Page Count488
Languagefr
AuthorMcKinney Wes
FormatPaperback / softback
Product typeBook
Publication date08/10/2015
Weight908 g
Dimensions (thickness x width x height)2.60 x 19.00 x 23.00 cm
Manipulation de données avec pandas, NumPy et IPython.
Vous cherchez des instructions complètes pour manipuler, traiter, nettoyer et condenser des structures de données en Python ? Ce livre pratique regorge d'études de cas concrets qui proposent des solutions efficaces à toute une série de problèmes d'analyse de données à l'aide de plusieurs bibliothèques Python - comme NumPy, pandas, matplotlib et IPython.Un livre de référence pour les développeurs big dataCet ouvrage est également une introduction efficace et moderne au calcul scientifique en Python dans les applications traitant de grandes quantités de données. Il est l'outil idéal des analystes qui découvrent Python et des programmeurs Python qui découvrent le calcul scientifique.Utilisez le Shell interactif IPython comme environnement de développement principal.Apprenez les fonctions élémentaires et avancées NumPy (Numerical Python).Lancez-vous avec les outils d'analyse de données de la bibliothèque pandas.Utilisez des outils très performants pour charger, nettoyer, transformer, fusionner et reformater vos données.Créez des nuages de points et des représentations statiques ou interactives avec matplotlib.Appliquez les ressources groupby de pandas pour tailler des cubes, découper et condenser vos jeux de données.Manipulez des données de séries temporelles sous différents formats.Apprenez à résoudre des problèmes d'audience web, de sciences sociales, de finances et d'économie grâce à des exemples détaillés.