Tipo: materialTypeLabelLibro - General
Ubicación Física: 005.133 / M111 2018

Python for data analysis : data wrangling with pandas, numPy, and IPython /

Autor: McKinney, Wes.
Pié de imprenta: Boston : O'Reilly, 2018.
Edición: Second edition.
Descripción: 524 páginas ; 18 x 23 cm.
ISBN: 9781491957660.
Tema(s):
Contenido: 1. Preliminaries. 2. Python language Basics, IPyton, and Juputer Notebooks. 3. Built-in data structures, functions, and files. 4. NumPy Basics: Arrays and vectorized computation. 5. Getting started with pandas. 6. Data loading, storage, and file formats. 7. Data cleaning and preparation. 8. Data Wrangling: Join, combine, and Reshape. 9. Plotting and visualization. 10 Data aggregation and group operations. 11. Time series. 12. Advance pandas. 13. Introduction to modeling libraries Python. 14. Data analysis examples. A. Advanced NumPy. B. More on the Python system. Index.
Contenido: 1. Preliminares. 2. Fundamentos del lenguaje Python, IPyton y Juputer Notebooks. 3. Estructuras de datos, funciones y archivos incorporados. 4. Nociones básicas: Arrays y computación vectorizada. 5. Empezando con los pandas. 6. Carga de datos, almacenamiento y formatos de archivo. 7. Limpieza y preparación de datos. 8. Gestión de datos: unir, combinar y remodelar. 9. Plotting y visualización. 10 Agregación de datos y operaciones grupales. 11. Series de tiempo. 12. Avances de los pandas. 13. Introducción a las bibliotecas de modelado de Python. 14. Ejemplos de análisis de datos. A. NumPy avanzado. B. Más sobre el sistema Python. Índice.
Resumen:

Lista(s) en las que aparece este ítem: Adquisiciones Ingeniería de Sistemas 2017-
Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.
    Valoración media: 0.0 (0 votos)
Tipo de ítem Ubicación actual Colección Signatura Copia número Estado Fecha de vencimiento Código de barras
Libro - General Libro - General Sede Cra 13
CYP
Colección General 005.133/M111/2018 (Navegar estantería) Ej. 1 Disponible 61098

1. Preliminaries. 2. Python language Basics, IPyton, and Juputer Notebooks. 3. Built-in data structures, functions, and files. 4. NumPy Basics: Arrays and vectorized computation. 5. Getting started with pandas. 6. Data loading, storage, and file formats. 7. Data cleaning and preparation. 8. Data Wrangling: Join, combine, and Reshape. 9. Plotting and visualization. 10 Data aggregation and group operations. 11. Time series. 12. Advance pandas. 13. Introduction to modeling libraries Python. 14. Data analysis examples. A. Advanced NumPy. B. More on the Python system. Index.

1. Preliminares. 2. Fundamentos del lenguaje Python, IPyton y Juputer Notebooks. 3. Estructuras de datos, funciones y archivos incorporados. 4. Nociones básicas: Arrays y computación vectorizada. 5. Empezando con los pandas. 6. Carga de datos, almacenamiento y formatos de archivo. 7. Limpieza y preparación de datos. 8. Gestión de datos: unir, combinar y remodelar. 9. Plotting y visualización. 10 Agregación de datos y operaciones grupales. 11. Series de tiempo. 12. Avances de los pandas. 13. Introducción a las bibliotecas de modelado de Python. 14. Ejemplos de análisis de datos. A. NumPy avanzado. B. Más sobre el sistema Python. Índice.

Sistemas

Get complete instructions for manipulating, processing, cleaning, and crunching datasets in Python. Updated for Python 3.6, the second edition of this hands-on guide is packed with practical case studies that show you how to solve a broad set of data analysis problems effectively. You’ll learn the latest versions of pandas, NumPy, IPython, and Jupyter in the process.

Written by Wes McKinney, the creator of the Python pandas project, this book is a practical, modern introduction to data science tools in Python. It’s ideal for analysts new to Python and for Python programmers new to data science and scientific computing. Data files and related material are available on GitHub.

• Use the IPython shell and Jupyter notebook for exploratory computing
• Learn basic and advanced features in NumPy (Numerical Python)
• Get started with data analysis tools in the pandas library
• Use flexible tools to load, clean, transform, merge, and reshape data
• Create informative visualizations with matplotlib
• Apply the pandas groupby facility to slice, dice, and summarize datasets
• Analyze and manipulate regular and irregular time series data
• Learn how to solve real-world data analysis problems with thorough, detailed examples.

No hay comentarios en este titulo.

para colocar un comentario.

Haga clic en una imagen para verla en el visor de imágenes

Universidad Católica de Colombia
La Universidad Católica de Colombia es una Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación, reconocida mediante Resolución Número 2271 de julio 7 de 1970 del Ministerio de Justicia.
Universidad Católica de Colombia © Copyright 2017
Universidad Católica de Colombia • PBX: (57 1) 3 27 73 00 - (57 1) 3 27 73 33
Bogotá, Avenida Caracas # 46 -72, sede Las Torres • Bogotá, Carrera 13 # 47 – 30, Sede 4​ • Bogotá, Diagonal 46 A # 15 B – 10, sede El Claustro
Bogotá, Carrera 13 # 47 – 49, sede Carrera 13