Text

Python Data Analytics; Data Analysis and Science using pandas, matplotlib and the Python Programming Language

---

Itu adalah struktur komprehensif untuk buku tentang analisis data Python! Berikut garis besar singkat untuk setiap bab untuk membantu Anda memulai: Bab 1: Pengantar Analisis Data; • Ikhtisar Analisis Data: Definisi, kepentingan, dan penerapan. • Proses Analisis Data: Langkah-langkah yang terlibat, mulai dari pengumpulan data hingga interpretasi. • Alat dan Teknologi: Pengenalan alat yang biasa digunakan dalam analisis data. Bab 2: Pengantar Dunia Python; • Mengapa Python untuk Analisis Data: Keuntungan menggunakan Python. • Menyiapkan Python: Petunjuk instalasi dan pengaturan untuk Python dan pustaka penting. • Sintaks Dasar Python: Pengenalan pemrograman Python, meliputi variabel, tipe data, struktur kontrol, fungsi, dan penanganan kesalahan. Bab 3: Perpustakaan NumPy; • Pengantar NumPy: Pentingnya NumPy dalam analisis data. • NumPy Arrays: Penciptaan, pengindeksan, pemotongan, dan manipulasi. • Operasi Matematika: Melakukan perhitungan dan agregasi dengan array NumPy. • NumPy Tingkat Lanjut: Penyiaran, vektorisasi, dan operasi aljabar linier. Bab 4: Perpustakaan panda—Sebuah Pengantar; • Pengenalan tentang panda: Gambaran umum tentang panda dan perannya dalam analisis data. • Struktur Data di panda: objek Seri dan DataFrame. • Operasi Dasar: Membuat, mengakses, dan memanipulasi Seri dan DataFrame. Bab 5: panda: Membaca dan Menulis Data; • Input dan Output Data: Membaca data dari CSV, Excel, SQL, dan format lainnya. • Ekspor Data: Menulis data ke format file berbeda. • Menangani Data yang Hilang: Mengidentifikasi, menghapus, dan memasukkan nilai yang hilang. Bab 6: Kedalaman Panda: Manipulasi Data; • Pembersihan Data: Teknik pembersihan dan penyiapan data. • Transformasi Data: Menerapkan fungsi, mengelompokkan, dan menggabungkan data. • Penggabungan dan Penggabungan: Menggabungkan data dari berbagai sumber. Bab 7: Visualisasi Data dengan matplotlib; • Pengantar matplotlib: Ikhtisar matplotlib dan kemampuannya. • Membuat Plot: Plot dasar, seperti garis, batang, sebar, dan histogram. • Visualisasi Tingkat Lanjut: Menyesuaikan plot, menambahkan anotasi, dan membuat subplot. Bab 8: Pembelajaran Mesin dengan scikit-learn; • Pengantar Pembelajaran Mesin: Ikhtisar konsep dan aplikasi pembelajaran mesin. • Dasar-dasar scikit-learn: Menyiapkan dan menggunakan scikit-learn untuk tugas pembelajaran mesin. • Pembelajaran yang Diawasi: Menerapkan algoritma regresi dan klasifikasi. • Pembelajaran Tanpa Pengawasan: Teknik pengelompokan dan reduksi dimensi. Bab 9: Sebuah Contoh—Data Meteorologi; • Pengumpulan Data: Mengumpulkan data meteorologi dari sumber terbuka. • Analisis Data: Menerapkan teknik analisis data pada data meteorologi. • Visualisasi dan Interpretasi: Membuat visualisasi dan menafsirkan hasil. Bab 10: Menyematkan Perpustakaan JavaScript D3 di Notebook IPython; • Pengantar D3.js: Ikhtisar perpustakaan D3.js dan kemampuannya. • Menyematkan D3.js di Notebook IPython: Menyiapkan dan menggunakan D3.js di notebook Jupyter. • Membuat Visualisasi Interaktif: Membangun visualisasi interaktif dan dinamis dengan D3.js. Bab 11: Mengenali Digit Tulisan Tangan; • Gambaran Umum Masalah: Pengenalan dataset MNIST dan pengenalan angka tulisan tangan. • Prapemrosesan Data: Mempersiapkan data untuk dianalisis. • Menerapkan Model Pembelajaran Mesin: Menggunakan scikit-learn untuk membangun dan mengevaluasi model pengenalan digit. Lampiran A: Menulis Ekspresi Matematika dengan LaTeX; • Pengantar LaTeX: Dasar-dasar LaTeX dan sintaksisnya. • Menulis Ekspresi Matematika: Membuat ekspresi dan persamaan matematika yang kompleks. Lampiran B: Sumber Data Terbuka; • Pengantar Data Terbuka: Manfaat menggunakan data terbuka dalam analisis. • Daftar Sumber Data Terbuka: Daftar lengkap situs web dan database yang menawarkan data gratis.

---

Availability

No copy data

Detail Information

Series Title

-

Call Number

005.133 NEL p

Publisher

California, USA : Apress., 2015

Collation

-

Language

English

ISBN/ISSN

978-1-4842-0958-5

Classification

005.133

Content Type

text

Media Type

computer

Carrier Type

online resource

Edition

-

Subject(s)

Bahasa Pemrograman Khusus - Python

Specific Detail Info

-

Statement of Responsibility

Fabio Nelli

Other Information

Cataloger

erwin

Source

https://link.springer.com/10.1007/978-1-4842-0958-5

Validator

erwin

Digital Object Identifier (DOI)

-

Journal Volume

-

Journal Issue

-

Subtitle

-

Parallel Title

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment