Mastering Python Data Visualization
Kirthi Raman
Python имеет несколько библиотек с открытым исходным кодом для численных расчетов, связанных с оптимизацией, линейной алгеброй, интеграцией, интерполяцией, а также другие специальные функции, использующие массивы объектов, машинное обучение, интеллектуальный анализ данных и построение графиков. Библиотека Pandas имеет производительную среду для анализа данных. Эта библиотека имеет конкретную цель и играет важную роль в исследованиях в различных областях, включая экономику, финансы, биологические науки, социальные науки, здравоохранение и многое другое. Разнообразие инструментов и подходов, доступных в Python сообществе ошеломляюще. Эта книга предлагает практическое руководство, чтобы помочь вам на пути к эффективной визуализации данных.
Начиная с главы о базах данных, которая объясняет преобразование данных в информацию и в конечном итоге в знания, эта книга впоследствии охватывает полный процесс визуализации с использованием наиболее популярных библиотек Python с множеством примеров. Вы узнаете об использовании библиотек Numpy, SciPy, IPython, Matplotlib, Pandas, Patsy и пакета Scikit-Learn с ориентацией на получение результатов, которые могут быть визуализированы различными способами. Остальные главы предназначены не только для показа передовых технологий, таких как интерактивные графики числовая, графическая линейная и нелинейная регрессия кластеризация и классификация, а также чтобы помочь вам понять эстетику и лучшие практики визуализации данных. Книга завершается интересными примерами, такими как социальные сети, примеры графиков в реальной жизни, структуры данных, соответствующих для этих задач, сетевой анализ. К концу этой книги вы сможете эффективно решать широкий набор задач анализа данных.
Начиная с главы о базах данных, которая объясняет преобразование данных в информацию и в конечном итоге в знания, эта книга впоследствии охватывает полный процесс визуализации с использованием наиболее популярных библиотек Python с множеством примеров. Вы узнаете об использовании библиотек Numpy, SciPy, IPython, Matplotlib, Pandas, Patsy и пакета Scikit-Learn с ориентацией на получение результатов, которые могут быть визуализированы различными способами. Остальные главы предназначены не только для показа передовых технологий, таких как интерактивные графики числовая, графическая линейная и нелинейная регрессия кластеризация и классификация, а также чтобы помочь вам понять эстетику и лучшие практики визуализации данных. Книга завершается интересными примерами, такими как социальные сети, примеры графиков в реальной жизни, структуры данных, соответствующих для этих задач, сетевой анализ. К концу этой книги вы сможете эффективно решать широкий набор задач анализа данных.
Categorias:
Ano:
2015
Editora:
Packt Publishing - ebooks Account
Idioma:
english
Páginas:
305
ISBN 10:
1783988320
ISBN 13:
9781783988327
Arquivo:
PDF, 12.14 MB
IPFS:
,
english, 2015