Wes McKinney: Datenanalyse mit Python

Auswertung von Daten mit pandas, NumPy und Jupyter

Produkttyp:	eBook-Download
Fassung:	Auflage
Verlag:	O'Reilly
Erschienen:	10. März 2023
Sprache:	Deutsch
Seiten:	558 (Druckfassung)
Format:	EPUB Info▼ EPUB wird von allen gängigen eBook-Readern außer Amazon Kindle unterstützt (z. B. Tolino, Kobo, Pocketbook, Sony Reader). Für Amazon Kindle ist eine Konvertierung in das Mobipocket- oder KF8-Format erforderlich, die Sie z. B. mit der kostenlosen Software „Calibre“ selbst vornehmen können. Auf iPhone und iPad können eBooks im EPUB-Format direkt in der vorinstallierten App „iBooks“ gelesen werden. Für Android-Geräte ist unter Umständen die einmalige Installation einer Reader-App erforderlich. Im Google Play Store steht eine Vielzahl kostenloser Apps für diesen Zweck zur Auswahl. Für Windows-, Mac- und Linux-Computer ist die einmalige Installation einer Reader-Software erforderlich, z. B. die kostenlose Anwendung „Calibre“.
Download:	9,5 MB

EPUB eBook-Download

44,90 €

inkl. MwSt

eBook in den Warenkorb

Die erste Adresse für die Analyse von Daten mit Python

- Das Standardwerk in der 3. Auflage, aktualisiert auf Python 3.10 und pandas 1.4

- Versorgt Sie mit allen praktischen Details und mit wertvollem Insiderwissen, um Datenanalysen mit Python erfolgreich durchzuführen

- Mit Jupyter-Notebooks für alle Codebeispiele aus jedem KapitelErfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.10, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.

Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet "Datenanalyse mit Python" einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.