ru

Купить книгу Практическая предварительная обработка данных на Python: научитесь эффективно подготавливать данные для успешного анализа данных на русском [PDF, EPUB, FB2, MOBI]

#2513822
Практическая предварительная обработка данных на Python: научитесь эффективно подготавливать данные для успешного анализа данных

Hands-On Data Preprocessing in Python: Learn how to effectively prepare data for successful data analytics (B09F6R8V2L)

Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI

Roy Jafari | #323: Обработка данных

5.0 (26)

Очистите и подготовьте исходные данные к обработке, чтобы разработать более эффективные решения для анализа данных.

Основные характеристики

  • Развивайте навыки выполнения очистки данных, интеграции данных, сокращения данных и преобразования данных.
  • Максимально эффективно используйте исходные данные с помощью мощных методов преобразования и обработки данных.
  • Проведите тщательную очистку данных, включая обработку пропущенных значений и выбросов.

Описание книги

«Практическая предварительная обработка данных» — это вводное руководство по лучшим методам очистки и предварительной обработки данных, написанное экспертом, разработавшим курсы университетского уровня по предварительной обработке данных и смежным темам.

Эта книга вооружит вас оптимальными методами предварительной обработки данных с разных точек зрения, гарантируя получение максимально ценных аналитических выводов из ваших данных.

Вы изучите различные технические и аналитические аспекты предварительной обработки данных — сбор данных, очистку данных, интеграцию данных, сокращение данных и преобразование данных — и освоите их реализацию с использованием среды программирования с открытым исходным кодом Python.

Практические примеры и простые для понимания главы помогут вам получить всестороннее представление о предварительной обработке данных, ее целесообразности и методах, а также выявить возможности, где анализ данных может привести к более эффективному принятию решений. По мере изучения глав вы также поймете роль систем и технологий управления данными для эффективного анализа и научитесь использовать API для получения данных.

К концу этой книги по предварительной обработке данных на Python вы сможете использовать Python для чтения, обработки и анализа данных; выполнять очистку, интеграцию, сокращение и преобразование данных, а также обрабатывать выбросы или пропущенные значения для эффективной подготовки данных к использованию аналитических инструментов.

Что вы узнаете

  • Используйте Python для выполнения аналитических функций над вашими данными.
  • Разберитесь в роли баз данных и в том, как эффективно извлекать данные из баз данных.
  • Выполните этапы предварительной обработки данных, определенные в соответствии с вашими аналитическими целями.
  • Выявление и устранение проблем интеграции данных.
  • Определите необходимость сокращения данных и выполните соответствующее действие.
  • Выявляйте возможности для улучшения аналитики с помощью преобразования данных.

Для кого предназначена эта книга?

Эта книга предназначена для начинающих и опытных аналитиков данных, специалистов по бизнес-аналитике, студентов инженерных специальностей и энтузиастов работы с данными, желающих выполнять предварительную обработку и очистку больших объемов данных. Для начала работы с этой книгой не требуется никакого предварительного опыта в предварительной обработке данных. Однако необходимы базовые навыки программирования, такие как работа с переменными, условными операторами и циклами, а также базовые знания Python и простой опыт работы с аналитическими инструментами.

Оглавление

  1. Обзор основных модулей NumPy и Pandas
  2. Обзор еще одного основного модуля - Matplotlib
  3. Данные – что это на самом деле?
  4. Базы данных
  5. Визуализация данных
  6. Прогноз
  7. Классификация
  8. Кластерный анализ
  9. Очистка данных, уровень I — Очистка таблицы
  10. Очистка данных, уровень II — Распаковка, реструктуризация и переформулирование таблицы.
  11. Очистка данных, уровень III: пропущенные значения, выбросы и ошибки.
  12. Слияние и интеграция данных
  13. Сокращение данных
  14. Преобразование и обработка данных
  15. Пример из практики 1 — Психическое здоровье в сфере технологий
  16. Пример из практики 2 — Прогнозирование госпитализаций из-за COVID-19
  17. Пример исследования 3: Кластерный анализ округов США
  18. Резюме, практические примеры из практики и выводы.

Введите ваш e-mail

Мы отправим электронную книгу на ваш e-mail
Введите корректный e-mail
На каком языке вы хотели бы купить книгу?