Практическая предварительная обработка данных на Python: научитесь эффективно подготавливать данные для успешного анализа данных на русском
Hands-On Data Preprocessing in Python: Learn how to effectively prepare data for successful data analytics (978-1801079952)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Roy Jafari | #323: Обработка данных
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
- Обзор основных модулей NumPy и Pandas
- Обзор еще одного основного модуля - Matplotlib
- Данные – что это на самом деле?
- Базы данных
- Визуализация данных
- Прогноз
- Классификация
- Кластерный анализ
- Очистка данных, уровень I — Очистка таблицы
- Очистка данных, уровень II — Распаковка, реструктуризация и переформулирование таблицы.
- Очистка данных, уровень III: пропущенные значения, выбросы и ошибки.
- Слияние и интеграция данных
- Сокращение данных
- Преобразование и обработка данных
- Пример из практики 1 — Психическое здоровье в сфере технологий
- Пример из практики 2 — Прогнозирование госпитализаций из-за COVID-19
- Пример исследования 3: Кластерный анализ округов США
- Резюме, практические примеры из практики и выводы.