Numerisches Python: Arbeiten mit NumPy, Matplotlib und Pandas - Tapa dura

Sinopsis

- Fundamentos para resolver problemas numéricos con Python
- Procesamiento de grandes cantidades de datos con NumPy, p. ej. B. en aprendizaje automático.
- Visualización de datos con Matplotlib
- Ideal para personas de ciencia, ingeniería y análisis de datos
- Ideal para cambiar de Matlab a Python
- Introducción basada en muchos ejemplos y casos de práctica, así como soluciones de muestra.
- Su ventaja exclusiva: e-book en el interior al comprar el libro impreso.

Este libro transmite los fundamentos de Python para resolver problemas numéricos de los campos de "ciencia de datos" y "aprendizaje automático".
La primera parte trata sobre NumPy como base de la programación numérica con Python. En profundidad, las matrices se tratan como el tipo de datos central para todo, operaciones numéricas, radiodifusión y Ufuncs. El cálculo de estadísticas y probabilidades se dedica a un capítulo separado, al igual que el enmascaramiento booleano y el manejo de archivos.
La visualización de datos con Matplotlib forma el foco de la segunda parte. En primer lugar, se trata del concepto de Matplotlib. Cubre líneas, gráficos de barras, histogramas y diagramas de contorno.
La tercera parte gira en torno a Pandas con sus Series y DataFrames. También cubre el manejo de varios formatos de archivo como Excel, CSV y JSON, así como datos incompletos y NaN. Las posibilidades de visualización de datos se muestran directamente con pandas.
La cuarta parte proporciona ejemplos de aplicaciones del material aprendido, como un libro del hogar y una cuenta práctica de excedentes de ingresos. También hay una introducción a las técnicas de procesamiento de imágenes.
Casi cada uno de los 32 capítulos contiene ejercicios adicionales para probar y profundizar lo aprendido, las soluciones asociadas se resumen en la quinta parte.

Del contenido //
NumPy
• Operaciones numéricas en matrices multidimensionales
• Radiodifusión y Ufuncs
Matplotlib:
• Grafeno discreto y continuo
• Gráficos de barras y columnas, histogramas, diagramas de contorno
Pandas:
• Series y DataFrames
• Trabajar con archivos Excel, csv y JSON
• Datos incompletos (NaN)
• Visualización de datos
Ejemplos prácticos:
• Procesamiento de imágenes.
• Libro del hogar y factura de ingresos excedentes

"Sinopsis" puede pertenecer a otra edición de este libro.