Descripción
Python es una herramienta de primera clase para muchos investigadores, principalmente debido a sus bibliotecas para almacenar, manipular y obtener información de los datos. Existen varios recursos para piezas individuales de este stack de ciencia de datos, pero solo con la nueva edición del Python Data Science Handbook los obtendrá todos: IPython, NumPy, pandas, Matplotlib, Scikit-Learn y otras herramientas relacionadas.
Los científicos e ingenieros de datos familiarizados con la lectura y escritura de código Python encontrarán la segunda edición de este completo manual de consulta ideal para abordar problemas cotidianos: manipular, transformar y limpiar datos; visualizar diferentes tipos de datos; y usar datos para construir modelos estadísticos o de aprendizaje automático. Sencillamente, esta es la referencia imprescindible para la computación científica en Python.
Con este manual, aprenderá cómo:
- IPython y Jupyter proporcionan entornos computacionales para científicos que usan Python
- NumPy incluye el ndarray para el almacenamiento y manipulación eficiente de matrices de datos densos
- Pandas contiene el DataFrame para el almacenamiento y manipulación eficiente de datos etiquetados/columnares
- Matplotlib incluye capacidades para un rango flexible de visualizaciones de datos
- Scikit-learn le ayuda a construir implementaciones de Python eficientes y limpias de los algoritmos de aprendizaje automático más importantes y establecidos
Autor: Jake Vanderplas
Editorial: O'Reilly Media
Publicado: 17/01/2023
Páginas: 588
Tipo de encuadernación: Tapa blanda
Peso: 2.15 libras
Tamaño: 9.20 alto x 6.90 ancho x 1.30 profundidad
ISBN13: 9781098121228
ISBN10: 1098121228
Categorías BISAC:
- Computadoras | Lenguajes | Python
- Computadoras | Programación | Código abierto
- Computadoras | Ciencia de datos | Modelado y diseño de datos
Acerca del autor
Jake VanderPlas es ingeniero de software en Google Research, donde trabaja en herramientas que apoyan la investigación intensiva en datos. Mantiene un blog técnico, Pythonic Perambulations,
para compartir tutoriales y opiniones relacionadas con estadísticas, software de código abierto y computación científica en Python. Crea y desarrolla herramientas de Python para su uso en ciencia intensiva en datos, incluyendo paquetes como Scikit-Learn, SciPy, AstroPy, Altair, JAX y muchos otros. Participa en la comunidad de ciencia de datos, desarrollando y presentando charlas y tutoriales sobre temas de computación científica en varias conferencias en el mundo de la ciencia de datos.