Beschreibung
The fast and easy way to learn Python programming and statistics
Python is a general-purpose programming language created in the late 1980sand named after Monty Pythonthat's used by thousands of people to do things from testing microchips at Intel, to powering Instagram, to building video games with the PyGame library.
Python For Data Science For Dummies is written for people who are new to data analysis, and discusses the basics of Python data analysis programming and statistics. The book also discusses Google Colab, which makes it possible to write Python code in the cloud.
Get started with data science and PythonVisualize informationWrangle dataLearn from data
The book provides the statistical background needed to get started in data science programming, including probability, random distributions, hypothesis testing, confidence intervals, and building regression models for prediction.
Autorenportrait
John Paul Mueller is a tech editor and the author of over 100 books on topics from networking and home security to database management and heads-down programming. Follow John's blog at http://blog.johnmuellerbooks.com/. Luca Massaron is a data scientist who specializes in organizing and interpreting big data and transforming it into smart data. He is a Google Developer Expert (GDE) in machine learning.
Inhalt
Introduction 1
Part 1: Getting Started with Data Science and Python 7
Chapter 1: Discovering the Match between Data Science and Python 9
Chapter 2: Introducing Pythons Capabilities and Wonders 21
Chapter 3: Setting Up Python for Data Science 39
Chapter 4: Working with Google Colab 59
Part 2: Getting Your Hands Dirty with Data 81
Chapter 5: Understanding the Tools 83
Chapter 6: Working with Real Data 99
Chapter 7: Conditioning Your Data 121
Chapter 8: Shaping Data 149
Chapter 9: Putting What You Know in Action 169
Part 3: Visualizing Information 183
Chapter 10: Getting a Crash Course in MatPlotLib 185
Chapter 11: Visualizing the Data 201
Part 4: Wrangling Data 227
Chapter 12: Stretching Pythons Capabilities 229
Chapter 13: Exploring Data Analysis 251
Chapter 14: Reducing Dimensionality 275
Chapter 15: Clustering 295
Chapter 16: Detecting Outliers in Data 313
Part 5: Learning from Data 327
Chapter 17: Exploring Four Simple and Effective Algorithms 329
Chapter 18: Performing Cross-Validation, Selection, and Optimization 347
Chapter 19: Increasing Complexity with Linear and Nonlinear Tricks 371
Chapter 20: Understanding the Power of the Many 411
Part 6: The Part of Tens 429
Chapter 21: Ten Essential Data Resources 431
Chapter 22: Ten Data Challenges You Should Take 437
Index 447
Informationen zu E-Books
„E-Book“ steht für digitales Buch. Um diese Art von Büchern lesen zu können wird entweder eine spezielle Software für Computer, Tablets und Smartphones oder ein E-Book Reader benötigt. Da viele verschiedene Formate (Dateien) für E-Books existieren, gilt es dabei, einiges zu beachten.
Von uns werden digitale Bücher in drei Formaten ausgeliefert. Die Formate sind EPUB mit DRM (Digital Rights Management), EPUB ohne DRM und PDF. Bei den Formaten PDF und EPUB ohne DRM müssen Sie lediglich prüfen, ob Ihr E-Book Reader kompatibel ist. Wenn ein Format mit DRM genutzt wird, besteht zusätzlich die Notwendigkeit, dass Sie einen kostenlosen Adobe® Digital Editions Account besitzen. Wenn Sie ein E-Book, das Adobe® Digital Editions benötigt herunterladen, erhalten Sie eine ASCM-Datei, die zu Digital Editions hinzugefügt und mit Ihrem Account verknüpft werden muss. Einige E-Book Reader (zum Beispiel PocketBook Touch) unterstützen auch das direkte Eingeben der Login-Daten des Adobe Accounts – somit können diese ASCM-Dateien direkt auf das betreffende Gerät kopiert werden.
Da E-Books nur für eine begrenzte Zeit – in der Regel 6 Monate – herunterladbar sind, sollten Sie stets eine Sicherheitskopie auf einem Dauerspeicher (Festplatte, USB-Stick oder CD) vorsehen. Auch ist die Menge der Downloads auf maximal 5 begrenzt.
