داده ورزی با پایتون؛ ایجاد داده های قابل رسیدگی از منابع پردازش نشده

برای اینکه داده‌ها مفید و معنادار باشند، باید گزینش و پالایش شوند. کتاب «بررسی داده‌ها با پایتون» ایده‌های اصلی پشت این فرآیندها را به شما آموزش می‌دهد و شما را با دانش محبوب‌ترین ابزارها و تکنیک‌های این حوزه آشنا می‌کند.

این کتاب با اصول اولیه پایتون شروع می‌شود و عمدتاً بر ساختارهای داده تمرکز دارد. سپس به ابزارهای اساسی بررسی داده‌ها مانند کتابخانه‌های NumPy و Pandas می‌پردازد. شما بینش‌های مفیدی را در مورد اینکه چرا باید از روش‌های سنتی پاکسازی داده‌ها، همانطور که در زبان‌های دیگر انجام می‌شود، دوری کنید و از روال‌های تخصصی از پیش ساخته شده در پایتون بهره ببرید، بررسی خواهید کرد. این ترکیب از نکات و ترفندهای پایتون همچنین نحوه استفاده از همان backend پایتون و استخراج/تبدیل داده‌ها از مجموعه‌ای از منابع از جمله اینترنت، مخازن بزرگ پایگاه داده و جداول مالی اکسل را نشان می‌دهد. برای کمک به شما در آماده شدن برای سناریوهای چالش برانگیزتر، نحوه مدیریت داده‌های گمشده یا اشتباه و قالب‌بندی مجدد آنها بر اساس الزامات ابزار تحلیلی پایین‌دستی را پوشش خواهید داد. این کتاب همچنین به شما کمک می‌کند تا مفاهیم را از طریق مثال‌ها و مجموعه داده‌های دنیای واقعی درک کنید.

در پایان این کتاب، شما با اطمینان خاطر می‌توانید از مجموعه‌ای متنوع از منابع برای استخراج، پاکسازی، تبدیل و قالب‌بندی کارآمد داده‌های خود استفاده کنید.

آنچه خواهید آموخت

استفاده و دستکاری ساختارهای داده پیچیده و ساده
بهره‌گیری از پتانسیل کامل DataFrames و numpy.array در زمان اجرا
انجام web scraping با BeautifulSoup4 و html5lib
اجرای جستجوی پیشرفته رشته و دستکاری با RegEX
مدیریت داده‌های پرت و انجام جانهی داده‌ها با Pandas
استفاده از آمار توصیفی و تکنیک‌های ترسیم
تمرین تحلیل داده‌ها و مدل‌سازی با استفاده از تکنیک‌های تولید داده

این کتاب برای چه کسانی مناسب است

کتاب «تحلیل داده‌ها با پایتون» برای توسعه‌دهندگان، تحلیلگران داده و تحلیلگران کسب‌وکار طراحی شده است که مشتاقند به عنوان یک دانشمند داده یا متخصص تجزیه و تحلیل تمام‌عیار، شغلی را دنبال کنند. اگرچه این کتاب برای مبتدیان است، اما دانش قبلی پایتون برای درک آسان مفاهیم مطرح شده در اینجا ضروری است. همچنین داشتن دانش اولیه از پایگاه داده رابطه‌ای و SQL نیز مفید خواهد بود.
فهرست مطالب

مقدمه‌ای بر کار با داده‌ها با پایتون
ساختارهای داده پیشرفته و مدیریت فایل
مقدمه‌ای بر Numpy، Pandas و Matplotlib
نگاهی عمیق به کار با داده‌ها با پایتون
آشنایی با انواع مختلف منابع داده
یادگیری اسرار پنهان کار با داده‌ها
اسکرپینگ پیشرفته وب و جمع‌آوری داده‌ها
سیستم‌های مدیریت پایگاه داده رابطه‌ای (RDBMS) و SQL
کاربرد کار با داده‌ها در زندگی واقعی