×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Python Data Cleaning Cookbook. Modern techniques and Python tools to detect and remove dirty data and extract key insights

(ebook) (audiobook) (audiobook) Książka w języku 1
Python Data Cleaning Cookbook. Modern techniques and Python tools to detect and remove dirty data and extract key insights Michael Walker - okladka książki

Python Data Cleaning Cookbook. Modern techniques and Python tools to detect and remove dirty data and extract key insights Michael Walker - okladka książki

Python Data Cleaning Cookbook. Modern techniques and Python tools to detect and remove dirty data and extract key insights Michael Walker - audiobook MP3

Python Data Cleaning Cookbook. Modern techniques and Python tools to detect and remove dirty data and extract key insights Michael Walker - audiobook CD

Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
436
Dostępne formaty:
     PDF
     ePub
     Mobi
Getting clean data to reveal insights is essential, as directly jumping into data analysis without proper data cleaning may lead to incorrect results. This book shows you tools and techniques that you can apply to clean and handle data with Python. You'll begin by getting familiar with the shape of data by using practices that can be deployed routinely with most data sources. Then, the book teaches you how to manipulate data to get it into a useful form. You'll also learn how to filter and summarize data to gain insights and better understand what makes sense and what does not, along with discovering how to operate on data to address the issues you've identified. Moving on, you'll perform key tasks, such as handling missing values, validating errors, removing duplicate data, monitoring high volumes of data, and handling outliers and invalid dates. Next, you'll cover recipes on using supervised learning and Naive Bayes analysis to identify unexpected values and classification errors, and generate visualizations for exploratory data analysis (EDA) to visualize unexpected values. Finally, you'll build functions and classes that you can reuse without modification when you have new data.

By the end of this Python book, you'll be equipped with all the key skills that you need to clean data and diagnose problems within it.

Wybrane bestsellery

O autorze książki

Michael Walker jest analitykiem danych. Od ponad trzydziestu lat zajmuje się tym zagadnieniem w różnych instytucjach edukacyjnych. Od 2006 roku prowadzi na wyższych uczelniach zajęcia z analizy danych, metod badawczych, statystyki i programowania. Poza tym tworzy raporty dla fundacji i sektora publicznego, a także publikuje analizy w czasopismach naukowych.

Packt Publishing - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Ebook
29,90 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint