Gestione pratica dei dati e qualità dei dati in Python: Iniziare a leggere, pulire e analizzare i dati

Recensioni dei lettori

Il libro è altamente raccomandato per coloro che iniziano a lavorare con Python, in particolare nel contesto della scienza dei dati. Copre gli argomenti essenziali per la raccolta, la preparazione, l'analisi e la presentazione dei dati e include esempi pratici e attività. Tuttavia, alcuni recensori hanno notato che il libro è un po' costoso e hanno avuto problemi con le consegne danneggiate.

⬤ Ottima risorsa per i principianti di Python
⬤ scrittura chiara e comprensibile
⬤ copre i concetti essenziali di gestione dei dati
⬤ include esempi pratici e attività
⬤ altamente raccomandato come testo standard per la scienza dei dati
⬤ vengono discusse tecniche moderne
⬤ ben strutturato e adatto ai professionisti.

Considerato un po' costoso da alcuni recensori; molteplici problemi di consegna con pacchi danneggiati.

(basato su 4 recensioni dei lettori)

Titolo originale:

Practical Python Data Wrangling and Data Quality: Getting Started with Reading, Cleaning, and Analyzing Data

Contenuto del libro:

Gli insiemi di dati offrono scoperte straordinarie e storie preziose da raccontare, e questo libro vi aiuterà a scoprirle. Sia che lavoriate già con i dati, sia che vogliate semplicemente comprenderne le possibilità, le tecniche e i consigli di questo libro pratico vi aiuteranno a imparare a pulire, valutare e analizzare meglio i dati per generare intuizioni significative e visualizzazioni convincenti.

Attraverso concetti fondamentali ed esempi pratici, l'autrice Susan McGregor fornisce gli strumenti necessari per valutare e analizzare tutti i tipi di dati e comunicare efficacemente i risultati ottenuti. Questo libro fornisce un modo metodico e privo di gergo a professionisti di ogni livello per sfruttare la potenza dei dati.

⬤ Utilizzare Python 3. 8+ per leggere, scrivere e trasformare dati provenienti da diverse fonti.

⬤ Comprendere e utilizzare le basi della programmazione in Python per gestire i dati in scala.

⬤ Organizzare, documentare e strutturare il codice utilizzando le migliori pratiche.

⬤ Completare gli esercizi sulla propria macchina o sul web.

⬤ Raccogliere dati da file di dati strutturati, pagine web e API.

⬤ Eseguire analisi statistiche di base per ricavare un significato dagli insiemi di dati.

⬤ Visualizzare e presentare i dati in modo chiaro e convincente.