Mehr lesen
Numerisches Python
-Grundlagen der Lösung numerischer Probleme mit Python
-Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden
-Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse
tätig sind
-Datenvisualisierung mit Matplotlib
-Ideal zum Umstieg von Matlab auf Python
In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R.
Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben.
NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt.
Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten.
AUS DEM INHALT //
NumPy:
Numerische Operationen auf mehrdimensionalen Arrays/Broadcasting/Ufuncs
Matplotlib:
Diskrete und kontinuierliche Graphen/Balken- und Säulendiagramme/Histogramme/Konturplots
Pandas:
Series/DataFrames/Lesen, Schreiben und Bearbeiten von Excel- und csv-Dateien/Umgang mit unvollständigen Daten/Datenvisualisierung/Zeitserien
EXTRA: E-Book inside. Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.
Bericht
"Im Fokus stehen numerische Verfahren, die für Data Science und maschinelles Lernen benötigt werden. Genutzt werden Python-Bibliotheken wie NumPy, SciPy und Matplotlib. Inklusive kompakter Einführung in Python." dotnetpro, September 2019
