Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen. Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar. Aus dem Inhalt: - Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative Computing - Lernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennen - Setzen Sie die Datenanalyse-Tools der pandas- Bibliothek ein - Verwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten - Erstellen Sie interformative Visualisierungen mit matplotlib - Wenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassen - Analysieren und manipulieren Sie verschiedenste Zeitreihen-Daten Für diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn. Bereits ein Klassiker im Python-Ökosystem, wurde diese Neuauflage in allen Bereichen aktualisiert, von Python 3.6 bis zu den neuesten Funktionen von pandas. Durch die genaue Erklärung der Datenwerkzeuge von Python hilft dieses Buch Lesern dabei, sie effektiv in neuer und kreativer Weise zu nutzen. Das Buch ist ein wesentlicher Bestandteil einer jeden modernen Bibliothek zum datenintensiven Computing. - Fernando Pérez, Assistant Professor für Statistik an der UC Berkeley, Begründer von IPython und Mitbegründer von Project Jupyter sakriti opis