Python para Análisis de Datos
Obtén el manual definitivo para manipular, procesar, limpiar y restringir conjuntos de datos en Python. Actualizado para Python 3.10 y pandas 1.4.0, esta tercera edición de Python para análisis de datos. Manipulación de datos con pandas, NyumPy y Jupyter está llena de casos prácticos, que permiten averiguar cómo resolver una amplia variedad de problemas de datos de una manera e...
Obtén el manual definitivo para manipular, procesar, limpiar y restringir conjuntos de datos en Python. Actualizado para Python 3.10 y pandas 1.4.0, esta tercera edición de Python para análisis de datos. Manipulación de datos con pandas, NyumPy y Jupyter está llena de casos prácticos, que permiten averiguar cómo resolver una amplia variedad de problemas de datos de una manera efectiva. Con su ayuda conocerás y aprenderás las versiones más recientes de pandas, NumPy, IPython y Jupyter.
Escrito por Wes McKinney, el creador del proyecto pandas, Python para análisis de datos es una introducción práctica y moderna a las herramientas de ciencia de datos que ofrece Python. Es ideal para analistas no versados en Python y para programadores que deseen ponerse al día en ciencia de datos y computación científica o ciencia computacional. GitHub alberga los archivos de datos empleados en el libro y otro material asociado.
Entre otras cosas, este libro permite:
* Utilizar Jupyter Notebook y el shell de IPython para explorar datos. * Aprender funciones de NumPy básicas y avanzadas. * Iniciarse en el manejo de las herramientas de análisis de datos de la librería pandas. * Emplear herramientas flexibles para limpiar, transformar, combinar y remodelar datos. * Crear visualizaciones informativas con matplotlib. * Aplicar la función GroupBy de pandas para segmentar, desmenuzar y resumir conjuntos de datos. * Analizar y manipular series de datos temporales regulares e irregulares. * Aprender cómo resolver problemas reales de análisis de datos con ejemplos específicos y detallados.
Reseña del Editor
Agradecimientos
Sobre el autor
Prefacio
Capítulo 1. Preliminares
Capítulo 2. Fundamentos del lenguaje Python, IPython y Jupyter Notebooks
Capítulo 3. Estructuras de datos, funciones y archivos incluidos
Capítulo 4. Fundamentos de NumPy: arrays y computación vectorizada
Capítulo 5. Primeros pasos con pandas
Capítulo 6. Carga de datos, almacenamiento y formatos de archivo
Capítulo 7. Limpieza y preparación de los datos
Capítulo 8. Manipulación de datos: unir, combinar y remodelar
Capítulo 9. Trazado y visualización
Capítulo 10. Agregación de datos y operaciones con grupos
Capítulo 11. Series temporales
Capítulo 12. Introducción a las librerías de modelado de Python
Capítulo 13. Ejemplos de análisis de datos
Anexo A. NumPy avanzado
Anexo B. Más sobre el sistema IPython
Índice alfabético
Artículos relacionados
