O Python é uma excelente ferramenta para muitos pesquisadores, principalmente por causa de suas bibliotecas para armazenar, manipular e obter insights de dados. Existem vários recursos para as partes individuais do data science, mas apenas com a nova edição do Guia do Python para Data Science você tem tudo: IPython, NumPy, pandas, Matplotlib, Scikit-Learn e outras ferramentas afins.
Cientistas de laboratório e analistas de dados familiarizados com a leitura e a escrita do código Python acharão a segunda edição desta referência abrangente ideal para lidar com questões do dia a dia: manipulação, transformação e limpeza de dados, visualização de diferentes tipos de dados, e uso de dados para construir modelos estatísticos ou de machine learning. Em outras palavras, é a referência obrigatória para a computação científica em Python.
Com este guia, você aprenderá que:
- IPython e Jupyter fornecem ambientes de computação para cientistas que usam o Python
- NumPy inclui ndarray para um armazenamento e uma manipulação eficientes de densos arrays de dados
- Pandas contém DataFrame para um armazenamento e uma manipulação eficientes de dados tabulares
- Matplotlib inclui capacidades para inúmeras visualizações de dados
- Scikit-Learn ajuda a criar implementações limpas e eficientes em Python dos algoritmos mais importantes e consolidados em machine learning
