Python для анализа данных, Гарафутдинов Р.В., 2024

Python для анализа данных, Гарафутдинов Р.В., 2024.
    
   Цель учебного пособия - помочь студентам, изучающим курс «Python для анализа данных», приобрести системные знания по основам программирования на языке Python и освоить работу со стандартными возможностями языка и его библиотеками на уровне, достаточном для решения задач обработки и анализа данных. Рассматриваются базовые элементы и синтаксические конструкции языка Python 3. Описываются основные методы и приемы работы с рядами и табличными данными с применением популярных Python-библиотек. Издание содержит тематический план, теорию с примерами программного кода, задания для самостоятельной работы и список использованных источников.
Учебное пособие подготовлено на основе опыта преподавания дисциплины студентам экономического факультета Пермского государственного национального исследовательского университета и факультета социально-экономических и компьютерных наук Национального исследовательского университета «Высшая школа экономики» (Пермь).




ОСНОВЫ ПРОГРАММИРОВАНИЯ НА PYTHON.
Прежде чем приступать к аналитике и формированию выводов на основе исследования данных, следует освоить инструментарий - программные средства. предоставляющие необходимые возможности.

Программных решений для анализа данных существует много. Очевидно, что читатель данного пособия уже сделал свой выбор в пользу языка программирования Python, и автором этот выбор горячо поддерживается. Действительно, владение навыками программирования на самом популярном языке позволяет реализовать любые задачи, связанные с обработкой данных, и не только применять существующие методы и методики, но и разрабатывать собственные. Есть, однако, у данного инструментария недостаток: достаточно высокая сложность использования. Если мы посмотрим на примеры программного кода для решения какой-нибудь в меру типовой задачи (скажем, построение столбчатой диаграммы с группировкой), которые в изобилии можно найти как в документации к библиотекам. так и на тематических ресурсах в интернете, велика вероятность того, что объем и сложность этого кода нас неприятно удивят. Во всяком случае, состоять он будет не из одной строчки, а даже если из одной, прочитать эту строчку и понять, что в ней происходит, без специальных знаний окажется задачей нетривиальной. Чем более универсален, менее «однокнопочен» инструмент, тем сложнее его эффективное использование. Последний из «трех законов» фантаста А. Кларка гласит: «Достаточно развитая технология неотличима от волшебства» [20]. Но даже юному волшебнику Гарри Поттеру из одноименной серии романов Дж. К. Роулинг пришлось несколько лет постигать искусство владения своей волшебной палочкой. Язык Python и его библиотеки, несомненно, могул стать «волшебной палочкой» для специалиста по наукам о данных, но для этого требуется время, определенная доля усилий и, конечно, желание.

ОГЛАВЛЕНИЕ.
Введение.
Раздел 1. Основы программирования на Python.
Предисловие к первому разделу.
1. Введение в алгоритмизацию и программирование.
1.1. Высокоуровневые языки программирования.
1.2. Язык Python.
1.3. Задания для самостоятельной работы.
2. Среда разработки Google Colaboratory.
2.1. Общие сведения о платформе.
2.2. Основы работы в Colab.
2.3. Задания для самостоятельной работы.
3. Синтаксис Python и основные конструкции программы.
3.1. Переменные.
3.2. Оператор присваивания.
3.3. Комментарии.
3.4. Типы данных.
3.5. Функции.
3.6. Ввод-вывод данных.
3.7. Математические вычисления.
3.8. Подключение функций из библиотек.
3.9. Операции сравнения чисел.
3.10. Особенности работы с вещественными числами.
3.11. Исключительные ситуации (ошибки).
3.12. Задания для самостоятельной работы.
4. Условия и циклы.
4.1. Основные алгоритмические структуры.
4.2. Условный оператор if.
4.3. Оператор цикла while.
4.4. Задания для самостоятельной работы.
5. Коллекции.
5.1. Классы, объекты, методы.
5.2. Итерируемые объекты (коллекции).
5.3. Строка.
5.4. Диапазон.
5.5. Кортеж.
5.6. Список.
5.7. Преобразование типов коллекций.
5.8. Передача в функцию элементов коллекции как аргументов.
5.9. Оператор цикла for.
5.10. Задания для самостоятельной работы.
6. Вложенные коллекции.
6.1. Двумерные массивы в Python.
6.2. Обращение к внутренним элементам вложенных коллекций.
6.3. Поэлементный обход вложенных коллекций.
6.4. Функция enumerate() и for с несколькими параметрами.
6.5. Простое и глубокое копирование.
6.6. Задания для самостоятельной работы.
7. Обработка строк.
7.1. Срезы.
7.2. Строковые методы.
7.3. Задания для самостоятельной работы.
8. Продвинутая обработка коллекций.
8.1. Сортировка.
8.2. Некоторые другие инструменты обработки коллекций.
8.3. Модуль itertools.
8.4. Функции map(), filter() и генерация списка.
8.5. Задания для самостоятельной работы.
9. Подробно о функциях.
9.1. Пользовательские функции.
9.2. Значения аргументов по умолчанию.
9.3. Позиционные и именованные аргументы.
9.4. Нефиксированное количество аргументов функции.
9.5. Локальные и глобальные переменные.
9.6. Передача в функцию изменяемых и неизменяемых объектов.
9.7. Анонимные (лямбда) функции.
9.8. Задания для самостоятельной работы.
10. Неиндексированные коллекции и файлы.
10.1. Множества.
10.2. Словари.
10.3. Работа с файлами.
10.4. Задания для самостоятельной работы.
11. Работа с интернет-данными.
11.1. Данные в сети Интернет.
11.2. REST API.
11.3. Извлечение данных из веб-страниц.
11.4. Задания для самостоятельной работы.
Раздел 2. Библиотеки для анализа данных.
Предисловие ко второму разделу.
12. Библиотека NumPy и векторизованные вычисления.
12.1. Векторизованные операции.
12.2. Операции с массивами.
12.3. Многомерные массивы.
12.4. Использование генератора случайных чисел.
12.5. Операции линейной алгебры над матрицами.
12.6. Задание для самостоятельной работы.
13. Библиотека pandas.
13.1. Ряды (тип данных Series).
13.2. Таблицы (тип данных DataFrame).
13.3. Загрузка и выгрузка наборов данных (датасетов).
13.4. Пример предварительной обработки датасета.
13.5. Задания для самостоятельной работы.
14. Визуализация.
14.1. Библиотека Matplotlib.
14.2. Библиотека seaborn.
14.3. Несколько диаграмм на холсте.
14.4. Задания для самостоятельной работы.
Список использованных источников.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Python для анализа данных, Гарафутдинов Р.В., 2024 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - pdf - Яндекс.Диск.




Теги: учебник по программированию :: программирование :: Гарафутдинов