Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython
Obtenha instruções completas para manipular, processar, limpar e extrair informações de conjuntos de dados em Python. Atualizada para Python 3.6, este guia prático está repleto de casos de estudo práticos que mostram como resolver um amplo conjunto de problemas de análise de dados de forma eficiente. Você conhecerá as versões mais recentes do pandas, da NumPy, do IPython e do Jupyter no processo.
+-
Quem viu este produto , comprou
-
Python Eficaz - 59 maneiras de programar melhor em Python
Python Eficaz ajudará o leitor a dominar o mais verdadeiro estilo “pythônico” da arte de programar, empregando todo o potencial do Python para escrever códigos robustos e de desempenho exemplar. Usando o estilo conciso e baseado em cenários, visto no best-seller C++ Eficaz, de Scott Meyers, o autor Brett Slatkin reúne 59 das melhores práticas e dicas em Python, e as explica com exemplos realistas de código. ... Ler mais +
QUERO VER -
Problemas Clássicos de Ciência da Computação com Python
Problemas de ciência da computação aparentemente novos ou ímpares muitas vezes têm raízes em algoritmos clássicos, nas técnicas de programação e em princípios de engenharia. E as abordagens clássicas ainda são a melhor forma de solucioná-los! ... Ler mais +
QUERO VER -
Python sem Mistérios oferece uma abordagem única para você aprender os fundamentos da linguagem Python, tais como dicionários, listas, tuplas, funções, classes e muito mais. Junto com os fundamentos, são apresentados muitos exemplos para que você leitor pratique e consolide os conhecimentos adquiridos. ... Ler mais +
QUERO VER -
Web Scraping com Python - Coletando mais dados da web moderna - 2ª edição
Se a programação é mágica, o web scraping certamente é uma forma de magia. Ao escrever um programa automatizado simples, é possível consultar servidores web, requisitar dados e interpretá-los a fim de extrair as informações desejadas. A edição ampliada deste livro prático não só apresenta uma introdução ao web scraping, como também serve de guia completo para coletar quase todos os tipos de dados da web moderna. ... Ler mais +
QUERO VER -
Python é a linguagem preferida dos profissionais de segurança da informação. Fácil de aprender, multiplataforma, e com uma enorme variedade de bibliotecas que podem ser aproveitadas em pentest de redes, aplicações web e redes sem fio. Este livro mostra como criar ferramentas em Python para pentest, com muitos exemplos de código-fonte, que podem ser executados em qualquer versão do Kali Linux. ... Ler mais +
QUERO VER -
Data Science para Programadores - Um Guia Completo Utilizando a Linguagem Python
Um guia para estudantes e profissionais, utilizando a linguagem Python em todo o seu potencial. Você aprenderá os conceitos e fundamentos estatísticos que auxiliarão seu trabalho analítico. As bibliotecas são apresentadas de maneira prática, focando no que é mais importante para o seu trabalho do dia a dia. O livro apresenta um ferramental completo para você iniciar neste mercado lucrativo que a Data Science possibilita. ... Ler mais +
QUERO VER -
O Guia do Mochileiro Python - Melhores práticas para desenvolvimento
Escrito de forma colaborativa por mais de uma centena de membros da comunidade Python, este livro tem três seções. Primeiro, você aprenderá como instalar e usar ferramentas de edição para Python. Em seguida, examinará exemplos de códigos modelares com o estilo da linguagem. Para concluir, verá as bibliotecas mais usadas pela comunidade. ... Ler mais +
QUERO VER -
Aprenda a programar seu novo computador incrível de 35 dólares para criar um web spider, uma estação meteorológica, um servidor de mídias etc. Este livro explora a criação de uma variedade de projetos divertidos e até mesmo práticos, variando de um web bot para pesquisar e fazer download de arquivos até um brinquedo para deixar seus bichinhos de estimação malucos. ... Ler mais +
QUERO VER
Quem viu este produto , também se interessou
-
Introdução à Programação com PYTHON
Python é uma linguagem de programação de alto nível, interpretada, de script, imperativa, orientada a objetos, funcional. Lançada por Guido van Rossum em 1991. Atualmente é uma das Linguagens de Programação mais utilizadas no mundo. Python foi criada para produzir código bom e fácil de manter, de maneira rápida e suporta múltiplos paradigmas de programação. A programação procedimental pode ser usada para programas simples e rápidos, mas estruturas de dados avançadas estão disponíveis para facilitar o desenvolvimento de algoritmos complexos. Grandes projetos podem ser feitos usando técnicas de orientação a objetos, que é completamente suportada em Python. Assim, o Python se aplica na solução de problemas de várias complexidades. Além disso, por ser uma linguagem livre e multiplataforma, possibilita que os programas escritos em uma plataforma sejam executados sem nenhum problema na maioria das plataformas existentes e sem nenhuma modificação. ... Ler mais +
QUERO VER -
Data Science para Programadores - Um Guia Completo Utilizando a Linguagem Python
Um guia para estudantes e profissionais, utilizando a linguagem Python em todo o seu potencial. Você aprenderá os conceitos e fundamentos estatísticos que auxiliarão seu trabalho analítico. As bibliotecas são apresentadas de maneira prática, focando no que é mais importante para o seu trabalho do dia a dia. O livro apresenta um ferramental completo para você iniciar neste mercado lucrativo que a Data Science possibilita. ... Ler mais +
QUERO VER -
Aperfeiçoe suas habilidades com Python enquanto explora minuciosamente essa linguagem de programação com Python Levado a Sério. Escrito para desenvolvedores e programadores experientes, este livro sintetiza mais de quinze anos de experiência com Python, com o intuito de ensinar você a evitar erros comuns, escrever código de modo mais eficiente e criar melhores programas em menos tempo. Você verá uma série de tópicos avançados como multithreading e memoização, receberá conselhos de especialistas em assuntos como design de APIs e como lidar com bancos de dados, além de conhecer a natureza interna de Python a fim de ter uma compreensão mais profunda sobre a linguagem em si. ... Ler mais +
QUERO VER -
Plone 4: Administrando servidores Plone 4.x na prática
Plone é um Sistema Gerenciador de Conteúdo (CMS) livre e de código aberto, multiplataforma, escrito em Python e que roda utilizando o servidor de aplicações Zope. ... Ler mais +
QUERO VER -
Aplicações de IoT (Internet of Things ou Internet das Coisas) estão cada vez mais presentes em nosso cotidiano. Já se tornaram comuns eletrodomésticos ou soluções de automação residencial na qual podemos interagir e controlar à distância por meio da Internet. Atualmente uma das plataformas de baixo custo para IoT mais utilizadas é o NodeMCU, baseado nos microcontroladores ESP8266 e ESP32, que, além de uma ótima capacidade de processamento, possui uma interface Wi-Fi. ... Ler mais +
QUERO VER -
Aprenda a programar seu novo computador incrível de 35 dólares para criar um web spider, uma estação meteorológica, um servidor de mídias etc. Este livro explora a criação de uma variedade de projetos divertidos e até mesmo práticos, variando de um web bot para pesquisar e fazer download de arquivos até um brinquedo para deixar seus bichinhos de estimação malucos. ... Ler mais +
QUERO VER -
Web Scraping com Python - Coletando mais dados da web moderna - 2ª edição
Se a programação é mágica, o web scraping certamente é uma forma de magia. Ao escrever um programa automatizado simples, é possível consultar servidores web, requisitar dados e interpretá-los a fim de extrair as informações desejadas. A edição ampliada deste livro prático não só apresenta uma introdução ao web scraping, como também serve de guia completo para coletar quase todos os tipos de dados da web moderna. ... Ler mais +
QUERO VER
- DescriçãoPython para análise de dados: Tratamento de dados com Pandas, NumPy e IPython
Obtenha instruções completas para manipular, processar, limpar e extrair informações de conjuntos de dados em Python. Atualizada para Python 3.6, este guia prático está repleto de casos de estudo práticos que mostram como resolver um amplo conjunto de problemas de análise de dados de forma eficiente. Você conhecerá as versões mais recentes do pandas, da NumPy, do IPython e do Jupyter no processo.
Escrito por Wes McKinney, criador do projeto Python pandas, este livro contém uma introdução prática e moderna às ferramentas de ciência de dados em Python. É ideal para analistas, para quem Python é uma novidade, e para programadores Python iniciantes nas áreas de ciência de dados e processamento científico. Os arquivos de dados e os materiais relacionados ao livro estão disponíveis no GitHub.
utilize o shell IPython e o Jupyter Notebook para processamentos exploratórios;
conheça os recursos básicos e avançados da NumPy (Numerical Python);
comece a trabalhar com ferramentas de análise de dados da biblioteca pandas;
utilize ferramentas flexíveis para carregar, limpar, transformar, combinar e reformatar dados;
crie visualizações informativas com a matplotlib;
aplique o recurso groupby do pandas para processar e sintetizar conjuntos de dados;
analise e manipule dados de séries temporais regulares e irregulares;
aprenda a resolver problemas de análise de dados do mundo real com exemplos completos e detalhados. - Sobre o Autor
- Especificação
Características
Assuntos Python Especificações
Sobre o Autor Wes McKinney
Wes McKinney é o criador do pandas, a popular biblioteca Python de código aberto para análise de dados. É palestrante ativo e desenvolvedor de código aberto em Python e C++ na comunidade Python de ciência de dados e no Apache Software Foundation. Trabalha como arquiteto de software em Nova York.Informações Técnicas Sumário
Prefácio .................................................................................................................................13
Capítulo 1 ¦ Informações preliminares....................................................................................19
1.1 De que se trata este livro?...........................................................................................19
Quais tipos de dados? ................................................................................................19
1.2 Por que Python para análise de dados?........................................................................20
Python como aglutinador........................................................................................... 21
Resolvendo o problema de “duas linguagens” ............................................................ 21
Por que não Python?................................................................................................... 21
1.3 Bibliotecas Python essenciais......................................................................................22
NumPy ......................................................................................................................22
pandas.......................................................................................................................23
matplotlib..................................................................................................................25
IPython e Jupyter.......................................................................................................25
SciPy .........................................................................................................................26
scikit-learn................................................................................................................. 27
statsmodels................................................................................................................ 27
1.4 Instalação e configuração ...........................................................................................28
Windows...................................................................................................................28
Apple (OS X, MacOS) ................................................................................................29
GNU/Linux...............................................................................................................29
Instalando ou atualizando pacotes Python..................................................................30
Python 2 e Python 3................................................................................................... 31
Ambientes de desenvolvimento integrado (IDEs) e editores de texto............................ 31
1.5 Comunidade e conferências........................................................................................32
1.6 Navegando pelo livro .................................................................................................33
Exemplos de código ...................................................................................................34
Dados para os exemplos.............................................................................................34
Convenções de importação.........................................................................................35
Jargão........................................................................................................................35
Capítulo 2 ¦ Básico da linguagem Python, IPython e notebooks Jupyter ..................................36
2.1 Interpretador Python.................................................................................................. 37
2.2 Básico sobre o IPython...............................................................................................39
Executando o shell IPython........................................................................................39
Executando o notebook Jupyter..................................................................................40
Preenchimento automático com tabulação ..................................................................43
Introspecção ..............................................................................................................45
Comando %run ........................................................................................................ 47
Executando código da área de transferência................................................................48
Atalhos de teclado no terminal ...................................................................................49
Sobre os comandos mágicos.......................................................................................50
Integração com a matplotlib .......................................................................................53
2.3 Básico da linguagem Python ......................................................................................53
Semântica da linguagem.............................................................................................54
Tipos escalares...........................................................................................................63
Controle de fluxo .......................................................................................................72
Capítulo 3 ¦ Estruturas de dados embutidas, funções e arquivos..............................................78
3.1 Estruturas de dados e sequências................................................................................78
Tupla .........................................................................................................................78
Lista ..........................................................................................................................82
Funções embutidas para sequências............................................................................88
List, set e dict comprehensions...................................................................................97
3.2 Funções................................................................................................................... 100
Namespaces, escopo e funções locais ....................................................................... 101
Devolvendo diversos valores..................................................................................... 102
Funções são objetos ................................................................................................. 103
Funções anônimas (lambdas) ................................................................................... 105
Currying: aplicação parcial dos argumentos ............................................................. 106
Geradores................................................................................................................ 107
Erros e tratamento de exceção .................................................................................. 110
3.3 Arquivos e o sistema operacional.............................................................................. 113
Bytes e Unicode com arquivos.................................................................................. 117
3.4 Conclusão................................................................................................................ 119
Capítulo 4 ¦ Básico sobre o NumPy: arrays e processamento vetorizado .................................120
4.1 O ndarray do NumPy: um objeto array multidimensional .........................................122
Criando ndarrays..................................................................................................... 124
Tipos de dados para ndarrays................................................................................... 126
Aritmética com arrays NumPy ................................................................................. 129
Indexação básica e fatiamento .................................................................................. 131
Indexação booleana ................................................................................................. 136
Sumário 7
Indexação sofisticada ............................................................................................... 140
Transposição de arrays e troca de eixos..................................................................... 142
4.2 Funções universais: funções rápidas de arrays para todos os elementos ..................... 144
4.3 Programação orientada a arrays................................................................................ 147
Expressando uma lógica condicional como operações de array.................................. 149
Métodos matemáticos e estatísticos.......................................................................... 150
Métodos para arrays booleanos ................................................................................ 152
Ordenação............................................................................................................... 153
Unicidade e outras lógicas de conjuntos.................................................................... 154
4.4 Entrada e saída de arquivos com arrays..................................................................... 155
4.5 Álgebra linear .......................................................................................................... 156
4.6 Geração de números pseudoaleatórios...................................................................... 159
4.7 Exemplo: passeios aleatórios .................................................................................... 161
Simulando vários passeios aleatórios de uma só vez .................................................. 163
4.8 Conclusão................................................................................................................ 164
Capítulo 5 ¦ Introdução ao pandas........................................................................................165
5.1 Introdução às estruturas de dados do pandas............................................................ 166
Series....................................................................................................................... 166
DataFrame............................................................................................................... 171
Objetos Index .......................................................................................................... 179
5.2 Funcionalidades essenciais....................................................................................... 181
Reindexação ............................................................................................................ 181
Descartando entradas de um eixo............................................................................. 184
Indexação, seleção e filtragem................................................................................... 186
Índices inteiros......................................................................................................... 192
Aritmética e alinhamento de dados........................................................................... 193
Aplicação de funções e mapeamento.........................................................................200
Ordenação e classificação......................................................................................... 203
Índices de eixos com rótulos duplicados ................................................................... 207
5.3 Resumindo e calculando estatísticas descritivas........................................................208
Correlação e covariância .......................................................................................... 212
Valores únicos, contadores de valores e pertinência................................................... 214
5.4 Conclusão................................................................................................................ 217
Capítulo 6 ¦ Carga de dados, armazenagem e formatos de arquivo ........................................218
6.1 Lendo e escrevendo dados em formato-texto ............................................................ 218
Lendo arquivos-texto em partes ...............................................................................226
Escrevendo dados em formato-texto.........................................................................228
Trabalhando com formatos delimitados....................................................................230
Dados JSON ............................................................................................................ 232
XML e HTML: web scraping....................................................................................234
8 Python para Análise de Dados
6.2 Formatos de dados binários ..................................................................................... 239
Usando o formato HDF5.......................................................................................... 240
Lendo arquivos do Microsoft Excel........................................................................... 242
6.3 Interagindo com APIs web ....................................................................................... 244
6.4 Interagindo com bancos de dados............................................................................. 245
6.5 Conclusão ............................................................................................................... 247
Capítulo 7 ¦ Limpeza e preparação dos dados........................................................................248
7.1 Tratando dados ausentes .......................................................................................... 248
Filtrando dados ausentes..........................................................................................250
Preenchendo dados ausentes .................................................................................... 253
7.2 Transformação de dados...........................................................................................256
Removendo duplicatas .............................................................................................256
Transformando dados usando uma função ou um mapeamento................................257
Substituindo valores.................................................................................................260
Renomeando os índices dos eixos............................................................................. 261
Discretização e compartimentalização (binning).......................................................263
Detectando e filtrando valores discrepantes..............................................................266
Permutação e amostragem aleatória ..........................................................................268
Calculando variáveis indicadoras/dummy................................................................. 269
7.3 Manipulação de strings ............................................................................................ 274
Métodos de objetos string ........................................................................................ 274
Expressões regulares................................................................................................ 276
Funções de string vetorizadas no pandas ..................................................................280
7.4 Conclusão ................................................................................................................283
Capítulo 8 ¦ Tratamento de dados: junção, combinação e reformatação.................................284
8.1 Indexação hierárquica ..............................................................................................284
Reorganizando e ordenando níveis ...........................................................................288
Estatísticas de resumo por nível................................................................................289
Indexando com as colunas de um DataFrame ...........................................................290
8.2 Combinando e mesclando conjuntos de dados.......................................................... 291
Junções no DataFrame no estilo de bancos de dados................................................. 292
Fazendo merge com base no índice ...........................................................................298
Concatenando ao longo de um eixo .......................................................................... 303
Combinando dados com sobreposição......................................................................309
8.3 Reformatação e pivoteamento .................................................................................. 311
Reformatação com indexação hierárquica................................................................. 311
Fazendo o pivoteamento de um formato “longo” para um formato “largo” ............... 315
Pivoteamento do formato “largo” para o formato “longo” ........................................ 319
8.4 Conclusão................................................................................................................ 321
Capítulo 9 ¦ Plotagem e visualização ....................................................................................322
9.1 Introdução rápida à API da matplotlib ...................................................................... 323
Figuras e subplotagens ............................................................................................. 324
Cores, marcadores e estilos de linha ......................................................................... 328
Tiques, rótulos e legendas ........................................................................................ 330
Anotações e desenhos em uma subplotagem ............................................................. 334
Salvando plotagens em arquivos ............................................................................... 336
Configuração da matplotlib...................................................................................... 337
9.2 Plottagem com o pandas e o seaborn ........................................................................ 338
Plotagens de linha .................................................................................................... 338
Plotagem de barras................................................................................................... 341
Histogramas e plotagens de densidade......................................................................346
Plotagens de dispersão ou de pontos.........................................................................348
Grades de faceta e dados de categoria ....................................................................... 350
9.3 Outras ferramentas de visualização de Python.......................................................... 352
9.4 Conclusão................................................................................................................ 353
Capítulo 10 ¦ Agregação de dados e operações em grupos.....................................................354
10.1 Funcionamento de GroupBy ................................................................................... 355
Iterando por grupos ................................................................................................. 359
Selecionando uma coluna ou um subconjunto de colunas.......................................... 361
Agrupando com dicionários e Series......................................................................... 362
Agrupando com funções .......................................................................................... 363
Agrupando por níveis de índice ................................................................................364
10.2 Agregação de dados................................................................................................ 365
Aplicação de função nas colunas e aplicação de várias funções.................................. 367
Devolvendo dados agregados sem índices de linha .................................................... 371
10.3 Método apply: separar-aplicar-combinar genérico................................................... 372
Suprimindo as chaves de grupo ................................................................................ 375
Análise de quantis e de buckets................................................................................ 376
Exemplo: preenchendo valores ausentes com valores específicos de grupo ................. 377
Exemplo: amostragem aleatória e permutação...........................................................380
Exemplo: média ponderada de grupos e correlação ................................................... 382
Exemplo: regressão linear nos grupos.......................................................................385
10.4 Tabelas pivôs e tabulação cruzada...........................................................................386
Tabulações cruzadas: crosstab.................................................................................. 389
10.5 Conclusão.............................................................................................................. 390
Capítulo 11 ¦ Séries temporais..............................................................................................391
11.1 Tipos de dados e ferramentas para data e hora ........................................................ 392
Conversão entre string e datetime............................................................................. 393
11.2 Básico sobre séries temporais.................................................................................. 396
Indexação, seleção e geração de subconjuntos........................................................... 398
10 Python para Análise de Dados
Séries temporais com índices duplicados...................................................................402
11.3 Intervalos de datas, frequências e deslocamentos ....................................................403
Gerando intervalos de datas.....................................................................................404
Frequências e offset de datas ....................................................................................407
Deslocamento de datas (adiantando e atrasando)......................................................409
11.4 Tratamento de fusos horários.................................................................................. 413
Localização e conversão dos fusos horários............................................................... 414
Operações com objetos Timestamp que consideram fusos horários........................... 417
Operações entre fusos horários diferentes................................................................. 418
11.5 Períodos e aritmética com períodos......................................................................... 419
Conversão de frequência de períodos........................................................................ 420
Frequências de período trimestrais........................................................................... 422
Convertendo timestamps para períodos (e vice-versa) ............................................... 424
Criando um PeriodIndex a partir de arrays............................................................... 426
11.6 Reamostragem e conversão de frequências.............................................................. 429
Downsampling ........................................................................................................ 431
Upsampling e interpolação....................................................................................... 434
Reamostragem com períodos.................................................................................... 436
11.7 Funções de janela móvel ......................................................................................... 438
Funções exponencialmente ponderadas.................................................................... 441
Funções de janela móvel binárias.............................................................................. 442
Funções de janela móvel definidas pelo usuário ........................................................444
11.8 Conclusão..............................................................................................................445
Capítulo 12 ¦ Pandas avançado.............................................................................................446
12.1 Dados categorizados ..............................................................................................446
Informações básicas e motivação ..............................................................................446
Tipo Categorical do pandas......................................................................................448
Processamentos com Categoricals............................................................................. 451
Métodos para dados categorizados........................................................................... 454
12.2 Uso avançado de GroupBy ..................................................................................... 458
Transformações de grupos e GroupBys “não encapsulados” ...................................... 458
Reamostragem de tempo em grupos .........................................................................463
12.3 Técnicas para encadeamento de métodos................................................................465
Método pipe ............................................................................................................466
12.4 Conclusão..............................................................................................................468
Capítulo 13 ¦ Introdução às bibliotecas de modelagem em Python ........................................469
13.1 Interface entre o pandas e o código dos modelos..................................................... 470
13.2 Criando descrições de modelos com o Patsy ........................................................... 473
Transformações de dados em fórmulas do Patsy........................................................ 476
Dados categorizados e o Patsy .................................................................................. 478
Sumário 11
13.3 Introdução ao statsmodels...................................................................................... 482
Estimando modelos lineares..................................................................................... 482
Estimando processos de séries temporais..................................................................486
13.4 Introdução ao scikit-learn....................................................................................... 487
13.5 Dando prosseguimento à sua educação................................................................... 492
Capítulo 14 ¦ Exemplos de análises de dados.........................................................................493
14.1 Dados de 1.USA.gov do Bitly................................................................................... 493
Contando fusos horários em Python puro.................................................................494
Contando fusos horários com o pandas.................................................................... 497
14.2 Conjunto de dados do MovieLens 1M..................................................................... 505
Avaliando a discrepância nas avaliações.................................................................... 511
14.3 Nomes e bebês americanos de 1880 a 2010 ............................................................. 513
Analisando tendências para os nomes....................................................................... 519
14.4 Banco de dados de alimentos do USDA................................................................... 529
14.5 Banco de dados da Federal Election Commission em 2012 ...................................... 536
Estatísticas sobre as doações de acordo com a profissão e o empregador....................540
Separando os valores das doações em buckets........................................................... 543
Estatísticas sobre as doações conforme o estado........................................................546
14.6 Conclusão.............................................................................................................. 547
Apêndice A ¦ NumPy avançado.............................................................................................548
A.1 Organização interna do objeto ndarray .................................................................... 548
A hierarquia de dtypes do NumPy............................................................................549
A.2 Manipulação avançada de arrays ............................................................................. 551
Redefinindo o formato de arrays............................................................................... 551
Ordem C versus ordem Fortran ................................................................................ 553
Concatenando e separando arrays ............................................................................ 554
Repetindo elementos: tile e repeat............................................................................. 557
Equivalentes à indexação sofisticada: take e put........................................................ 559
A.3 Broadcasting ........................................................................................................... 561
Broadcasting em outros eixos................................................................................... 563
Definindo valores de array para broadcasting............................................................566
A.4 Usos avançados de ufuncs ....................................................................................... 567
Métodos de instância de ufuncs................................................................................ 567
Escrevendo novas ufuncs em Python ........................................................................ 570
A.5 Arrays estruturados e de registros............................................................................ 571
dtypes aninhados e campos multidimensionais......................................................... 572
Por que usar arrays estruturados? ............................................................................. 573
A.6 Mais sobre ordenação.............................................................................................. 573
Ordenações indiretas: argsort e lexsort..................................................................... 575
Algoritmos de ordenação alternativos.......................................................................577
12 Python para Análise de Dados
Ordenando arrays parcialmente................................................................................ 578
numpy.searchsorted: encontrando elementos em um array ordenado......................... 579
A.7 Escrevendo funções NumPy rápidas com o Numba..................................................580
Criando objetos numpy.ufunc personalizados com o Numba .................................... 582
A.8 Operações avançadas de entrada e saída com arrays................................................. 583
Arquivos mapeados em memória.............................................................................. 583
HDF5 e outras opções para armazenagem de arrays.................................................. 584
A.9 Dicas para o desempenho........................................................................................ 585
A importância da memória contígua......................................................................... 585
Apêndice B ¦ Mais sobre o sistema IPython ...........................................................................588
B.1 Usando o histórico de comandos.............................................................................. 588
Pesquisando e reutilizando o histórico de comandos................................................. 588
Variáveis de entrada e de saída.................................................................................. 589
B.2 Interagindo com o sistema operacional..................................................................... 590
Comandos do shell e aliases..................................................................................... 591
Sistema de marcadores de diretórios......................................................................... 593
B.3 Ferramentas para desenvolvimento de software ........................................................ 593
Depurador interativo................................................................................................ 594
Medindo o tempo de execução de um código: %time e %timeit................................. 599
Geração básica de perfis: %prun e %run -p...............................................................602
Gerando o perfil de uma função linha a linha ...........................................................604
B.4 Dicas para um desenvolvimento de código produtivo usando o IPython.................... 607
Recarregando dependências de módulos...................................................................607
Dicas para design de código .....................................................................................608
B.5 Recursos avançados do IPython............................................................................... 610
Deixando suas próprias classes mais apropriadas ao IPython .................................... 610
Perfis e configuração ................................................................................................ 611
B.6 Conclusão ............................................................................................................... 613Informações Técnicas
Nº de páginas: 616 Origem: Internacional Editora: Editora Novatec Idioma: Português Edição: 1ª Edição Ano: 2018 ISBN: 9788575226476 Encadernação: Brochura Autor: Wes McKinney - Informações
Avaliação técnica sobre o livro
