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.

VITRINE Os Livros mais Vendidos !

De: R$ 132,00Por: R$ 89,90

Preço a vista: R$ 89,90

Economia de R$ 42,10

+-
Comprar
Opções de Parcelamento:
  • à vista R$ 89,90
Outras formas de pagamento

Quem viu este produto , comprou

  • 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
  • Python RAD (Rapid Application Development) Aplicações para Web e Desktop

    Além da abordagem essencial da linguagem Python, serão demonstrados exemplos passo a passo do desenvolvimento de módulos/telas para aplicações desktop, bem como exemplos e o desenvolvimento de uma aplicação completa de upload com banco de dados (PostgreSQL) para web. ... Ler mais +

    QUERO VER
  • Introdução à Programação com PYTHON

    VITRINE Os Livros mais Vendidos !

    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
  • *ESGOTADO*Programação em Python 3

    Python 3 é a melhor versão já lançada no que diz respeito à linguagem Python. Ela é muito mais poderosa, conveniente, consistente e expressiva do que jamais foi. Agora, no comando do programador Mark Summerfield, você poderá aprender como escrever códigos que se beneficiam totalmente das vantagens oriundas das características do Python 3 e de seus idiomas. Primeiro livro escrito a partir de uma visão totalmente baseada em Python 3, Programação em Python 3 traz o conhecimento que você precisa para escrever qualquer programa, utilizar qualquer biblioteca padrão ou de terceiros do Python e criar novos módulos de biblioteca por sua conta. ... Ler mais +

    QUERO VER
  • Curso Intensivo de Python - Uma introdução prática e baseada em projetos à programação

    Aprenda Python – rapidamente!
    Curso Intensivo de Python é uma introdução completa e em ritmo acelerado à linguagem Python, que fará você escrever programas, resolver problemas e criar soluções que funcionarão em um piscar de olhos.
    Na primeira metade do livro você conhecerá os conceitos básicos de programação, como listas, dicionários, classes e laços, e praticará a escrita de códigos limpos e legíveis, com exercícios para cada assunto. Você também aprenderá a deixar seus programas interativos e a testar seu código de modo seguro antes de adicioná-lo a um projeto. Na segunda metade do livro você colocará seu novo conhecimento em prática com três projetos substanciais: um jogo de arcade, inspirado no Space Invaders, visualizações de dados com as bibliotecas extremamente práticas de Python, e uma aplicação web simples que poderá ser implantada online. ... Ler mais +

    QUERO VER
  • Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython

    VITRINE Os Livros mais Vendidos !

    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. ... Ler mais +

    QUERO VER

Quem viu este produto , também se interessou

  • Pense em Python - Pense como um cientista da computação

    Se você quer aprender como programar, usar Python é uma ótima forma de começar. Este guia prático apresenta a linguagem passo a passo, começando com conceitos de programação básicos antes de chegar a funções, recursividade, estruturas de dados e design orientado a objeto. Esta edição e seu código de apoio foram atualizados para o Python 3. ... Ler mais +

    QUERO VER
  • TDD com Python - Siga o bode dos testes: usando Django, Selenium e JavaScript

    Ao conduzir você pelo desenvolvimento de uma verdadeira aplicação web do início ao fim, a segunda edição deste guia “mão na massa” mostra as vantagens práticas do TDD (Test-Driven Development, ou Desenvolvimento Orientado a Testes) com Python. Você aprenderá a escrever e a executar testes antes de construir cada parte de sua aplicação, e então desenvolverá a quantidade mínima de código necessária para que os testes passem. O resultado? Um código limpo, que funcionará. ... Ler mais +

    QUERO VER
  • NoSQL Essencial - Um Guia Conciso para o Mundo Emergente da Persistência Poliglota

    A necessidade de se lidar com volumes cada vez maiores de dados é um fator que motiva adotar uma nova classe de bancos de dados não relacionais, NoSQL. Os defensores dos bancos de dados NoSQL alegam que estes podem ser utilizados para criar sistemas com melhor desempenho, escalabilidade e mais fáceis de programar. NoSQL Essencial é uma introdução concisa, porém completa, a essa tecnologia emergente em rápida ascensão.
    Pramod J. Sadalage e Martin Fowler explicam como bancos de dados NoSQL funcionam e as formas pelas quais podem ser uma alternativa superior a um sistema tradicional de gerenciamento de banco de dados relacional. Os autores apresentam um guia rápido sobre os conceitos que você precisa conhecer para avaliar se os bancos de dados NoSQL são apropriados a suas necessidades e, se forem, quais tecnologias você deve explorar mais detalhadamente. ... Ler mais +

    QUERO VER
  • Curso Intensivo de Python - Uma introdução prática e baseada em projetos à programação

    Aprenda Python – rapidamente!
    Curso Intensivo de Python é uma introdução completa e em ritmo acelerado à linguagem Python, que fará você escrever programas, resolver problemas e criar soluções que funcionarão em um piscar de olhos.
    Na primeira metade do livro você conhecerá os conceitos básicos de programação, como listas, dicionários, classes e laços, e praticará a escrita de códigos limpos e legíveis, com exercícios para cada assunto. Você também aprenderá a deixar seus programas interativos e a testar seu código de modo seguro antes de adicioná-lo a um projeto. Na segunda metade do livro você colocará seu novo conhecimento em prática com três projetos substanciais: um jogo de arcade, inspirado no Space Invaders, visualizações de dados com as bibliotecas extremamente práticas de Python, e uma aplicação web simples que poderá ser implantada online. ... Ler mais +

    QUERO VER
  • Automatize tarefas maçantes com Python - Programação prática para verdadeiros iniciantes

    APRENDA PYTHON. FAÇA O QUE TEM DE SER FEITO.
    Se você já passou horas renomeando arquivos ou atualizando centenas de células de planilhas, sabe quão maçantes podem ser esses tipos de tarefa. Que tal se você pudesse fazer o seu computador executá-las para você?
    Em Automatize tarefas maçantes com Python, você aprenderá a usar o Python para criar programas que farão em minutos o que exigiria horas para ser feito manualmente – sem que seja necessário ter qualquer experiência anterior com programação. Após ter dominado o básico sobre programação, você criará programas Python que realizarão proezas úteis e impressionantes de automação sem nenhum esforço:... ... Ler mais +

    QUERO VER
  • 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
  • Introdução à Programação com PYTHON

    VITRINE Os Livros mais Vendidos !

    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
  • Python Cookbook - Receitas para dominar Python 3

    Se precisar de ajuda para escrever programas em Python 3 ou desejar atualizar códigos antigos que estejam em Python 2, este livro é seu passaporte para isso. Cheio de receitas práticas, escritas e testadas com Python 3.3, este cookbook único está voltado para programadores experientes de Python que querem focar em ferramentas e recursos modernos.
    Neste livro, você encontrará receitas completas para mais de uma dúzia de tópicos que abordam a parte essencial da linguagem Python, bem como tarefas comuns a uma ampla variedade de áreas de aplicação. Toda receita contém exemplos de código que podem ser utilizados imediatamente em seus projetos, juntamente com uma discussão sobre como e por que a solução funciona. ... Ler mais +

    QUERO VER
  • Curso Básico de Programação - Teoria e Prática

    VITRINE Os Livros mais Vendidos !

    R$ 109,00 ou 2x de R$ 54,50

    Este livro aborda a programação para computadores digitais de uma maneira moderna, prática e didática, com o objetivo de introduzir o leitor ao fantástico mundo da computação eletrônica. A obra foi escrita para proporcionar ao leitor uma visão ampla e objetiva do assunto, utilizando um método de fácil assimilação e aplicação, com uma abordagem simples e abstraindo das complexidades muito comuns em obras especializadas nesta área. ... 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
  • Black Hat Python - Programação Python para hackers e pentesters

    Quando se trata de criar ferramentas eficazes e eficientes de hacking, o Python é a linguagem preferida da maioria dos analistas da área de segurança. Mas como a mágica acontece?
    Em Black Hat Python, o livro mais recente de Justin Seitz (autor do best-seller Gray Hat Python), você explorará o lado mais obscuro dos recursos do Python – fará a criação de sniffers de rede, manipulará pacotes, infectará máquinas virtuais, criará cavalos de Troia discretos e muito mais. Você aprenderá a:... ... Ler mais +

    QUERO VER
  • Ensine seus filhos a programar - Um guia amigável aos pais para a programação Python

    O livro Ensine seus filhos a programar é um guia para pais e professores ensinarem às crianças programação básica e a resolver problemas usando Python – a linguagem eficaz, usada em cursos universitários e em empresas de tecnologia como Google e IBM. Explicações passo a passo farão as crianças aprenderem a ter, de imediato, um raciocínio voltado à computação, ao mesmo tempo que exemplos visuais, baseados em jogos, prenderão sua atenção. ... Ler mais +

    QUERO VER
  • Python RAD (Rapid Application Development) Aplicações para Web e Desktop

    Além da abordagem essencial da linguagem Python, serão demonstrados exemplos passo a passo do desenvolvimento de módulos/telas para aplicações desktop, bem como exemplos e o desenvolvimento de uma aplicação completa de upload com banco de dados (PostgreSQL) para web. ... Ler mais +

    QUERO VER
  • Datamining - A Mineração de Dados no Marketing, Medicina, Economia, Engenharia e Administração

    O livro pretende levar ao leigo em Inteligência Artificial e também ao estudante e ao profissional de Ciência da Computação ou Engenharia um texto auto-contido, capaz de começar desde o princípio; mostrar usos, vantagens e desvantagens de cada técnica, e desmistificar o assunto. Desta forma, o Datamining poderá ser utilizado com bases mais sólidas, sem enganos, fornecendo ao usuário a capacidade de decidir conscientemente qual das ferramentas pode ser útil em cada caso específico. ... Ler mais +

    QUERO VER
  • Introdução ao Data Mining (Mineração de Dados)

    Esta obra cobre cinco tópicos principais: dados, classificação, análise de associação, agrupamento e detecção de anomalias. Exceto pela detecção de anomalias, cada uma destas áreas é coberta em um par de capítulos. Para classificação, análise de associação e agrupamento, o capítulo introdutório cobre conceitos básicos, algoritmos representativos e técnicas de avaliação, enquanto que o capítulo mais avançado discute conceitos e algoritmos avançados. O objetivo é fornecer ao leitor uma compreensão dos fundamentos da mineração de dados, embora ainda assim cobrindo muitos tópicos avançados importantes. Devido a esta abordagem, o livro é útil tanto como ferramenta de aprendizagem quanto como referência. ... Ler mais +

    QUERO VER
  • Programação de Redes com Python - Guia abrangente de programação e gerenciamento de redes com Python 3

    Programação de redes com Python aborda todos os tópicos clássicos de redes, inclusive protocolos de rede, dados e erros de rede, email, arquitetura de servidores, aplicativos HTTP e web, mais as atualizações de Python 3.
    Alguns dos novos tópicos desta edição são:
    -Extensa abordagem do suporte atualizado ao SSL em Python 3.
    -Como criar seu próprio loop de I/O assíncrono.
    -Visão geral do framework “asyncio” que vem com Python 3.4.
    ... Ler mais +

    QUERO VER
  • *INDISPONIVEL*Data Science do Zero - Primeiras regras com o Python

    As bibliotecas, estruturas, módulos e kits de ferramentas do data science são ótimas para desempenhá-lo mas, também, são uma ótima forma de mergulhar na disciplina sem ter, de fato, que entender data science. Neste livro, você aprenderá como os algoritmos e as ferramentas mais essenciais de data science funcionam ao implementá-los do zero. ... Ler mais +

    QUERO VER
  • Analítica de dados com Hadoop - Uma introdução para cientistas de dados

    Pronto para usar técnicas estatísticas e de aprendizado de máquina (machine learning) em grandes conjuntos de dados? Este guia prático mostra por que o ecossistema do Hadoop é perfeito para essa tarefa. Em vez de ter como foco a implantação, as operações ou o desenvolvimento de softwares geralmente associados à computação distribuída, você se concentrará nas análises particulares que poderá fazer, nas técnicas de armazém de dados (data warehousing) oferecidas pelo Hadoop e em fluxos de trabalho de alta ordem que esse framework é capaz de gerar. ... Ler mais +

    QUERO VER
  • O Guia do Mochileiro Python - Melhores práticas para desenvolvimento

    VITRINE Os Livros mais Vendidos !

    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
  • Python Fluente - Programação clara, concisa e eficaz

    R$ 114,90 ou 2x de R$ 57,45

    A simplicidade de Python permite que você se torne produtivo rapidamente, porém isso muitas vezes significa que você não estará usando tudo que ela tem a oferecer. Com este guia prático, você aprenderá a escrever um código Python eficiente e idiomático aproveitando seus melhores recursos ... ... Ler mais +

    QUERO VER
  • Data Science para Negócios - O que você precisa saber sobre mineração de dados e pensamento analítico de dados

    Este guia amplo, profundo, porém não muito técnico, apresenta a você os princípios fundamentais do Data Science e orienta-o através do “pensamento analítico” necessário para extrair conhecimento útil e valor de negócios a partir dos dados que você obtém. Ao aprender os princípios do Data Science, você compreenderá as diversas técnicas de mineração de dados usadas hoje. Mais importante ainda, esses princípios sustentam os processos e as estratégias necessárias para resolver problemas de negócios por meio das técnicas de mineração de dados. ... Ler mais +

    QUERO VER
  • *ESGOTADO*Programação em Python 3

    Python 3 é a melhor versão já lançada no que diz respeito à linguagem Python. Ela é muito mais poderosa, conveniente, consistente e expressiva do que jamais foi. Agora, no comando do programador Mark Summerfield, você poderá aprender como escrever códigos que se beneficiam totalmente das vantagens oriundas das características do Python 3 e de seus idiomas. Primeiro livro escrito a partir de uma visão totalmente baseada em Python 3, Programação em Python 3 traz o conhecimento que você precisa para escrever qualquer programa, utilizar qualquer biblioteca padrão ou de terceiros do Python e criar novos módulos de biblioteca por sua conta. ... Ler mais +

    QUERO VER
  • Descrição
    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.

    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

    AssuntosPython

    Especificações

    Sobre o AutorWes 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 TécnicasSumário
    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 ............................................................................................................... 613

    Informações 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

Olá! Seja Bem Vindo (a)!

Eu sou o Moderninho , o Mascote da Ciência Moderna Online!
Além de bonito, o novo site tem Minhas Dicas :) #ficaadica

A 1ª Dica é -> Deixe aqui seu contato para receber nossas
NOVIDADES, PROMOÇÕES E CUPONS DE DESCONTOS ;)

Navegue SEM Moderação!