Wes McKinney, Mitbegründer und Chief Technology Officer von Voltron Data, ist ein aktives Mitglied der Python-Daten-Community und Verfechter der Verwendung von Python in der Datenanalyse, im Finanzwesen und bei statistischen Berechnungen. Der MIT-Absolvent ist außerdem Mitglied des Projektmanagements für Apache Arrow und Apache Parquet in der Apache Software Foundation.
Später war Wes Mitbegründer und CEO von DataPad, das im Jahre 2014 von Cloudera übernommen wurde. Seitdem befasst er sich auch mit der Big-Data-Technologie und ist Teil der Projektmanagementkomitees für die Projekte Apache Arrow und Apache Parquet in der Apache Software Foundation. 2016 ist er zu Two Sigma Investments in New York City gewechselt, wo er weiterhin daran arbeitet, die Datenanalyse durch Open-Source-Software schneller und einfacher zu machen.

Die erste Adresse für die Analyse von Daten mit Python

• Das Standardwerk in der 3. Auflage, aktualisiert auf Python 3.10 und pandas 1.4



• Versorgt Sie mit allen praktischen Details und mit wertvollem Insiderwissen, um Datenanalysen mit Python erfolgreich durchzuführen



• Mit Jupyter-Notebooks für alle Codebeispiele aus jedem Kapitel

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.10 und pandas 1.4, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy und Jupyter kennen.

Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und Zusatzmaterial zum Buch sind auf GitHub verfügbar.

Aus dem Inhalt:

• Nutzen Sie Jupyter Notebook und die IPython-Shell für das explorative Computing



• Lernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennen



• Setzen Sie die Datenanalyse-Tools der pandas-Bibliothek ein



• Verwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten



• Erstellen Sie interformative Visualisierungen mit matplotlib



• Wenden Sie die GroupBy-Mechanismen von pandas an, um Datensätze zurechtzuschneiden, umzugestalten und zusammenzufassen



• Analysieren und manipulieren Sie verschiedenste Zeitreihendaten



• Erproben Sie die konkrete Anwendung der im Buch vorgestellten Werkzeuge anhand verschiedener realer Datensätze