Datenanalyse mit Python: Auswertung von Daten mit pandas, NumPy und Jupyter
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , |
| Format: | Buch |
| Sprache: | German English |
| Veröffentlicht: |
Heidelberg
O'Reilly
2023
|
| Ausgabe: | 3. Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis Klappentext |
| Beschreibung: | 556 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm |
| ISBN: | 9783960092117 3960092113 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV048677269 | ||
| 003 | DE-604 | ||
| 005 | 20231031 | ||
| 007 | t | ||
| 008 | 230126s2023 gw a||| |||| 00||| ger d | ||
| 015 | |a 22,N47 |2 dnb | ||
| 016 | 7 | |a 1273086805 |2 DE-101 | |
| 020 | |a 9783960092117 |c Broschur : EUR 44.90 (DE), EUR 46.20 (AT) |9 978-3-96009-211-7 | ||
| 020 | |a 3960092113 |9 3-96009-211-3 | ||
| 024 | 3 | |a 9783960092117 | |
| 035 | |a (OCoLC)1373391488 | ||
| 035 | |a (DE-599)DNB1273086805 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 1 | |a ger |h eng | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-M347 |a DE-92 |a DE-B768 |a DE-1050 |a DE-860 |a DE-1043 |a DE-523 |a DE-29T |a DE-1102 |a DE-859 |a DE-Aug4 |a DE-706 |a DE-573n |a DE-573 |a DE-898 |a DE-83 |a DE-945 |a DE-11 |a DE-703 |a DE-384 |a DE-522 | ||
| 082 | 0 | |a 005.133 |2 23/ger | |
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ST 510 |0 (DE-625)143676: |2 rvk | ||
| 084 | |a XC 4011 |0 (DE-625)152514:12917 |2 rvk | ||
| 084 | |8 1\p |a 004 |2 23sdnb | ||
| 100 | 1 | |a McKinney, Wes |d 1985- |e Verfasser |0 (DE-588)1028982925 |4 aut | |
| 240 | 1 | 0 | |a Python for data analysis |
| 245 | 1 | 0 | |a Datenanalyse mit Python |b Auswertung von Daten mit pandas, NumPy und Jupyter |c Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig |
| 250 | |a 3. Auflage | ||
| 264 | 1 | |a Heidelberg |b O'Reilly |c 2023 | |
| 300 | |a 556 Seiten |b Illustrationen, Diagramme |c 24 cm x 16.5 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Programmbibliothek |0 (DE-588)4121521-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Python 3.0 |0 (DE-588)7624871-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Datenanalyse |0 (DE-588)4123037-1 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Python 3.10 |0 (DE-588)1285337514 |2 gnd |9 rswk-swf |
| 653 | |a Big Data | ||
| 653 | |a Data Science | ||
| 653 | |a Data Mining | ||
| 653 | |a Python 3.10 | ||
| 653 | |a pandas 1.4 | ||
| 653 | |a NumPy | ||
| 653 | |a Jupyter | ||
| 653 | |a IPython | ||
| 653 | |a Jupyter notebook | ||
| 653 | |a matplotlib | ||
| 655 | 7 | |0 (DE-588)4055382-6 |a Software |2 gnd-content | |
| 655 | 7 | |0 (DE-588)4123623-3 |a Lehrbuch |2 gnd-content | |
| 689 | 0 | 0 | |a Programmbibliothek |0 (DE-588)4121521-7 |D s |
| 689 | 0 | 1 | |a Datenanalyse |0 (DE-588)4123037-1 |D s |
| 689 | 0 | 2 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Python 3.0 |0 (DE-588)7624871-9 |D s |
| 689 | 1 | 1 | |a Datenanalyse |0 (DE-588)4123037-1 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Datenanalyse |0 (DE-588)4123037-1 |D s |
| 689 | 2 | 1 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |D s |
| 689 | 2 | |5 DE-604 | |
| 689 | 3 | 0 | |a Python 3.10 |0 (DE-588)1285337514 |D s |
| 689 | 3 | |5 DE-604 | |
| 700 | 1 | |a Lichtenberg, Kathrin |d ca. 20. Jh. |0 (DE-588)1172891052 |4 trl | |
| 700 | 1 | |a Demmig, Thomas |0 (DE-588)128548568 |4 trl | |
| 775 | 0 | 8 | |i Parallele Sprachausgabe |z 978-1-4919-5766-0 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF |z 978-3-96010-752-1 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, EPUB |z 978-3-96010-753-8 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, MOBI |z 978-3-96010-754-5 |
| 780 | 0 | 0 | |i Vorangegangen ist |z 978-3-96009-080-9 |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 856 | 4 | 2 | |m Digitalisierung UB Augsburg - ADAM Catalogue Enrichment |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |3 Klappentext |
| 883 | 1 | |8 1\p |a vlb |d 20221118 |q DE-101 |u https://d-nb.info/provenance/plan#vlb | |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-034051704 | |
Datensatz im Suchindex
| _version_ | 1809131371510104064 |
|---|---|
| adam_text |
INHALT
VORWORT
.
13
1
EINLEITUNG
.
19
1.1
WORUM
GEHT
ES
IN
DIESEM
BUCH?
.
19
WELCHE
ARTEN
VON
DATEN?
.
19
1.2
WARUM
PYTHON
FUER
DIE
DATENANALYSE?
.
20
PYTHON
ALS
KLEISTER
.
21
DAS
ZWEI-SPRACHEN-PROBLEM
LOESEN
.
21
WARUM
NICHT
PYTHON?
.
22
1.3
GRUNDLEGENDE
PYTHON-BIBLIOTHEKEN
.
22
NUMPY
.
22
PANDAS
.
23
MATPLOTLIB
.
24
IPYTHON
UND
JUPYTER
.
25
SCIPY
.
26
SCIKIT-LEARN
.
26
STATSMODELS
.
27
ANDERE
PAKETE
.
27
1.4
INSTALLATION
UND
EINRICHTUNG
.
28
MINICONDA
AUF
WINDOWS
.
28
GNU/LINUX
.
29
MINICONDA
AUF
MACOS
.
29
PYTHON-PAKETE
INSTALLIEREN
ODER
AKTUALISIEREN
.
30
INTEGRIERTE
ENTWICKLUNGSUMGEBUNGEN
UND
TEXTEDITOREN
.
31
1.5
COMMUNITY
UND
KONFERENZEN
.
32
1.6
NAVIGATION
DURCH
DIESES
BUCH
.
33
CODEBEISPIELE
.
33
DATEN
FUER
DIE
BEISPIELE
.
34
IMPORTKONVENTIONEN
.
35
I
5
2
GRUNDLAGEN
VON
PYTHON,
IPYTHON
UND
JUPYTER-NOTEBOOKS
.
37
2.1
DER
PYTHON-INTERPRETER
.
38
2.2
IPYTHON-GRUNDLAGEN
.
39
DIE
IPYTHON-SHELL
AUSFUEHREN
.
39
DAS
JUPYTER-NOTEBOOK
AUSFUEHREN
.
40
BEFEHLSERGAENZUNG
MIT
TAB
.
43
INTROSPEKTION
.
44
2.3
GRUNDLAGEN
DER
SPRACHE
PYTHON
.
45
SPRACHSEMANTIK
.
46
SKALARE
TYPEN
.
54
KONTROLLFLUSS
.
61
2.4
SCHLUSSBEMERKUNG
.
65
3
IN
PYTHON
INTEGRIERTE
DATENSTRUKTUREN,
FUNKTIONEN
UND
DATEIEN
.
67
3.1
DATENSTRUKTUREN
UND
SEQUENZEN
.
67
TUPEL
.
67
LISTEN
.
71
DICTIONARYS
.
75
SET
.
79
EINGEBAUTE
FUNKTIONEN
VON
SEQUENZEN
.
81
LIST,
SET
UND
DICTIONARY
COMPREHENSIONS
.
83
3.2
FUNKTIONEN
.
85
NAMENSRAUM,
GUELTIGKEITSBEREICH
UND
LOKALE
FUNKTIONEN
.
86
MEHRERE
RUECKGABEWERTE
.
88
FUNKTIONEN
SIND
OBJEKTE
.
88
ANONYME
ODER
LAMBDA-FUNKTIONEN
.
90
GENERATOREN
.
91
FEHLER
UND
DIE
BEHANDLUNG
VON
AUSNAHMEN
.
94
3.3
DATEIEN
UND
DAS
BETRIEBSSYSTEM
.
96
BYTES
UND
UNICODE
MIT
DATEIEN
.
100
3.4
SCHLUSSBEMERKUNG
.
102
4
GRUNDLAGEN
VON
NUMPY:
ARRAYS
UND
VEKTORISIERTE
BERECHNUNG
.
103
4.1
DAS
NDARRAY
VON
NUMPY:
EIN
MEHRDIMENSIONALES
ARRAY-OBJEKT
.
105
NDARRAYS
ERZEUGEN
.
107
DATENTYPEN
FUER
NDARRAYS
.
109
RECHNEN
MIT
NUMPY-ARRAYS
.
112
EINFACHES
INDIZIEREN
UND
SLICING
.
113
BOOLESCHES
INDIZIEREN
.
118
FANCY
INDEXING
.
120
ARRAYS
TRANSPONIEREN
UND
ACHSEN
TAUSCHEN
.
122
6
|
INHALT
4.2
ERZEUGEN
VON
PSEUDOZUFALLSZAHLEN
.
123
4.3
UNIVERSELLE
FUNKTIONEN:
SCHNELLE
ELEMENTWEISE
ARRAY-FUNKTIONEN
.
125
4.4
ARRAY-ORIENTIERTE
PROGRAMMIERUNG
MIT
ARRAYS
.
128
BEDINGTE
LOGIK
ALS
ARRAY-OPERATIONEN
AUSDRUECKEN
.
130
MATHEMATISCHE
UND
STATISTISCHE
METHODEN
.
131
METHODEN
FUER
BOOLESCHE
ARRAYS
.
133
SORTIEREN
.
133
UNIQUE
UND
ANDERE
MENGENLOGIK
.
135
4.5
DATEIEIN
UND
-AUSGABE
BEI
ARRAYS
.
136
4.6
LINEARE
ALGEBRA
.
136
4.7
BEISPIEL:
RANDOM
WALKS
.
138
VIELE
RANDOM
WALKS
AUF
EINMAL
SIMULIEREN
.
140
4.8
SCHLUSSBEMERKUNG
.
141
5
ERSTE
SCHRITTE
MIT
PANDAS
.
143
5.1
EINFUEHRUNG
IN
DIE
PANDAS-DATENSTRUKTUREN
.
144
SERIES
.
144
DATAFRAME
.
148
INDEXOBJEKTE
.
156
5.2
WESENTLICHE
FUNKTIONALITAET
.
158
NEUINDIZIERUNG
.
158
EINTRAEGE
VON
EINER
ACHSE
LOESCHEN
.
161
INDIZIERUNG,
AUSWAHL
UND
FILTERUNG
.
162
FALLSTRICKE
BEI
INTEGER-INDIZES
.
169
ARITHMETIK
UND
DATENAUSRICHTUNG
.
172
FUNKTIONSANWENDUNG
UND
MAPPING
.
178
SORTIEREN
UND
RANGBILDUNG
.
180
ACHSENINDIZES
MIT
DUPLIZIERTEN
LABELS
.
184
5.3
ZUSAMMENFASSEN
UND
BERECHNEN
DESKRIPTIVER
STATISTIKEN
.
185
KORRELATION
UND
KOVARIANZ
.
188
EINDEUTIGKEIT,
WERTEANZAHL
UND
MITGLIEDSCHAFT
.
190
5.4
SCHLUSSBEMERKUNG
.
193
6
LADEN
UND
SPEICHERN
VON
DATEN
SOWIE
DATEIFORMATE
.
195
6.1
LESEN
UND
SCHREIBEN
VON
DATEN
IM
TEXTFORMAT
.
195
STUECKWEISES
LESEN
VON
TEXTDATEIEN
.
202
DATEN
IN
TEXTFORMATEN
SCHREIBEN
.
204
ARBEITEN
MIT
ANDEREN
FORMATEN
.
205
JSON-DATEN
.
207
XML
UND
HTML:
WEB-SCRAPING
.
209
INHALT
|
7
6.2
BINAERE
DATENFORMATE
.
213
LESEN
VON
.
214
BENUTZUNG
VON
HDF5
.
215
6.3
INTERAKTION
MIT
WEB-APIS
.
218
6.4
INTERAKTION
MIT
DATENBANKEN
.
220
6.5
SCHLUSSBEMERKUNG
.
221
7
DATEN
BEREINIGEN
UND
VORBEREITEN
.
223
7.1
DER
UMGANG
MIT
FEHLENDEN
DATEN
.
223
FEHLENDE
DATEN
HERAUSFILTERN
.
225
FEHLENDE
DATEN
EINSETZEN
.
227
7.2
DATENTRANSFORMATION
.
229
DUPLIKATE
ENTFERNEN
.
229
DATEN
MITHILFE
EINER
FUNKTION
ODER
EINES
MAPPINGS
TRANSFORMIEREN
.
231
WERTE
ERSETZEN
.
232
ACHSENINDIZES
UMBENENNEN
.
234
DISKRETISIERUNG
UND
KLASSIFIZIERUNG
.
235
ERKENNEN
UND
FILTERN
VON
AUSREISSERN
.
237
PERMUTATION
UND
ZUFAELLIGE
STICHPROBEN
.
238
BERECHNEN
VON
INDIKATOR-/PLATZHALTERVARIABLEN
.
240
7.3
EXTENSION-DATENTYPEN
.
243
7.4
MANIPULATION
VON
STRINGS
.
247
METHODEN
VON
STRING-OBJEKTEN
IN
PYTHON
.
247
REGULAERE
AUSDRUECKE
.
249
STRING-FUNKTIONEN
IN
PANDAS
.
252
7.5
KATEGORISCHE
DATEN
.
255
HINTERGRUND
UND
MOTIVATION
.
255
DER
EXTENSION-TYP
CATEGORICAL
IN
PANDAS
.
257
BERECHNUNGEN
MIT
CATEGORICALS
.
260
KATEGORISCHE
METHODEN
.
262
7.6
SCHLUSSBEMERKUNG
.
265
8
DATENAUFBEREITUNG:
VERKNUEPFEN,
KOMBINIEREN
UND
UMFORMEN
.
267
8.1
HIERARCHISCHE
INDIZIERUNG
.
267
EBENEN
NEU
ANORDNEN
UND
SORTIEREN
.
270
ZUSAMMENFASSENDE
STATISTIKEN
NACH
EBENE
.
271
INDIZIERUNG
MIT
DEN
SPALTEN
EINES
DATAFRAME
.
272
8.2
KOMBINIEREN
UND
VERKNUEPFEN
VON
DATENSAETZEN
.
273
DATENBANKARTIGE
VERKNUEPFUNG
VON
DATAFRAMES
.
273
DATEN
UEBER
EINEN
INDEX
VERKNUEPFEN
.
279
VERKETTEN
ENTLANG
EINER
ACHSE
.
283
UEBERLAPPENDE
DATEN
ZUSAMMENFUEHREN
.
288
8
|
INHALT
8.3
UMFORMEN
UND
TRANSPONIEREN
.
290
UMFORMEN
MIT
HIERARCHISCHER
INDIZIERUNG
.
290
TRANSPONIEREN
VOM
LANGEN
ZUM
BREITEN
FORMAT
.
293
TRANSPONIEREN
VOM
BREITEN
ZUM
LANGEN
FORMAT
. 296
8.4
SCHLUSSBEMERKUNG
.
298
9
PLOTTEN
UND
VISUALISIEREN
.
299
9.1
KURZE
EINFUEHRUNG
IN
DIE
MATPLOTLIB-API
.
300
DIAGRAMME
UND
SUBPLOTS
.
301
FARBEN,
BESCHRIFTUNGEN
UND
LINIENFORMEN
.
305
SKALENSTRICHE,
BESCHRIFTUNGEN
UND
LEGENDEN
.
307
ANNOTATIONEN
UND
ZEICHNUNGEN
IN
EINEM
SUBPLOT
.
310
DIAGRAMME
IN
DATEIEN
ABSPEICHERN
.
312
DIE
KONFIGURATION
VON
MATPLOTLIB
.
313
9.2
PLOTTEN
MIT
PANDAS
UND
SEABORN
.
313
LINIENDIAGRAMME
.
314
BALKENDIAGRAMME
.
316
HISTOGRAMME
UND
DICHTEPLOTS
.
322
STREU
ODER
PUNKTDIAGRAMME
.
324
FACETTENRASTER
UND
KATEGORISCHE
DATEN
.
326
9.3
ANDERE
VISUALISIERUNGSWERKZEUGE
IN
PYTHON
.
328
9.4
SCHLUSSBEMERKUNG
.
329
10
AGGREGATION
VON
DATEN
UND
GRUPPENOPERATIONEN
.
331
10.1
GRUNDLAGEN
ZU
GRUPPIERUNGSOPERATIONEN
.
332
ITERATION
UEBER
GRUPPEN
.
336
AUSWAEHLEN
EINER
SPALTE
ODER
EINER
TEILMENGE
VON
SPALTEN
.
.
.
337
GRUPPIEREN
MIT
DICTIONARYS
UND
SERIES
.
338
GRUPPIEREN
MIT
FUNKTIONEN
.
339
GRUPPIEREN
NACH
EBENEN
EINES
INDEX
.
340
10.2
AGGREGATION
VON
DATEN
.
341
SPALTENWEISE
UND
MEHRFACHE
ANWENDUNG
VON
FUNKTIONEN
.
343
AGGREGIERTE
DATEN
OHNE
ZEILENINDIZES
ZURUECKGEBEN
.
346
10.3
APPLY:
ALLGEMEINE
OPERATIONEN
VOM
TYP
SPLIT-APPLY-COMBINE.
.
.
347
UNTERDRUECKEN
DER
GRUPPENSCHLUESSEL
.
349
ANALYSE
VON
QUANTILEN
UND
GROESSENKLASSEN
.
349
BEISPIEL:
FEHLENDE
DATEN
MIT
GRUPPENSPEZIFISCHEN
WERTEN
AUFFUELLEN
.
352
BEISPIEL:
ZUFAELLIGE
STICHPROBEN
UND
PERMUTATION
.
354
BEISPIEL:
GEWICHTETER
MITTELWERT
FUER
GRUPPEN
UND
KORRELATION
.
356
BEISPIEL:
GRUPPENWEISE
LINEARE
REGRESSION
.
358
INHALT
|
9
10.4
GRUPPENTRANSFORMATIONEN
UND
AUSGEPACKTE
GROUPBYS
. 358
10.5
PIVOT-TABELLEN
UND
KREUZTABELLIERUNG
.
362
KREUZTABELLEN
.
365
10.6
SCHLUSSBEMERKUNG
.
366
11
ZEITREIHEN
.
367
11.1
DATENTYPEN
UND
WERKZEUGE
FUER
DATUM
UND
ZEIT
.
368
KONVERTIEREN
ZWISCHEN
STRING
UND
DATETIME
.
369
11.2
GRUNDLAGEN
VON
ZEITREIHEN
.
372
INDIZIEREN,
AUSWAEHLEN
UND
UNTERMENGEN
BILDEN
.
373
ZEITREIHEN
MIT
DOPPELTEN
INDIZES
.
375
11.3
DATUMSBEREICHE,
FREQUENZEN
UND
VERSCHIEBUNGEN
.
376
ERZEUGEN
VON
DATUMSBEREICHEN
.
377
FREQUENZEN
UND
OFFSETS
VON
KALENDERDATEN
.
380
VERSCHIEBEN VON
DATUMSANGABEN
(VORLAUF
UND
VERZOEGERUNG)
.
381
11.4
BERUECKSICHTIGUNG
VON
ZEITZONEN
.
384
LOKALISIEREN
UND
KONVERTIEREN
VON
ZEITZONEN
.
385
OPERATIONEN
MIT
ZEITSTEMPELN
BEI
ZUGEORDNETER
ZEITZONE
.
387
OPERATIONEN
ZWISCHEN
UNTERSCHIEDLICHEN
ZEITZONEN
. 388
11.5
PERIODEN
UND
ARITHMETIK
VON
PERIODEN
.
389
UMWANDLUNG DER
FREQUENZ
VON
PERIODEN
.
390
QUARTALSWEISE
PERIODEN
.
392
ZEITSTEMPEL
ZU
PERIODEN
KONVERTIEREN
(UND
ZURUECK)
.
393
ERSTELLEN
EINES
PERIODINDEX
AUS
ARRAYS
.
395
11.6
RESAMPLING
UND
KONVERTIEREN
VON
FREQUENZEN
.
396
DOWNSAMPLING
.
398
UPSAMPLING
UND
INTERPOLATION
.
400
RESAMPLING
MIT
PERIODEN
.
402
GRUPPIERTES
ZEIT-RESAMPLING
.
403
11.7
FUNKTIONEN
MIT
GLEITENDEN
FENSTERN
.
405
EXPONENTIELL
GEWICHTETE
FUNKTIONEN
.
408
BINAERE
FUNKTIONEN
MIT
GLEITENDEM
FENSTER
.
409
BENUTZERDEFINIERTE
FUNKTIONEN
MIT
GLEITENDEN
FENSTERN
.
411
11.8
SCHLUSSBEMERKUNG
.
412
12
EINFUEHRUNG
IN
MODELLIERUNGSBIBLIOTHEKEN
IN
PYTHON
.
413
12.1
DIE
KOPPLUNG
ZWISCHEN
PANDAS
UND
DEM
MODELLCODE
.
413
12.2
MODELLBESCHREIBUNGEN
MIT
PATSY
HERSTELLEN
.
416
DATENTRANSFORMATIONEN
IN
PATSY-FORMELN
.
419
KATEGORISCHE
DATEN
UND
PATSY
.
420
10
|
INHALT
12.3
EINFUEHRUNG
IN
STATSMODELS
.
423
LINEARE
MODELLE
SCHAETZEN
.
424
ZEITREIHENPROZESSE
SCHAETZEN
.
427
12.4
EINFUEHRUNG
IN
SCIKIT-LEARN
.
428
12.5
SCHLUSSBEMERKUNG
.
431
13
BEISPIELE
AUS
DER
DATENANALYSE
.
433
13.1
BITLY-DATENVONL.USA.GOV
.
433
ZAEHLEN
VON
ZEITZONEN
IN
REINEM
PYTHON
.
434
ZEITZONEN
MIT
PANDAS
ZAEHLEN
.
436
13.2
MOVIELENS-LM-DATENSATZ
.
443
MESSEN
VON
UNTERSCHIEDEN
IN
DER
BEWERTUNG
.
447
13.3
US-BABYNAMEN
VON
1880-2010
.
450
NAMENSTRENDS
ANALYSIEREN
.
455
13.4
DIE
USDA-NAHRUNGSMITTELDATENBANK
.
464
13.5
DATENBANK
DES
US-WAHLAUSSCHUSSES
VON
2012
.
469
SPENDENSTATISTIK
NACH
BERUF
UND
ARBEITGEBER
.
472
SPENDEN
DER
GROESSE
NACH
KLASSIFIZIEREN
.
475
SPENDENSTATISTIK
NACH
BUNDESSTAAT
.
477
13.6
SCHLUSSBEMERKUNG
.
478
ANHANG
A
NUMPY
FUER
FORTGESCHRITTENE
.
479
A.L
INTERNA
DES
NDARRAY-OBJEKTS
.
479
DIE
DATENTYPHIERARCHIE
IN
NUMPY
.
480
A.2
FORTGESCHRITTENE
MANIPULATION
VON
ARRAYS
.
482
ARRAYS
UMFORMEN
.
482
ANORDNUNG
VON
ARRAYS
IN
C
UND
FORTRAN
.
484
ARRAYS
VERKETTEN
UND
AUFSPALTEN
.
485
WIEDERHOLEN
VON
ELEMENTEN:
TILE
UND
REPEAT
.
487
ALTERNATIVEN
ZUM
FANCY
INDEXING:
TAKE
UND
PUT
.
489
A.3
BROADCASTING
.
490
BROADCASTING
UEBER
ANDERE
ACHSEN
.
492
WERTE
VON
ARRAYS
DURCH
BROADCASTING
SETZEN
.
494
A.4
FORTGESCHRITTENE
NUTZUNG
VON
UFUNCS
.
495
INSTANZMETHODEN
VON
UFUNC
.
495
NEUE
UFUNCS
IN
PYTHON
SCHREIBEN
.
498
A.5
STRUKTURIERTE
UND
RECORD-ARRAYS
.
499
GESCHACHTELTE
DATENTYPEN
UND
MEHRDIMENSIONALE
FELDER
.
.
.
499
WARUM
SOLLTE
MAN
STRUKTURIERTE
ARRAYS
VERWENDEN?
.
500
A.6
MEHR
ZUM
THEMA
SORTIEREN
.
501
INDIREKTES
SORTIEREN:
ARGSORT
UND
LEXSORT
.
502
ALTERNATIVE
SORTIERALGORITHMEN
.
503
INHALT
|
11
ARRAYS
TEILWEISE
SORTIEREN
.
504
NUMPY.SEARCHSORTED:
ELEMENTE
IN
EINEM
SORTIERTEN
ARRAY
FINDEN
.
505
A.7
SCHNELLE
NUMPY-FUNKTIONEN
MIT
NUMBA
SCHREIBEN
.
506
EIGENE
NUMPY.UFUNC-OBJEKTE
MIT
NUMBA
HERSTELLEN
. 508
A.8
EIN
UND
AUSGABE
VON
ARRAYS
FUER
FORTGESCHRITTENE
.
508
MEMORY-MAPPED
DATEIEN
.
509
HDF5
UND
WEITERE
MOEGLICHKEITEN
ZUM
SPEICHERN
VON
ARRAYS
.
510
A.9
TIPPS
FUER
EINE
HOEHERE
LEISTUNG
.
510
DIE
BEDEUTUNG
DES
ZUSAMMENHAENGENDEN
SPEICHERS
.
511
ANHANG
B
MEHR
ZUM
IPYTHON-SYSTEM
.
513
B.L
TASTENKUERZEL
IM
TERMINAL
.
513
B.2
MAGISCHE
BEFEHLE
.
514
DER
BEFEHL
%RUN
.
516
CODE
AUS
DER
ZWISCHENABLAGE
AUSFUEHREN
.
517
B.3
DIE
BEFEHLSHISTORIE
BENUTZEN
.
518
DIE
BEFEHLSHISTORIE
DURCHSUCHEN
UND
WIEDERVERWENDEN
.
518
EINGABE
UND
AUSGABEVARIABLEN
.
519
B.4
MIT
DEM
BETRIEBSSYSTEM
INTERAGIEREN
.
520
SHELL-BEFEHLE
UND-ALIASE
.
521
DAS
VERZEICHNIS-BOOKMARK-SYSTEM
.
522
B.5
WERKZEUGE
ZUR
SOFTWAREENTWICKLUNG
.
523
INTERAKTIVER
DEBUGGER
.
523
ZEITMESSUNG
BEI
CODE:
%TIME
UND
%TIMEIT
.
528
GRUNDLEGENDE
PROFILIERUNG:
%PRUN
AND
%RUN
-P
.
529
EINE
FUNKTION
ZEILE
FUER
ZEILE
PROFILIEREN
.
531
B.6
TIPPS
FUER
EINE
PRODUKTIVE
CODEENTWICKLUNG
MIT
IPYTHON
.
533
MODULABHAENGIGKEITEN
NEU
LADEN
.
534
TIPPS
FUER
DAS
CODEDESIGN
.
535
B.7
FORTGESCHRITTENE
IPYTHON-FUNKTIONEN
.
536
PROFILE
UND
KONFIGURATION
.
536
B.8
SCHLUSSBEMERKUNG
.
538
INDEX
.
539
12
|
INHALT
O’REILLY8 Datenanalyse mit Python Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbei ten 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 pandasProjekts, 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 Zusatz material zum Buch sind auf GitHub verfügbar. Aus dem Inhalt: • Nutzen Sie Jupyter Notebook und die I Python-ShelI 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 Zeitreihen daten • Erproben Sie die konkrete Anwendung der im Buch vorgestellten Werkzeuge anhand verschiedener realer Datensätze |
| adam_txt |
INHALT
VORWORT
.
13
1
EINLEITUNG
.
19
1.1
WORUM
GEHT
ES
IN
DIESEM
BUCH?
.
19
WELCHE
ARTEN
VON
DATEN?
.
19
1.2
WARUM
PYTHON
FUER
DIE
DATENANALYSE?
.
20
PYTHON
ALS
KLEISTER
.
21
DAS
ZWEI-SPRACHEN-PROBLEM
LOESEN
.
21
WARUM
NICHT
PYTHON?
.
22
1.3
GRUNDLEGENDE
PYTHON-BIBLIOTHEKEN
.
22
NUMPY
.
22
PANDAS
.
23
MATPLOTLIB
.
24
IPYTHON
UND
JUPYTER
.
25
SCIPY
.
26
SCIKIT-LEARN
.
26
STATSMODELS
.
27
ANDERE
PAKETE
.
27
1.4
INSTALLATION
UND
EINRICHTUNG
.
28
MINICONDA
AUF
WINDOWS
.
28
GNU/LINUX
.
29
MINICONDA
AUF
MACOS
.
29
PYTHON-PAKETE
INSTALLIEREN
ODER
AKTUALISIEREN
.
30
INTEGRIERTE
ENTWICKLUNGSUMGEBUNGEN
UND
TEXTEDITOREN
.
31
1.5
COMMUNITY
UND
KONFERENZEN
.
32
1.6
NAVIGATION
DURCH
DIESES
BUCH
.
33
CODEBEISPIELE
.
33
DATEN
FUER
DIE
BEISPIELE
.
34
IMPORTKONVENTIONEN
.
35
I
5
2
GRUNDLAGEN
VON
PYTHON,
IPYTHON
UND
JUPYTER-NOTEBOOKS
.
37
2.1
DER
PYTHON-INTERPRETER
.
38
2.2
IPYTHON-GRUNDLAGEN
.
39
DIE
IPYTHON-SHELL
AUSFUEHREN
.
39
DAS
JUPYTER-NOTEBOOK
AUSFUEHREN
.
40
BEFEHLSERGAENZUNG
MIT
TAB
.
43
INTROSPEKTION
.
44
2.3
GRUNDLAGEN
DER
SPRACHE
PYTHON
.
45
SPRACHSEMANTIK
.
46
SKALARE
TYPEN
.
54
KONTROLLFLUSS
.
61
2.4
SCHLUSSBEMERKUNG
.
65
3
IN
PYTHON
INTEGRIERTE
DATENSTRUKTUREN,
FUNKTIONEN
UND
DATEIEN
.
67
3.1
DATENSTRUKTUREN
UND
SEQUENZEN
.
67
TUPEL
.
67
LISTEN
.
71
DICTIONARYS
.
75
SET
.
79
EINGEBAUTE
FUNKTIONEN
VON
SEQUENZEN
.
81
LIST,
SET
UND
DICTIONARY
COMPREHENSIONS
.
83
3.2
FUNKTIONEN
.
85
NAMENSRAUM,
GUELTIGKEITSBEREICH
UND
LOKALE
FUNKTIONEN
.
86
MEHRERE
RUECKGABEWERTE
.
88
FUNKTIONEN
SIND
OBJEKTE
.
88
ANONYME
ODER
LAMBDA-FUNKTIONEN
.
90
GENERATOREN
.
91
FEHLER
UND
DIE
BEHANDLUNG
VON
AUSNAHMEN
.
94
3.3
DATEIEN
UND
DAS
BETRIEBSSYSTEM
.
96
BYTES
UND
UNICODE
MIT
DATEIEN
.
100
3.4
SCHLUSSBEMERKUNG
.
102
4
GRUNDLAGEN
VON
NUMPY:
ARRAYS
UND
VEKTORISIERTE
BERECHNUNG
.
103
4.1
DAS
NDARRAY
VON
NUMPY:
EIN
MEHRDIMENSIONALES
ARRAY-OBJEKT
.
105
NDARRAYS
ERZEUGEN
.
107
DATENTYPEN
FUER
NDARRAYS
.
109
RECHNEN
MIT
NUMPY-ARRAYS
.
112
EINFACHES
INDIZIEREN
UND
SLICING
.
113
BOOLESCHES
INDIZIEREN
.
118
FANCY
INDEXING
.
120
ARRAYS
TRANSPONIEREN
UND
ACHSEN
TAUSCHEN
.
122
6
|
INHALT
4.2
ERZEUGEN
VON
PSEUDOZUFALLSZAHLEN
.
123
4.3
UNIVERSELLE
FUNKTIONEN:
SCHNELLE
ELEMENTWEISE
ARRAY-FUNKTIONEN
.
125
4.4
ARRAY-ORIENTIERTE
PROGRAMMIERUNG
MIT
ARRAYS
.
128
BEDINGTE
LOGIK
ALS
ARRAY-OPERATIONEN
AUSDRUECKEN
.
130
MATHEMATISCHE
UND
STATISTISCHE
METHODEN
.
131
METHODEN
FUER
BOOLESCHE
ARRAYS
.
133
SORTIEREN
.
133
UNIQUE
UND
ANDERE
MENGENLOGIK
.
135
4.5
DATEIEIN
UND
-AUSGABE
BEI
ARRAYS
.
136
4.6
LINEARE
ALGEBRA
.
136
4.7
BEISPIEL:
RANDOM
WALKS
.
138
VIELE
RANDOM
WALKS
AUF
EINMAL
SIMULIEREN
.
140
4.8
SCHLUSSBEMERKUNG
.
141
5
ERSTE
SCHRITTE
MIT
PANDAS
.
143
5.1
EINFUEHRUNG
IN
DIE
PANDAS-DATENSTRUKTUREN
.
144
SERIES
.
144
DATAFRAME
.
148
INDEXOBJEKTE
.
156
5.2
WESENTLICHE
FUNKTIONALITAET
.
158
NEUINDIZIERUNG
.
158
EINTRAEGE
VON
EINER
ACHSE
LOESCHEN
.
161
INDIZIERUNG,
AUSWAHL
UND
FILTERUNG
.
162
FALLSTRICKE
BEI
INTEGER-INDIZES
.
169
ARITHMETIK
UND
DATENAUSRICHTUNG
.
172
FUNKTIONSANWENDUNG
UND
MAPPING
.
178
SORTIEREN
UND
RANGBILDUNG
.
180
ACHSENINDIZES
MIT
DUPLIZIERTEN
LABELS
.
184
5.3
ZUSAMMENFASSEN
UND
BERECHNEN
DESKRIPTIVER
STATISTIKEN
.
185
KORRELATION
UND
KOVARIANZ
.
188
EINDEUTIGKEIT,
WERTEANZAHL
UND
MITGLIEDSCHAFT
.
190
5.4
SCHLUSSBEMERKUNG
.
193
6
LADEN
UND
SPEICHERN
VON
DATEN
SOWIE
DATEIFORMATE
.
195
6.1
LESEN
UND
SCHREIBEN
VON
DATEN
IM
TEXTFORMAT
.
195
STUECKWEISES
LESEN
VON
TEXTDATEIEN
.
202
DATEN
IN
TEXTFORMATEN
SCHREIBEN
.
204
ARBEITEN
MIT
ANDEREN
FORMATEN
.
205
JSON-DATEN
.
207
XML
UND
HTML:
WEB-SCRAPING
.
209
INHALT
|
7
6.2
BINAERE
DATENFORMATE
.
213
LESEN
VON
.
214
BENUTZUNG
VON
HDF5
.
215
6.3
INTERAKTION
MIT
WEB-APIS
.
218
6.4
INTERAKTION
MIT
DATENBANKEN
.
220
6.5
SCHLUSSBEMERKUNG
.
221
7
DATEN
BEREINIGEN
UND
VORBEREITEN
.
223
7.1
DER
UMGANG
MIT
FEHLENDEN
DATEN
.
223
FEHLENDE
DATEN
HERAUSFILTERN
.
225
FEHLENDE
DATEN
EINSETZEN
.
227
7.2
DATENTRANSFORMATION
.
229
DUPLIKATE
ENTFERNEN
.
229
DATEN
MITHILFE
EINER
FUNKTION
ODER
EINES
MAPPINGS
TRANSFORMIEREN
.
231
WERTE
ERSETZEN
.
232
ACHSENINDIZES
UMBENENNEN
.
234
DISKRETISIERUNG
UND
KLASSIFIZIERUNG
.
235
ERKENNEN
UND
FILTERN
VON
AUSREISSERN
.
237
PERMUTATION
UND
ZUFAELLIGE
STICHPROBEN
.
238
BERECHNEN
VON
INDIKATOR-/PLATZHALTERVARIABLEN
.
240
7.3
EXTENSION-DATENTYPEN
.
243
7.4
MANIPULATION
VON
STRINGS
.
247
METHODEN
VON
STRING-OBJEKTEN
IN
PYTHON
.
247
REGULAERE
AUSDRUECKE
.
249
STRING-FUNKTIONEN
IN
PANDAS
.
252
7.5
KATEGORISCHE
DATEN
.
255
HINTERGRUND
UND
MOTIVATION
.
255
DER
EXTENSION-TYP
CATEGORICAL
IN
PANDAS
.
257
BERECHNUNGEN
MIT
CATEGORICALS
.
260
KATEGORISCHE
METHODEN
.
262
7.6
SCHLUSSBEMERKUNG
.
265
8
DATENAUFBEREITUNG:
VERKNUEPFEN,
KOMBINIEREN
UND
UMFORMEN
.
267
8.1
HIERARCHISCHE
INDIZIERUNG
.
267
EBENEN
NEU
ANORDNEN
UND
SORTIEREN
.
270
ZUSAMMENFASSENDE
STATISTIKEN
NACH
EBENE
.
271
INDIZIERUNG
MIT
DEN
SPALTEN
EINES
DATAFRAME
.
272
8.2
KOMBINIEREN
UND
VERKNUEPFEN
VON
DATENSAETZEN
.
273
DATENBANKARTIGE
VERKNUEPFUNG
VON
DATAFRAMES
.
273
DATEN
UEBER
EINEN
INDEX
VERKNUEPFEN
.
279
VERKETTEN
ENTLANG
EINER
ACHSE
.
283
UEBERLAPPENDE
DATEN
ZUSAMMENFUEHREN
.
288
8
|
INHALT
8.3
UMFORMEN
UND
TRANSPONIEREN
.
290
UMFORMEN
MIT
HIERARCHISCHER
INDIZIERUNG
.
290
TRANSPONIEREN
VOM
LANGEN
ZUM
BREITEN
FORMAT
.
293
TRANSPONIEREN
VOM
BREITEN
ZUM
LANGEN
FORMAT
. 296
8.4
SCHLUSSBEMERKUNG
.
298
9
PLOTTEN
UND
VISUALISIEREN
.
299
9.1
KURZE
EINFUEHRUNG
IN
DIE
MATPLOTLIB-API
.
300
DIAGRAMME
UND
SUBPLOTS
.
301
FARBEN,
BESCHRIFTUNGEN
UND
LINIENFORMEN
.
305
SKALENSTRICHE,
BESCHRIFTUNGEN
UND
LEGENDEN
.
307
ANNOTATIONEN
UND
ZEICHNUNGEN
IN
EINEM
SUBPLOT
.
310
DIAGRAMME
IN
DATEIEN
ABSPEICHERN
.
312
DIE
KONFIGURATION
VON
MATPLOTLIB
.
313
9.2
PLOTTEN
MIT
PANDAS
UND
SEABORN
.
313
LINIENDIAGRAMME
.
314
BALKENDIAGRAMME
.
316
HISTOGRAMME
UND
DICHTEPLOTS
.
322
STREU
ODER
PUNKTDIAGRAMME
.
324
FACETTENRASTER
UND
KATEGORISCHE
DATEN
.
326
9.3
ANDERE
VISUALISIERUNGSWERKZEUGE
IN
PYTHON
.
328
9.4
SCHLUSSBEMERKUNG
.
329
10
AGGREGATION
VON
DATEN
UND
GRUPPENOPERATIONEN
.
331
10.1
GRUNDLAGEN
ZU
GRUPPIERUNGSOPERATIONEN
.
332
ITERATION
UEBER
GRUPPEN
.
336
AUSWAEHLEN
EINER
SPALTE
ODER
EINER
TEILMENGE
VON
SPALTEN
.
.
.
337
GRUPPIEREN
MIT
DICTIONARYS
UND
SERIES
.
338
GRUPPIEREN
MIT
FUNKTIONEN
.
339
GRUPPIEREN
NACH
EBENEN
EINES
INDEX
.
340
10.2
AGGREGATION
VON
DATEN
.
341
SPALTENWEISE
UND
MEHRFACHE
ANWENDUNG
VON
FUNKTIONEN
.
343
AGGREGIERTE
DATEN
OHNE
ZEILENINDIZES
ZURUECKGEBEN
.
346
10.3
APPLY:
ALLGEMEINE
OPERATIONEN
VOM
TYP
SPLIT-APPLY-COMBINE.
.
.
347
UNTERDRUECKEN
DER
GRUPPENSCHLUESSEL
.
349
ANALYSE
VON
QUANTILEN
UND
GROESSENKLASSEN
.
349
BEISPIEL:
FEHLENDE
DATEN
MIT
GRUPPENSPEZIFISCHEN
WERTEN
AUFFUELLEN
.
352
BEISPIEL:
ZUFAELLIGE
STICHPROBEN
UND
PERMUTATION
.
354
BEISPIEL:
GEWICHTETER
MITTELWERT
FUER
GRUPPEN
UND
KORRELATION
.
356
BEISPIEL:
GRUPPENWEISE
LINEARE
REGRESSION
.
358
INHALT
|
9
10.4
GRUPPENTRANSFORMATIONEN
UND
AUSGEPACKTE
GROUPBYS
. 358
10.5
PIVOT-TABELLEN
UND
KREUZTABELLIERUNG
.
362
KREUZTABELLEN
.
365
10.6
SCHLUSSBEMERKUNG
.
366
11
ZEITREIHEN
.
367
11.1
DATENTYPEN
UND
WERKZEUGE
FUER
DATUM
UND
ZEIT
.
368
KONVERTIEREN
ZWISCHEN
STRING
UND
DATETIME
.
369
11.2
GRUNDLAGEN
VON
ZEITREIHEN
.
372
INDIZIEREN,
AUSWAEHLEN
UND
UNTERMENGEN
BILDEN
.
373
ZEITREIHEN
MIT
DOPPELTEN
INDIZES
.
375
11.3
DATUMSBEREICHE,
FREQUENZEN
UND
VERSCHIEBUNGEN
.
376
ERZEUGEN
VON
DATUMSBEREICHEN
.
377
FREQUENZEN
UND
OFFSETS
VON
KALENDERDATEN
.
380
VERSCHIEBEN VON
DATUMSANGABEN
(VORLAUF
UND
VERZOEGERUNG)
.
381
11.4
BERUECKSICHTIGUNG
VON
ZEITZONEN
.
384
LOKALISIEREN
UND
KONVERTIEREN
VON
ZEITZONEN
.
385
OPERATIONEN
MIT
ZEITSTEMPELN
BEI
ZUGEORDNETER
ZEITZONE
.
387
OPERATIONEN
ZWISCHEN
UNTERSCHIEDLICHEN
ZEITZONEN
. 388
11.5
PERIODEN
UND
ARITHMETIK
VON
PERIODEN
.
389
UMWANDLUNG DER
FREQUENZ
VON
PERIODEN
.
390
QUARTALSWEISE
PERIODEN
.
392
ZEITSTEMPEL
ZU
PERIODEN
KONVERTIEREN
(UND
ZURUECK)
.
393
ERSTELLEN
EINES
PERIODINDEX
AUS
ARRAYS
.
395
11.6
RESAMPLING
UND
KONVERTIEREN
VON
FREQUENZEN
.
396
DOWNSAMPLING
.
398
UPSAMPLING
UND
INTERPOLATION
.
400
RESAMPLING
MIT
PERIODEN
.
402
GRUPPIERTES
ZEIT-RESAMPLING
.
403
11.7
FUNKTIONEN
MIT
GLEITENDEN
FENSTERN
.
405
EXPONENTIELL
GEWICHTETE
FUNKTIONEN
.
408
BINAERE
FUNKTIONEN
MIT
GLEITENDEM
FENSTER
.
409
BENUTZERDEFINIERTE
FUNKTIONEN
MIT
GLEITENDEN
FENSTERN
.
411
11.8
SCHLUSSBEMERKUNG
.
412
12
EINFUEHRUNG
IN
MODELLIERUNGSBIBLIOTHEKEN
IN
PYTHON
.
413
12.1
DIE
KOPPLUNG
ZWISCHEN
PANDAS
UND
DEM
MODELLCODE
.
413
12.2
MODELLBESCHREIBUNGEN
MIT
PATSY
HERSTELLEN
.
416
DATENTRANSFORMATIONEN
IN
PATSY-FORMELN
.
419
KATEGORISCHE
DATEN
UND
PATSY
.
420
10
|
INHALT
12.3
EINFUEHRUNG
IN
STATSMODELS
.
423
LINEARE
MODELLE
SCHAETZEN
.
424
ZEITREIHENPROZESSE
SCHAETZEN
.
427
12.4
EINFUEHRUNG
IN
SCIKIT-LEARN
.
428
12.5
SCHLUSSBEMERKUNG
.
431
13
BEISPIELE
AUS
DER
DATENANALYSE
.
433
13.1
BITLY-DATENVONL.USA.GOV
.
433
ZAEHLEN
VON
ZEITZONEN
IN
REINEM
PYTHON
.
434
ZEITZONEN
MIT
PANDAS
ZAEHLEN
.
436
13.2
MOVIELENS-LM-DATENSATZ
.
443
MESSEN
VON
UNTERSCHIEDEN
IN
DER
BEWERTUNG
.
447
13.3
US-BABYNAMEN
VON
1880-2010
.
450
NAMENSTRENDS
ANALYSIEREN
.
455
13.4
DIE
USDA-NAHRUNGSMITTELDATENBANK
.
464
13.5
DATENBANK
DES
US-WAHLAUSSCHUSSES
VON
2012
.
469
SPENDENSTATISTIK
NACH
BERUF
UND
ARBEITGEBER
.
472
SPENDEN
DER
GROESSE
NACH
KLASSIFIZIEREN
.
475
SPENDENSTATISTIK
NACH
BUNDESSTAAT
.
477
13.6
SCHLUSSBEMERKUNG
.
478
ANHANG
A
NUMPY
FUER
FORTGESCHRITTENE
.
479
A.L
INTERNA
DES
NDARRAY-OBJEKTS
.
479
DIE
DATENTYPHIERARCHIE
IN
NUMPY
.
480
A.2
FORTGESCHRITTENE
MANIPULATION
VON
ARRAYS
.
482
ARRAYS
UMFORMEN
.
482
ANORDNUNG
VON
ARRAYS
IN
C
UND
FORTRAN
.
484
ARRAYS
VERKETTEN
UND
AUFSPALTEN
.
485
WIEDERHOLEN
VON
ELEMENTEN:
TILE
UND
REPEAT
.
487
ALTERNATIVEN
ZUM
FANCY
INDEXING:
TAKE
UND
PUT
.
489
A.3
BROADCASTING
.
490
BROADCASTING
UEBER
ANDERE
ACHSEN
.
492
WERTE
VON
ARRAYS
DURCH
BROADCASTING
SETZEN
.
494
A.4
FORTGESCHRITTENE
NUTZUNG
VON
UFUNCS
.
495
INSTANZMETHODEN
VON
UFUNC
.
495
NEUE
UFUNCS
IN
PYTHON
SCHREIBEN
.
498
A.5
STRUKTURIERTE
UND
RECORD-ARRAYS
.
499
GESCHACHTELTE
DATENTYPEN
UND
MEHRDIMENSIONALE
FELDER
.
.
.
499
WARUM
SOLLTE
MAN
STRUKTURIERTE
ARRAYS
VERWENDEN?
.
500
A.6
MEHR
ZUM
THEMA
SORTIEREN
.
501
INDIREKTES
SORTIEREN:
ARGSORT
UND
LEXSORT
.
502
ALTERNATIVE
SORTIERALGORITHMEN
.
503
INHALT
|
11
ARRAYS
TEILWEISE
SORTIEREN
.
504
NUMPY.SEARCHSORTED:
ELEMENTE
IN
EINEM
SORTIERTEN
ARRAY
FINDEN
.
505
A.7
SCHNELLE
NUMPY-FUNKTIONEN
MIT
NUMBA
SCHREIBEN
.
506
EIGENE
NUMPY.UFUNC-OBJEKTE
MIT
NUMBA
HERSTELLEN
. 508
A.8
EIN
UND
AUSGABE
VON
ARRAYS
FUER
FORTGESCHRITTENE
.
508
MEMORY-MAPPED
DATEIEN
.
509
HDF5
UND
WEITERE
MOEGLICHKEITEN
ZUM
SPEICHERN
VON
ARRAYS
.
510
A.9
TIPPS
FUER
EINE
HOEHERE
LEISTUNG
.
510
DIE
BEDEUTUNG
DES
ZUSAMMENHAENGENDEN
SPEICHERS
.
511
ANHANG
B
MEHR
ZUM
IPYTHON-SYSTEM
.
513
B.L
TASTENKUERZEL
IM
TERMINAL
.
513
B.2
MAGISCHE
BEFEHLE
.
514
DER
BEFEHL
%RUN
.
516
CODE
AUS
DER
ZWISCHENABLAGE
AUSFUEHREN
.
517
B.3
DIE
BEFEHLSHISTORIE
BENUTZEN
.
518
DIE
BEFEHLSHISTORIE
DURCHSUCHEN
UND
WIEDERVERWENDEN
.
518
EINGABE
UND
AUSGABEVARIABLEN
.
519
B.4
MIT
DEM
BETRIEBSSYSTEM
INTERAGIEREN
.
520
SHELL-BEFEHLE
UND-ALIASE
.
521
DAS
VERZEICHNIS-BOOKMARK-SYSTEM
.
522
B.5
WERKZEUGE
ZUR
SOFTWAREENTWICKLUNG
.
523
INTERAKTIVER
DEBUGGER
.
523
ZEITMESSUNG
BEI
CODE:
%TIME
UND
%TIMEIT
.
528
GRUNDLEGENDE
PROFILIERUNG:
%PRUN
AND
%RUN
-P
.
529
EINE
FUNKTION
ZEILE
FUER
ZEILE
PROFILIEREN
.
531
B.6
TIPPS
FUER
EINE
PRODUKTIVE
CODEENTWICKLUNG
MIT
IPYTHON
.
533
MODULABHAENGIGKEITEN
NEU
LADEN
.
534
TIPPS
FUER
DAS
CODEDESIGN
.
535
B.7
FORTGESCHRITTENE
IPYTHON-FUNKTIONEN
.
536
PROFILE
UND
KONFIGURATION
.
536
B.8
SCHLUSSBEMERKUNG
.
538
INDEX
.
539
12
|
INHALT
O’REILLY8 Datenanalyse mit Python Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbei ten 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 pandasProjekts, 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 Zusatz material zum Buch sind auf GitHub verfügbar. Aus dem Inhalt: • Nutzen Sie Jupyter Notebook und die I Python-ShelI 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 Zeitreihen daten • Erproben Sie die konkrete Anwendung der im Buch vorgestellten Werkzeuge anhand verschiedener realer Datensätze |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | McKinney, Wes 1985- |
| author2 | Lichtenberg, Kathrin ca. 20. Jh Demmig, Thomas |
| author2_role | trl trl |
| author2_variant | k l kl t d td |
| author_GND | (DE-588)1028982925 (DE-588)1172891052 (DE-588)128548568 |
| author_facet | McKinney, Wes 1985- Lichtenberg, Kathrin ca. 20. Jh Demmig, Thomas |
| author_role | aut |
| author_sort | McKinney, Wes 1985- |
| author_variant | w m wm |
| building | Verbundindex |
| bvnumber | BV048677269 |
| classification_rvk | ST 250 ST 510 XC 4011 |
| ctrlnum | (OCoLC)1373391488 (DE-599)DNB1273086805 |
| dewey-full | 005.133 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 005 - Computer programming, programs, data, security |
| dewey-raw | 005.133 |
| dewey-search | 005.133 |
| dewey-sort | 15.133 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik Medizin |
| discipline_str_mv | Informatik Medizin |
| edition | 3. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV048677269</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20231031</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">230126s2023 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">22,N47</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1273086805</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960092117</subfield><subfield code="c">Broschur : EUR 44.90 (DE), EUR 46.20 (AT)</subfield><subfield code="9">978-3-96009-211-7</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960092113</subfield><subfield code="9">3-96009-211-3</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960092117</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1373391488</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1273086805</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-573n</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-522</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.133</subfield><subfield code="2">23/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 510</subfield><subfield code="0">(DE-625)143676:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">XC 4011</subfield><subfield code="0">(DE-625)152514:12917</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">McKinney, Wes</subfield><subfield code="d">1985-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1028982925</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Python for data analysis</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Datenanalyse mit Python</subfield><subfield code="b">Auswertung von Daten mit pandas, NumPy und Jupyter</subfield><subfield code="c">Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">3. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2023</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">556 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.5 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python 3.10</subfield><subfield code="0">(DE-588)1285337514</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python 3.10</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">pandas 1.4</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">NumPy</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Jupyter</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">IPython</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Jupyter notebook</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">matplotlib</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4055382-6</subfield><subfield code="a">Software</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4123623-3</subfield><subfield code="a">Lehrbuch</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="3" ind2="0"><subfield code="a">Python 3.10</subfield><subfield code="0">(DE-588)1285337514</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lichtenberg, Kathrin</subfield><subfield code="d">ca. 20. Jh.</subfield><subfield code="0">(DE-588)1172891052</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Demmig, Thomas</subfield><subfield code="0">(DE-588)128548568</subfield><subfield code="4">trl</subfield></datafield><datafield tag="775" ind1="0" ind2="8"><subfield code="i">Parallele Sprachausgabe</subfield><subfield code="z">978-1-4919-5766-0</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-752-1</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-96010-753-8</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, MOBI</subfield><subfield code="z">978-3-96010-754-5</subfield></datafield><datafield tag="780" ind1="0" ind2="0"><subfield code="i">Vorangegangen ist</subfield><subfield code="z">978-3-96009-080-9</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Augsburg - ADAM Catalogue Enrichment</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Klappentext</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20221118</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034051704</subfield></datafield></record></collection> |
| genre | (DE-588)4055382-6 Software gnd-content (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Software Lehrbuch |
| id | DE-604.BV048677269 |
| illustrated | Illustrated |
| index_date | 2024-07-03T21:24:21Z |
| indexdate | 2024-09-03T00:08:43Z |
| institution | BVB |
| isbn | 9783960092117 3960092113 |
| language | German English |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-034051704 |
| oclc_num | 1373391488 |
| open_access_boolean | |
| owner | DE-M347 DE-92 DE-B768 DE-1050 DE-860 DE-1043 DE-523 DE-29T DE-1102 DE-859 DE-Aug4 DE-706 DE-573n DE-573 DE-898 DE-BY-UBR DE-83 DE-945 DE-11 DE-703 DE-384 DE-522 |
| owner_facet | DE-M347 DE-92 DE-B768 DE-1050 DE-860 DE-1043 DE-523 DE-29T DE-1102 DE-859 DE-Aug4 DE-706 DE-573n DE-573 DE-898 DE-BY-UBR DE-83 DE-945 DE-11 DE-703 DE-384 DE-522 |
| physical | 556 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm |
| publishDate | 2023 |
| publishDateSearch | 2023 |
| publishDateSort | 2023 |
| publisher | O'Reilly |
| record_format | marc |
| spelling | McKinney, Wes 1985- Verfasser (DE-588)1028982925 aut Python for data analysis Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig 3. Auflage Heidelberg O'Reilly 2023 556 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm txt rdacontent n rdamedia nc rdacarrier Programmbibliothek (DE-588)4121521-7 gnd rswk-swf Python Programmiersprache (DE-588)4434275-5 gnd rswk-swf Python 3.0 (DE-588)7624871-9 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf Datenanalyse (DE-588)4123037-1 gnd rswk-swf Python 3.10 (DE-588)1285337514 gnd rswk-swf Big Data Data Science Data Mining Python 3.10 pandas 1.4 NumPy Jupyter IPython Jupyter notebook matplotlib (DE-588)4055382-6 Software gnd-content (DE-588)4123623-3 Lehrbuch gnd-content Programmbibliothek (DE-588)4121521-7 s Datenanalyse (DE-588)4123037-1 s Data Mining (DE-588)4428654-5 s DE-604 Python 3.0 (DE-588)7624871-9 s Python Programmiersprache (DE-588)4434275-5 s Python 3.10 (DE-588)1285337514 s Lichtenberg, Kathrin ca. 20. Jh. (DE-588)1172891052 trl Demmig, Thomas (DE-588)128548568 trl Parallele Sprachausgabe 978-1-4919-5766-0 Erscheint auch als Online-Ausgabe, PDF 978-3-96010-752-1 Erscheint auch als Online-Ausgabe, EPUB 978-3-96010-753-8 Erscheint auch als Online-Ausgabe, MOBI 978-3-96010-754-5 Vorangegangen ist 978-3-96009-080-9 DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis Digitalisierung UB Augsburg - ADAM Catalogue Enrichment application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA Klappentext 1\p vlb 20221118 DE-101 https://d-nb.info/provenance/plan#vlb |
| spellingShingle | McKinney, Wes 1985- Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter Programmbibliothek (DE-588)4121521-7 gnd Python Programmiersprache (DE-588)4434275-5 gnd Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Datenanalyse (DE-588)4123037-1 gnd Python 3.10 (DE-588)1285337514 gnd |
| subject_GND | (DE-588)4121521-7 (DE-588)4434275-5 (DE-588)7624871-9 (DE-588)4428654-5 (DE-588)4123037-1 (DE-588)1285337514 (DE-588)4055382-6 (DE-588)4123623-3 |
| title | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter |
| title_alt | Python for data analysis |
| title_auth | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter |
| title_exact_search | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter |
| title_exact_search_txtP | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter |
| title_full | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig |
| title_fullStr | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig |
| title_full_unstemmed | Datenanalyse mit Python Auswertung von Daten mit pandas, NumPy und Jupyter Wes McKinney ; Übersetzung von Kathrin Lichtenberg und Thomas Demmig |
| title_short | Datenanalyse mit Python |
| title_sort | datenanalyse mit python auswertung von daten mit pandas numpy und jupyter |
| title_sub | Auswertung von Daten mit pandas, NumPy und Jupyter |
| topic | Programmbibliothek (DE-588)4121521-7 gnd Python Programmiersprache (DE-588)4434275-5 gnd Python 3.0 (DE-588)7624871-9 gnd Data Mining (DE-588)4428654-5 gnd Datenanalyse (DE-588)4123037-1 gnd Python 3.10 (DE-588)1285337514 gnd |
| topic_facet | Programmbibliothek Python Programmiersprache Python 3.0 Data Mining Datenanalyse Python 3.10 Software Lehrbuch |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034051704&sequence=000003&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT mckinneywes pythonfordataanalysis AT lichtenbergkathrin pythonfordataanalysis AT demmigthomas pythonfordataanalysis AT mckinneywes datenanalysemitpythonauswertungvondatenmitpandasnumpyundjupyter AT lichtenbergkathrin datenanalysemitpythonauswertungvondatenmitpandasnumpyundjupyter AT demmigthomas datenanalysemitpythonauswertungvondatenmitpandasnumpyundjupyter |