Analyse et visualisation de données avec Python + Création de tableaux de bord web
 |
Description
Introduction au livre
« Analyse et visualisation de données avec Python + Création de tableaux de bord web » regorge de contenu pratique et concret, incluant les fondamentaux de l’analyse et de la visualisation de données avec Python, des conseils utiles et la création d’un tableau de bord web. Principaux enseignements :
« 01.
Dans « Pandas : les bases et la pratique pour la gestion des données structurées », nous abordons tous les aspects, des fondamentaux de Pandas, la bibliothèque nationale pour la gestion des données structurées, aux méthodes essentielles et aux conseils pour une utilisation pratique.
Dans « 02 Visualisation Python : des bases à la pratique », nous abordons les bibliothèques de visualisation de données représentatives de Python : Matplotlib, Seaborn et Plotly.
Apprenez des méthodes et des astuces pratiques pour dessiner des graphiques simples et clairs.
« 03.
Dans « Créer un tableau de bord Web Streamlit sans connaissances préalables du Web », vous apprendrez les bases de la bibliothèque Streamlit, qui vous permettra de créer facilement un tableau de bord Web sans connaissances préalables du Web.
Vous apprendrez à créer un tableau de bord web simple à partir d'un jeu de données réel et à en tirer des enseignements.
Veuillez vous référer à la page 5 pour obtenir des instructions sur la façon de télécharger les exemples de jeux de données et les fichiers de code source de ce livre.
« 01.
Dans « Pandas : les bases et la pratique pour la gestion des données structurées », nous abordons tous les aspects, des fondamentaux de Pandas, la bibliothèque nationale pour la gestion des données structurées, aux méthodes essentielles et aux conseils pour une utilisation pratique.
Dans « 02 Visualisation Python : des bases à la pratique », nous abordons les bibliothèques de visualisation de données représentatives de Python : Matplotlib, Seaborn et Plotly.
Apprenez des méthodes et des astuces pratiques pour dessiner des graphiques simples et clairs.
« 03.
Dans « Créer un tableau de bord Web Streamlit sans connaissances préalables du Web », vous apprendrez les bases de la bibliothèque Streamlit, qui vous permettra de créer facilement un tableau de bord Web sans connaissances préalables du Web.
Vous apprendrez à créer un tableau de bord web simple à partir d'un jeu de données réel et à en tirer des enseignements.
Veuillez vous référer à la page 5 pour obtenir des instructions sur la façon de télécharger les exemples de jeux de données et les fichiers de code source de ce livre.
indice
CHAPITRE 01 : Analyse de données de base avec Python et Pandas
Séries et DataFrames Pandas
Sélection des colonnes et des lignes dans un DataFrame
Sélection des colonnes à l'aide de select_dtypes
Sélection des lignes et des colonnes à l'aide de la méthode de filtre
Renommer les lignes et les colonnes à l'aide de la fonction rename
Les méthodes info, describe, value_counts et unique constituent la base de la compréhension des données.
Les méthodes fillna et dropna permettent de gérer les valeurs manquantes.
La méthode des quantiles pour calculer les quantiles de données
Méthode de requête pour filtrer uniquement les données souhaitées
La fleur de Pandas, la méthode groupby pour les opérations de groupe par groupe
Caractéristiques des données de séries temporelles
méthode de rééchantillonnage pour le regroupement de données de séries temporelles
CHAPITRE 02 : Conseils pratiques pour la bibliothèque Pandas
Que faire lorsqu'on découvre les données pour la première fois ?
Regrouper les données continues pour analyser les données catégorielles
Trouvez le nombre maximal d'occurrences consécutives qui satisfont la condition
Comment gérer les valeurs aberrantes : méthodes d’écrêtage et de quantile
Interpoler/extrapoler les valeurs manquantes
Découpage de lignes dans un index trié
Regrouper par plusieurs colonnes, y compris les données d'horodatage
Standardiser les données par groupe spécifique au sein d'un ensemble de données
Opérations sur les chaînes de caractères utilisant la méthode groupby
Diviser une ligne en plusieurs lignes
CHAPITRE 03 : Visualisation de données en Python avec Matplotlib, Seaborn et Plotly
Composants et fonctionnalités de Matplotlib
Nuage de points
Tracé de droite
Tracé linéaire
Diagramme en boîte, diagramme en bandes, diagramme en essaim
Graphique historique
carte thermique
Graphique au niveau des axes et graphique au niveau de la figure de Matplotlib
Réglage détaillé du graphique
CHAPITRE 04 : Conseils pratiques pour les bibliothèques Matplotlib, Seaborn et Plotly
Comment afficher clairement les étiquettes des graduations dans un graphique chronologique avec les dates sur l'axe des abscisses
Tracé de graphiques à plusieurs axes
Ajustement de la position de la légende
Mettez en évidence la colonne vertébrale d'un graphique
Représenter du texte dans un graphique
Tracer des lignes horizontales et verticales
Ajustement précis du graphique en mappant chaque axe divisé par FacetGrid
Mise en évidence des axes répondant à des conditions spécifiques dans FacetGrid
Affichage de l'équation et du coefficient de corrélation de la droite de régression linéaire dans regplot
Conversion des axes du graphique au format logarithmique
Utilisation de la palette de couleurs Seaborn et de Plotly
CHAPITRE 05 Création d'un tableau de bord de données avec Python Streamlit
Installation et exécution de Streamlit
Comprendre les textes et les tableaux
Comprendre les différents widgets : Bouton
Comprendre les différents widgets : case à cocher, bouton bascule
Comprendre les différents widgets : liste déroulante, bouton radio, sélection multiple
Comprendre les différents widgets : Slider
Comprendre les différents widgets : Saisie
Comprendre les différents widgets : Téléverseur de fichiers
Affichage de graphiques et d'images
Comprendre la mise en page
Comprendre l'état de session et la mise en cache
Tutoriel simple de création de tableau de bord web Streamlit
Séries et DataFrames Pandas
Sélection des colonnes et des lignes dans un DataFrame
Sélection des colonnes à l'aide de select_dtypes
Sélection des lignes et des colonnes à l'aide de la méthode de filtre
Renommer les lignes et les colonnes à l'aide de la fonction rename
Les méthodes info, describe, value_counts et unique constituent la base de la compréhension des données.
Les méthodes fillna et dropna permettent de gérer les valeurs manquantes.
La méthode des quantiles pour calculer les quantiles de données
Méthode de requête pour filtrer uniquement les données souhaitées
La fleur de Pandas, la méthode groupby pour les opérations de groupe par groupe
Caractéristiques des données de séries temporelles
méthode de rééchantillonnage pour le regroupement de données de séries temporelles
CHAPITRE 02 : Conseils pratiques pour la bibliothèque Pandas
Que faire lorsqu'on découvre les données pour la première fois ?
Regrouper les données continues pour analyser les données catégorielles
Trouvez le nombre maximal d'occurrences consécutives qui satisfont la condition
Comment gérer les valeurs aberrantes : méthodes d’écrêtage et de quantile
Interpoler/extrapoler les valeurs manquantes
Découpage de lignes dans un index trié
Regrouper par plusieurs colonnes, y compris les données d'horodatage
Standardiser les données par groupe spécifique au sein d'un ensemble de données
Opérations sur les chaînes de caractères utilisant la méthode groupby
Diviser une ligne en plusieurs lignes
CHAPITRE 03 : Visualisation de données en Python avec Matplotlib, Seaborn et Plotly
Composants et fonctionnalités de Matplotlib
Nuage de points
Tracé de droite
Tracé linéaire
Diagramme en boîte, diagramme en bandes, diagramme en essaim
Graphique historique
carte thermique
Graphique au niveau des axes et graphique au niveau de la figure de Matplotlib
Réglage détaillé du graphique
CHAPITRE 04 : Conseils pratiques pour les bibliothèques Matplotlib, Seaborn et Plotly
Comment afficher clairement les étiquettes des graduations dans un graphique chronologique avec les dates sur l'axe des abscisses
Tracé de graphiques à plusieurs axes
Ajustement de la position de la légende
Mettez en évidence la colonne vertébrale d'un graphique
Représenter du texte dans un graphique
Tracer des lignes horizontales et verticales
Ajustement précis du graphique en mappant chaque axe divisé par FacetGrid
Mise en évidence des axes répondant à des conditions spécifiques dans FacetGrid
Affichage de l'équation et du coefficient de corrélation de la droite de régression linéaire dans regplot
Conversion des axes du graphique au format logarithmique
Utilisation de la palette de couleurs Seaborn et de Plotly
CHAPITRE 05 Création d'un tableau de bord de données avec Python Streamlit
Installation et exécution de Streamlit
Comprendre les textes et les tableaux
Comprendre les différents widgets : Bouton
Comprendre les différents widgets : case à cocher, bouton bascule
Comprendre les différents widgets : liste déroulante, bouton radio, sélection multiple
Comprendre les différents widgets : Slider
Comprendre les différents widgets : Saisie
Comprendre les différents widgets : Téléverseur de fichiers
Affichage de graphiques et d'images
Comprendre la mise en page
Comprendre l'état de session et la mise en cache
Tutoriel simple de création de tableau de bord web Streamlit
Image détaillée
Avis de l'éditeur
Le livre [Analyse et visualisation des données Python + Création de tableaux de bord Web] n'est pas une bible comme une encyclopédie de Python de A à Z.
Il s'agit d'un ouvrage de référence pratique sur l'analyse et la visualisation des données en Python, regorgeant de contenu essentiel qui peut être appliqué immédiatement sur le terrain !
Le contenu principal de ce livre est le suivant :
- Principes de base et pratique de l'analyse de données avec Python
- Principes de base et pratique de la visualisation en Python
- Créez votre propre tableau de bord web
À quel public ce livre est-il destiné ?
- Pour tous ceux qui souhaitent automatiser les tâches de données ennuyeuses et répétitives !
- Pour ceux qui veulent quitter le travail 5 minutes plus tôt grâce à un travail plus efficace !
- Pour ceux qui veulent acquérir des connaissances pratiques, applicables immédiatement et en un temps limité !
- Pour ceux qui veulent un livre utilisable immédiatement dans la vraie vie !
- Pour ceux qui souhaitent créer leur propre tableau de bord web !
Il s'agit d'un ouvrage de référence pratique sur l'analyse et la visualisation des données en Python, regorgeant de contenu essentiel qui peut être appliqué immédiatement sur le terrain !
Le contenu principal de ce livre est le suivant :
- Principes de base et pratique de l'analyse de données avec Python
- Principes de base et pratique de la visualisation en Python
- Créez votre propre tableau de bord web
À quel public ce livre est-il destiné ?
- Pour tous ceux qui souhaitent automatiser les tâches de données ennuyeuses et répétitives !
- Pour ceux qui veulent quitter le travail 5 minutes plus tôt grâce à un travail plus efficace !
- Pour ceux qui veulent acquérir des connaissances pratiques, applicables immédiatement et en un temps limité !
- Pour ceux qui veulent un livre utilisable immédiatement dans la vraie vie !
- Pour ceux qui souhaitent créer leur propre tableau de bord web !
SPÉCIFICATIONS DES PRODUITS
- Date d'émission : 31 janvier 2024
Nombre de pages, poids, dimensions : 254 pages | 670 g | 190 × 257 × 20 mm
- ISBN13 : 9791193059180
- ISBN10 : 1193059186
Vous aimerez peut-être aussi
카테고리
Langue coréenne
Langue coréenne
![GQ KOREA Mark (Mensuel) : décembre [2025]](http://librairie.coreenne.fr/cdn/shop/files/8ef265dbbfbf186523ed75ba7319009d.jpg?v=1765340328&width=3840)
