{"product_id":"139149","title":"Analyse de données à l'aide de bibliothèques Python ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPBvgEqmvrGxZp035Ms3uU6Xmujr.png?v=1765073300\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n \u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003eAnalyse de données à l'aide de bibliothèques Python \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/118523424\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eLa méthode la plus complète pour apprendre l'analyse de données\u003cbr\u003e De l'utilisation des bibliothèques Python à la pratique concrète avec des données réelles.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e L'ouvrage de référence en matière d'analyse de données Python, reconnu et respecté, est de retour dans sa troisième édition.\u003cbr\u003e Wes McKinney, le créateur du projet Python Pandas, explique comment utiliser les bibliothèques Python de manière pratique et moderne.\u003cbr\u003e Le contenu a été mis à jour en fonction des dernières versions de Python et de Pandas, et divers exemples sont examinés pour apprendre à résoudre efficacement les problèmes d'analyse de données.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Nous présentons différentes bibliothèques Python, notamment Pandas, NumPy, IPython, Matplotlib et Jupyter, et abordons non seulement les nouvelles fonctionnalités, mais aussi les méthodes d'utilisation avancées qui réduisent la consommation de mémoire et améliorent les performances.\u003cbr\u003e Nous présentons également l'outil de modélisation statsmodels et la bibliothèque scikit-learn. \u003cbr\u003eEntraînons-nous avec des données réelles, comme des statistiques sur les prénoms de nouveau-nés et une base de données sur les élections présidentielles, et devenons des experts capables de sélectionner les outils adaptés aux données et de les analyser efficacement.\u003cbr\u003e\n\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eCHAPITRE 1 Avant de commencer\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 1.1 Contenu couvert\u003cbr\u003e 1.2 Pourquoi utiliser Python pour l'analyse des données ?\u003cbr\u003e 1.3 Bibliothèques Python requises\u003cbr\u003e 1.4 Installation et configuration\u003cbr\u003e 1.5 Communauté et conférence\u003cbr\u003e 1.6 Comment explorer ce livre\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 2 Notions de base de Python, IPython et Jupyter Notebooks\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 2.1 Interpréteur Python\u003cbr\u003e 2.2. Notions de base d'IPython\u003cbr\u003e 2.3 Notions de base de Python\u003cbr\u003e 2.4 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 3 Structures de données, fonctions et fichiers intégrés\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 3.1 Structures de données et types de données séquentielles\u003cbr\u003e 3.2 Fonction\u003cbr\u003e 3.3 Fichiers et système d'exploitation\u003cbr\u003e 3.4 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 4 Notions de base de NumPy : Opérations sur les tableaux et les vecteurs\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 4.1 Objet tableau multidimensionnel ndarray\u003cbr\u003e 4.2 Génération de nombres aléatoires\u003cbr\u003e 4.3 Fonctions universelles : fonctions qui traitent rapidement chaque élément d'un tableau. \u003cbr\u003e4.4 Programmation basée sur les tableaux\u003cbr\u003e 4.5 Entrée\/sortie de fichiers de données de tableau\u003cbr\u003e 4.6 Algèbre linéaire\u003cbr\u003e 4.7 Exemple de montée d'escalier\u003cbr\u003e 4.8 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 5 : PREMIERS PAS AVEC LES PANDAS\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 5.1 Introduction aux structures de données Pandas\u003cbr\u003e 5.2 Fonctionnalités principales\u003cbr\u003e 5.3 Calcul et synthèse des statistiques descriptives\u003cbr\u003e 5.4 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 6 Chargement et enregistrement des données, formats de fichiers\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 6.1 Comment lire et écrire des données à partir de fichiers texte\u003cbr\u003e 6.2 Format des données binaires\u003cbr\u003e 6.3 Utilisation avec les API Web\u003cbr\u003e 6.4 Utilisation avec une base de données\u003cbr\u003e 6.5 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 7 NETTOYAGE ET PRÉPARATION DES DONNÉES\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 7.1 Gestion des données manquantes\u003cbr\u003e 7.2 Transformation des données\u003cbr\u003e 7.3 Types de données étendus\u003cbr\u003e 7.4 Manipulation des cordes\u003cbr\u003e 7.5 Données catégorielles\u003cbr\u003e 7.6 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 8 Préparation des données : jointures, fusions et transformations\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 8.1 Index hiérarchique\u003cbr\u003e 8.2 Fusion des données\u003cbr\u003e 8.3 Reconfiguration et pivot\u003cbr\u003e 8.4 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 9 GRAPHIQUES ET VISUALISATIONS\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 9.1 Aperçu rapide de l'API Matplotlib\u003cbr\u003e 9.2 Création de graphiques avec Seaborn dans Pandas \u003cbr\u003e9.3 Autres outils de visualisation Python\u003cbr\u003e 9.4 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 10 AGRÉGATION DES DONNÉES ET OPÉRATIONS DE GROUPE\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 10.1 Considérations relatives aux opérations de groupe\u003cbr\u003e 10.2 Agrégation des données\u003cbr\u003e 10.3 La méthode apply : méthode split-apply-merge généralisée\u003cbr\u003e 10.4 Transformations de groupe et groupby déballé\u003cbr\u003e 10.5 Tableaux croisés dynamiques et tableaux de contingence\u003cbr\u003e 10.6 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 11 SÉRIE TEMPORELLE\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 11.1 Types de données de date et d'heure et outils\u003cbr\u003e 11.2 Notions de base des séries temporelles\u003cbr\u003e 11.3 Période, fréquence et mouvement\u003cbr\u003e 11.4 Gestion des fuseaux horaires\u003cbr\u003e 11.5 Périodes et opérations sur les périodes\u003cbr\u003e 11.6 Rééchantillonnage et conversion de fréquence\u003cbr\u003e 11.7 Fonction de déplacement de fenêtre\u003cbr\u003e 11.8 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 12 Bibliothèques de modélisation Python\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 12.1 Interface entre Pandas et le code du modèle\u003cbr\u003e 12.2 Création d'un modèle avec Patsy\u003cbr\u003e 12.3 Introduction aux modèles statistiques\u003cbr\u003e 12.4 Introduction à scikit-learn\u003cbr\u003e 12.5 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 13 EXEMPLES D'ANALYSE DE DONNÉES\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e 13.1 Données de Bitly provenant du site 1.USA.gov\u003cbr\u003e 13.2 Données de notation des films Movie Lens\u003cbr\u003e 13.3 Prénoms de nouveau-nés\u003cbr\u003e 13.4 Informations nutritionnelles de l'USDA\u003cbr\u003e Base de données de la Commission électorale fédérale de 2012 (13.5)\u003cbr\u003e 13.6 En conclusion\u003cbr\u003e \u003cbr\u003eANNEXE A NumPy avancé\u003cbr\u003e A.1 Structure d'objet ndarray\u003cbr\u003e A.2 Techniques avancées de manipulation de réseaux\u003cbr\u003e A.3 Diffusion\u003cbr\u003e A.4 Utilisation avancée des ufunc\u003cbr\u003e A.5 Tableaux structurés et tableaux d'enregistrements\u003cbr\u003e A.6 Apprenez-en davantage sur l'alignement\u003cbr\u003e A.7 Écriture de fonctions NumPy rapides avec Numba\u003cbr\u003e A.8 Entrée\/sortie de réseau avancée\u003cbr\u003e A.9 Conseils de performance utiles\u003cbr\u003e\u003cbr\u003e ANNEXE B : En savoir plus sur le système IPython\u003cbr\u003e B.1 Raccourcis clavier du terminal\u003cbr\u003e B.2 Commandes magiques\u003cbr\u003e B.3 Utilisation de l'historique des commandes\u003cbr\u003e B.4 Utilisation avec le système d'exploitation\u003cbr\u003e B.5 Outils de développement logiciel\u003cbr\u003e B.6 Conseils pour un développement de code productif avec IPython\u003cbr\u003e B.7 Fonctionnalités avancées d'IPython\u003cbr\u003e B.8 En conclusion\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4160\/MidCate008\/415976575.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eGuide d'utilisation des bibliothèques d'analyse de données par les développeurs de Pandas Core\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e [Data Analysis Using Python Libraries], qui a été publié dans une édition révisée et augmentée en 2013 et qui a été constamment apprécié des lecteurs nationaux jusqu'à la deuxième édition en 2019, est maintenant de retour dans sa troisième édition. \u003cbr\u003eAu cours de la dernière décennie, Python s'est fermement imposé comme un langage populaire largement utilisé dans de nombreux domaines, de la science des données à l'apprentissage automatique et à l'apprentissage profond, et est constamment mis à jour pour servir ses utilisateurs.\u003cbr\u003e La troisième édition a été mise à jour pour refléter les changements apportés aux dernières versions de Python, NumPy, Pandas et autres projets.\u003cbr\u003e Ce livre étant largement utilisé comme manuel universitaire et comme ouvrage de référence en milieu professionnel, nous avons déployé des efforts considérables pour garantir la pertinence de son contenu pour les années à venir.\u003cbr\u003e J'espère que ce livre sera une ressource précieuse pour tous ceux qui ont besoin de travailler avec des données en utilisant Python.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003eQu'est-ce qui a changé dans la 3e édition ?\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e - Code mis à jour basé sur Python 3.11 et Pandas 2.0.\u003cbr\u003e - Compatible avec NumPy 1.23 et la dernière version de Jupyter\u003cbr\u003e - Ajout de nouveau contenu\u003cbr\u003e Type de données catégorielles\u003cbr\u003e Transformation des groupes de données et regroupement déballé\u003cbr\u003e Comment utiliser les commandes magiques et l'historique des commandes d'IPython\u003cbr\u003e \u003cbr\u003eCe livre présente différentes méthodes de base de traitement des données avec Python.\u003cbr\u003e Ce livre couvre les principes fondamentaux du langage de programmation Python et les bibliothèques qui vous aident à résoudre efficacement les problèmes d'analyse de données.\u003cbr\u003e Bien que le titre du livre inclue « analyse de données », il se concentre sur la programmation Python, les bibliothèques et les outils plutôt que sur la méthodologie d'analyse de données.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePublic cible\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e - Ingénieurs de données, scientifiques des données, ingénieurs en apprentissage automatique et statisticiens responsables des pratiques d'analyse des données.\u003cbr\u003e - Étudiants de premier cycle en informatique qui souhaitent analyser des données à l'aide des bibliothèques représentatives de Python.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eContenu principal\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e - Comment utiliser les fonctionnalités de base et avancées de NumPy\u003cbr\u003e - Chargement, nettoyage, fusion et transformation des données avec Pandas\u003cbr\u003e - Créer des visualisations utiles avec Matplotlib\u003cbr\u003e - Division et synthèse des données à l'aide de la fonction groupby de Pandas\u003cbr\u003e - Analyser et manipuler des données de séries chronologiques régulières et irrégulières \u003cbr\u003e- Apprenez à résoudre des problèmes analytiques en examinant des données réelles.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eNote du traducteur\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e Alors que l'imprimeur s'apprêtait à sortir la troisième édition coréenne, la parution de Pandas 2.0 a ravivé des souvenirs de l'époque où j'avais traduit la première édition, il y a 10 ans.\u003cbr\u003e Lors de la traduction d'un livre écrit avec Pandas 0.14, la correction de nombreux passages au fur et à mesure des nouvelles versions s'est avérée extrêmement difficile. Heureusement, cette fois-ci, installer Pandas 2.0, réexaminer le code d'exemple, soumettre une pull request à l'auteur et même demander une confirmation n'a pas été aussi compliqué que lors de la première édition.\u003cbr\u003e :)\u003cbr\u003e\u003cbr\u003e Pandas est devenue une bibliothèque stable qui peut être utilisée ensemble pendant longtemps, et ce livre a également pu être lu pendant longtemps, comme l'espérait l'auteur.\u003cbr\u003e Si vous avez trouvé la deuxième édition utile, je la recommande sans hésiter à tous ceux qui souhaitent explorer des données à l'aide de Python. \u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS\u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n \u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 1er mai 2023\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 696 pages | 1 240 g | 183 × 235 × 28 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791169210973\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 116921097X \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893342535722,"sku":"139149","price":54.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/38f7952a779ea3b60299b497eba08ccb.jpg?v=1765397392","url":"https:\/\/librairie.coreenne.fr\/products\/139149","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}