Az adatfeldolgozási műhely, második kiadás: Hozzon létre saját, hasznosítható meglátásokat több nyers forrásból származó adatok felhasználásával

Olvasói vélemények

A könyv erősen ajánlott forrás az adattudomány, különösen az adatfeldolgozás területén kezdőknek. Gyakorlati, gyakorlatias megközelítést kínál részletes magyarázatokkal és példákkal. Míg az alapvető tartalom és szerkezet jó fogadtatásban részesül, több olvasó megjegyezte a gépelési hibák és elírások jelenlétét, amelyek összezavarhatják a kezdő felhasználókat.

⬤ Szorgalmas kódmagyarázatok, a kezdők intuíciójának kiépítése.
⬤ Az adatszerkezetek, modulok és az adatkezelés szempontjából fontos technikák átfogó lefedettsége.
⬤ A gyakorlati feladatok és a letölthető források fokozzák a tanulási élményt.
⬤ Gyakorlati felhasználási esetek és példák a fogalmak illusztrálására.
⬤ Kezdők és a készségeket felfrissíteni kívánók számára egyaránt alkalmas.

⬤ A példákban elgépelések és hibák előfordulása, ami frusztrálhatja a kezdőket.
⬤ A könyv inkább a gyakorlati alkalmazásokra („mi van”), mint az elméleti magyarázatokra („miért van”) összpontosít.

(11 olvasói vélemény alapján)

Eredeti címe:

The Data Wrangling Workshop, Second Edition: Create your own actionable insights using data from multiple raw sources

Könyv tartalma:

Kezdő útmutató az extrakciós, transzformációs és betöltési (ETL) folyamatok egyszerűsítéséhez gyakorlati tippek, trükkök és legjobb gyakorlatok segítségével, szórakoztató és interaktív módon

Főbb jellemzők

⬤ Tapasztalja meg az adatfeldolgozást valós példák és üzleti felhasználási esetek segítségével.

⬤ Tanulja meg a különböző módszereket, amelyekkel minimális idő alatt a legtöbb értéket nyerheti ki az adatokból.

⬤ Növelje tudását olyan bónusz témákkal, mint a véletlenszerű adatgenerálás és az adatintegritás ellenőrzése.

Könyv leírása

Bár hatalmas mennyiségű adat áll rendelkezésünkre, nyers formában nem hasznos. Ahhoz, hogy az adatok értelmesek legyenek, kuratírozni és finomítani kell őket.

Ha Ön kezdő, akkor Az adatfeldolgozás műhelye segít Önnek lebontani a folyamatot. Az alapokkal kezd, és a tudásodat építve haladsz majd az adatfeldolgozás mögötti alapvető szempontoktól a legnépszerűbb eszközök és technikák használatáig.

Ez a könyv azzal kezdi, hogy megmutatja, hogyan dolgozzunk adatszerkezetekkel Python segítségével. Példákon és feladatokon keresztül megérti, hogy miért érdemes távol maradnia a más nyelvekben használt hagyományos adattisztítási módszerektől, és kihasználni a Pythonban található speciális, előre elkészített rutinok előnyeit. Később megtanulja, hogyan használhatja ugyanazt a Python-háttérprogramot arra, hogy adatokat vonjon ki és alakítson át számos forrásból, többek között az internetről, nagy adatbázisokból és Excel pénzügyi táblázatokból. Hogy felkészülhessen a nagyobb kihívást jelentő forgatókönyvekre, a könyv megtanítja, hogyan kezelje a hiányzó vagy hibás adatokat, és hogyan formázza át azokat a későbbi elemzőeszköz követelményei alapján.

A könyv végére szilárd ismereteket szerez arról, hogyan végezhet adatfeldolgozást Python segítségével, és számos technikát és legjobb gyakorlatot tanulhat meg az adatok hatékony kinyeréséhez, tisztításához, átalakításához és formázásához a legkülönbözőbb forrásokból.

Amit megtanulhat

⬤ Az adatráncolás alapjainak megismerése.

⬤ Megtanulja, hogyan modellezze az adatokat véletlenszerű adatgenerálással és adatintegritás-ellenőrzéssel.

⬤ Tudja meg, hogyan vizsgálja az adatokat leíró statisztikákkal és ábrázolási technikákkal.

⬤ Tudja meg, hogyan kereshet és kereshet információkat szabályos kifejezésekkel.

⬤ Mélyedjen bele a Python általánosan használt adattudományi könyvtárakba.

⬤ Tanulja meg, hogyan kezelje és kompenzálja a hiányzó adatokat.

Kinek szól ez a könyv

Az Adatkezelési műhelyt olyan fejlesztőknek, adatelemzőknek és üzleti elemzőknek ajánljuk, akik teljes értékű adattudósként vagy analitikai szakértőként szeretnének karriert befutni. Bár ez a könyv olyan kezdőknek szól, akik szeretnének belevágni az adatfeldolgozásba, a Python programozási nyelv előzetes munkatudása szükséges az itt tárgyalt fogalmak könnyű megértéséhez. Az is segít, ha valaki kezdetleges ismeretekkel rendelkezik a relációs adatbázisokról és az SQL-ről.