Értékelés:
Ez a könyv értékes forrás azok számára, akik meg akarják tanulni a Python nyelvet az analitikai és tudományos munkához. Nagyra értékeljük áttekinthetősége és az alapvető témák alapos lefedettsége miatt, bár nem biztos, hogy alkalmas azok számára, akik a nyelv mélyreható feltárását keresik. Egyszerre szolgál útmutatóul a kezdőknek és hasznos referenciaként a tapasztalt felhasználóknak.
Előnyök:A könyv világos és könnyen érthető, hatékonyan közvetíti az alapvető információkat, hasznos a Python nyelvet analitikai célokra tanuló kezdőknek, és hasznos betekintést nyújt a vizualizációs könyvtárakba. Olyan részletes fejezeteket is tartalmaz, amelyek mind az új, mind a tapasztalt felhasználók számára hasznosak lehetnek.
Hátrányok:Egyes szakaszok, különösen a környezet beállítására összpontosítók, a tapasztaltabb olvasók számára túlságosan részletesnek vagy vontatottnak tűnhetnek. Nem biztos, hogy alkalmas azok számára, akik magába a Python programozási nyelvbe szeretnének mélyrehatóan belemerülni.
(6 olvasói vélemény alapján)
Python Tools for Scientists: An Introduction to Using Anaconda, Jupyterlab, and Python's Scientific Libraries
Bevezetés a Python programozási nyelvbe és legnépszerűbb eszközeibe tudósok, mérnökök, diákok és bárki számára, aki a Pythont kutatásra, szimulációkra és együttműködésre szeretné használni.
A Python Tools for Scientists bemutatja a tudományos kutatásokban használható Python-eszközöket, köztük az Anacondát, a Spydert, a Jupyter Notebooksot, a JupyterLabot és számos Python-könyvtárat. Megtanulja használni a Pythont olyan feladatokra, mint a vizualizációk készítése, a térbeli információk ábrázolása, a természeti események szimulálása és a numerikus adatok kezelése.
Miután az Anaconda segítségével kialakítottad az optimális programozási környezetet, megtanulod, hogyan szervezd meg a projektjeidet, és hogyan használj értelmezőket, szövegszerkesztőket, jegyzetfüzeteket és fejlesztőkörnyezeteket a kódoddal való munkához. A könyv gyors tempójú Python-alapozóját követően bejárja a tudományos eszközök és könyvtárak, például a scikit-learn és a seaborn széles skáláját, amelyeket adatai manipulálására és vizualizálására, illetve gépi tanulási algoritmusok segítségével történő elemzésére használhat.
Megtanulja továbbá, hogyan:
⬤ Elkülönített projektek létrehozása virtuális környezetben, interaktív jegyzetfüzetek készítése, kód tesztelése a Qt konzolon, és a Spyder interaktív fejlesztési funkcióinak használata.
⬤ Használja a Python beépített adattípusait, írjon egyéni függvényeket és osztályokat, és dokumentálja a kódját.
⬤ Az adatok ábrázolása az alapvető NumPy, Matplotlib és pandas könyvtárakkal.
⬤ Használja az olyan Python ábrázoló könyvtárakat, mint a Plotly, a HoloViews és a Datashader a nagy adathalmazok kezeléséhez és 3D-s vizualizációk készítéséhez.
A Python Tools for Scientists tudományos területtől függetlenül megmutatja, hogyan válassza ki a legjobb eszközöket a kutatási és számítógépes elemzési igényeihez.
