Python Data Science Handbook : Vanderplas, Jake: desertcart.ae: Books Review: Ich erkläre zunächst meinen eigenen Background und darauf aufbauend, was ich an anderen Python-Büchern/Tutorials vermisst habe: Ich bin promovierter Statistiker mit langjähriger Erfahrung in R und arbeite seit etwas mehr als 2 Jahren mit Linux. Shell-Skills (bash) sind zwar vorhanden, aber definitiv noch ausbaufähig. Ich stehe am Anfang einer Data Science-Karriere in der Industrie. Da Data Science nach meinem Verständnis aus Computer Science + Statistik + epsilon besteht und da ich einen starken Mathematik/Statistik-Background habe, möchte ich meine Programmier-Skills verbessern. Dazu gehört das Erlernen weiterer Programmiersprachen wie Python und C++. Mein Ziel: Lerne Datenanalyse in Python. Insbesondere NumPy, SciPy, Pandas und Matplotlib. Dies ist nicht mein erstes Python-Buch. Was mir an anderen Büchern/Onlinetutorien aufgefallen ist, dass diese oft auf Computer Scientists (Informatiker) zugeschnitten sind. Es war regelmäßig frustrierend, wenn kleine Details nicht erklärt wurden, die für Informatiker selbstverständlich sind. Das Buch "Python Data Science Handbook" ist anders. Es erklärt vieles, was für einen Nicht-Informatiker nicht selbstverständlich ist. Insbesondere ist das erste Kapitel wertvoll für einen Statistiker wie mich. Es erklärt detailliert, wie man mit ipython in einer Shell arbeitet. Fazit: Für Informatiker, die tiefes Verständnis für Python aufbauen wollen, sind andere Bücher empfehlenswert. Wenn man dagegen Grundkenntnisse in Python mitbringt und hauptsächlich an der Datenanalyse in Python interessiert ist, kann ich dieses Buch herzlichst empfehlen. Review: This book contains introductions, tips and overview of the five more common Python packages for data science. It is clear, concise and quite fun to read. Only one down side, which is quite minor: some graphics needs colour. This is not a big deal because you can check the online version which available for free.
| Best Sellers Rank | #192,440 in Books ( See Top 100 in Books ) #311 in Web Programming #355 in Databases & Big Data #473 in Computer Programming Languages |
| Customer reviews | 4.5 4.5 out of 5 stars (567) |
| Dimensions | 17.78 x 3.18 x 25.4 cm |
| Edition | 1st |
| ISBN-10 | 1491912057 |
| ISBN-13 | 978-1491912058 |
| Item weight | 862 g |
| Language | English |
| Print length | 548 pages |
| Publication date | 6 December 2016 |
| Publisher | O'Reilly Media |
P**R
Ich erkläre zunächst meinen eigenen Background und darauf aufbauend, was ich an anderen Python-Büchern/Tutorials vermisst habe: Ich bin promovierter Statistiker mit langjähriger Erfahrung in R und arbeite seit etwas mehr als 2 Jahren mit Linux. Shell-Skills (bash) sind zwar vorhanden, aber definitiv noch ausbaufähig. Ich stehe am Anfang einer Data Science-Karriere in der Industrie. Da Data Science nach meinem Verständnis aus Computer Science + Statistik + epsilon besteht und da ich einen starken Mathematik/Statistik-Background habe, möchte ich meine Programmier-Skills verbessern. Dazu gehört das Erlernen weiterer Programmiersprachen wie Python und C++. Mein Ziel: Lerne Datenanalyse in Python. Insbesondere NumPy, SciPy, Pandas und Matplotlib. Dies ist nicht mein erstes Python-Buch. Was mir an anderen Büchern/Onlinetutorien aufgefallen ist, dass diese oft auf Computer Scientists (Informatiker) zugeschnitten sind. Es war regelmäßig frustrierend, wenn kleine Details nicht erklärt wurden, die für Informatiker selbstverständlich sind. Das Buch "Python Data Science Handbook" ist anders. Es erklärt vieles, was für einen Nicht-Informatiker nicht selbstverständlich ist. Insbesondere ist das erste Kapitel wertvoll für einen Statistiker wie mich. Es erklärt detailliert, wie man mit ipython in einer Shell arbeitet. Fazit: Für Informatiker, die tiefes Verständnis für Python aufbauen wollen, sind andere Bücher empfehlenswert. Wenn man dagegen Grundkenntnisse in Python mitbringt und hauptsächlich an der Datenanalyse in Python interessiert ist, kann ich dieses Buch herzlichst empfehlen.
G**E
This book contains introductions, tips and overview of the five more common Python packages for data science. It is clear, concise and quite fun to read. Only one down side, which is quite minor: some graphics needs colour. This is not a big deal because you can check the online version which available for free.
A**R
I really hoped that this would be better. There are a few errors that take a while to work out. Some of the key concepts are completely skipped over. Constantly find myself losing interest in the topics, which could flow a lot better. I had hoped for something like Hadleys book R for Data science, but this is far from it. Wouldn't bother buying.
G**M
Has a lot of information to absorb. Read the whole thing to become a star in Python!!
A**I
Atendeu às minhas expectativas atuais e será útil em trabalhos futuros.
Trustpilot
Hace 1 día
Hace 1 mes
