«Python Библиотеки» — Джейд Картер, страница 17

Аннотация

Книга представляет собой обзор богатой экосистемы библиотек, доступных в языке программирования Python, начиная от основных инструментов для работы с данными и машинного обучения, и заканчивая инструментами для создания веб-приложений, обработки изображений и разработки игр. Основные темы включают в себя введение в библиотеки для анализа данных, такие как NumPy, Pandas, и Matplotlib, а также обсуждение алгоритмов машинного обучения с использованием Scikit-learn. Автор также рассматривает инструменты для работы с веб-технологиями, такие как Flask, Django, и для визуализации данных, такие как Seaborn, Plotly, и Bokeh. Книга охватывает обширный спектр примеров использования каждой библиотеки, предоставляя читателю практический опыт и навыки, необходимые для успешной разработки с использованием Python. Она подходит как для новичков, только начинающих изучать Python, так и для опытных разработчиков, ищущих лучшие инструменты для конкретных задач.

Жанры и темы

программирование самоучители обучение программированию языки программирования язык python компьютерная справочная литература

Читать «Python Библиотеки» — Джейд Картер онлайн

Страница 17 из 27

поля
)
этих
записей
.
2.
Метки
по
осям
:
В DataFrame
метки
по
осям
позволяют
легко
идентифицировать
данные
.
ОсиDataFrame
имеют
метки
строк
(
индексы
)
и
столбцов
.
3.
Разнообразные
типы
данных
:
В DataFrame
можно
хранить
данные
различных
типов
,
включая
числа
,
строки
,
временные
метки
и
другие
.
4.
Гибкость
в
обработке
данных
: Pandas
предоставляет
обширный
набор
методов
и
функций
для
фильтрации
,
сортировки
,
группировки
,
объединения
и
агрегации
данных
вDataFrame.
Пример
создания
простогоDataFrame:
```python
importpandasaspd
data=
{'
Имя
':
['
Анна
',
'
Борис
',
'
Виктория
'],
'
Возраст
':[25,30,22],
'
Город
':
['
Москва
',
'
Санкт
-
Петербург
',
'
Киев
']}

df=pd.DataFrame(data)
print(df)
```
Этот
пример
создает DataFrame
из
словаря
,
где
ключи
словаря
становятся
названиями
столбцов
,
а
значения –
данными
в
столбцах
.
Созданный DataFrame
будет
выглядеть
следующим
образом
:
```
Имя
Возраст
Город
0
Анна25
Москва
1
Борис30
Санкт
-
Петербург
2
Виктория22
Киев
```
DataFrame
в Pandas
является
важным
инструментом
для
анализа
и
обработки
данных
,
и
он
широко
используется
в
областях
работы
с
данными
,
машинного
обучения
,
статистики
и
других
.
Из
списка
словарей
:
```python
importpandasaspd
data=
{'
Имя
':
['
Анна
',
'
Борис
',
'