Data Science con Python · dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati by Zinoviev, Dmitry -- Read -- Imperial Library of Trantor

Index

Data Science con Python Dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati Ringraziamenti Introduzione

Informazioni su questo libro A chi si rivolge questo libro Questioni di software Note sugli apici Il forum del libro Esercitazioni

Che cosa si intende per scienza dei dati?

Unità 1 - La tipica sequenza di analisi dei dati Unità 2 - Sequenza di acquisizione dei dati Unità 3 - Struttura dei report Esercitazioni

Hello, World! (∗)

Elementi di base di Python per la scienza dei dati

Unità 4 - Le funzioni che operano sulle stringhe Unità 5 - La struttura dati appropriata Unità 6 - Definizione e manipolazione delle liste Unità 7 - I contatori Unità 8 - Manipolazione dei file Unità 9 - Andare sul Web Unità 10 - Ricerche a pattern tramite espressioni regolari

Il linguaggio delle espressioni regolari Ricerca, suddivisione e sostituzione con il modulo re

Unità 11 - Globbing di nomi di file e altre stringhe Unità 12 - Pickling dei dati Esercitazioni

Contatore della frequenza delle parole (∗) Indicizzatore di file (∗∗) Estrattore di numeri telefonici (∗∗∗)

Elaborare i dati testuali

Unità 13 - Elaborazione di file HTML Unità 14 - Manipolazione dei file CSV Unità 15 - Leggere i file JSON Unità 16 - Elaborazione di testi in linguaggio naturale

Corpus NLTK Normalizzazione Altre procedure di elaborazione del testo

Esercitazioni

Rilevatore di collegamenti ipertestuali non funzionanti (∗) Wikipedia Miner (∗∗) Classificatore del genere musicale (∗∗∗)

Utilizzare i database

Unità 17 - Configurazione di un database MySQL Unità 18 - Uso di un database MySQL: riga di comando

Inserimento Cancellazione Modifica Selezione Unione

Unità 19 - Uso di un database MySQL: pymysql Unità 20 - Gestire gli archivi di documenti: MongoDB Esercitazioni

Indicizzatore di file MySQL (∗) Convertitore MySQL - MongoDB (∗∗)

Usare i dati numerici tabulari

Unità 21 - Creazione di array Unità 22 - Trasposizione e alterazione Unità 23 - Indicizzazione e slicing Unità 24 - Operazioni vettoriali Unità 25 - Le funzioni universali Unità 26 - Le funzioni condizionali Unità 27 - Aggregazione e ordinamento degli array Unità 28 - Trattare gli array come se fossero insiemi Unità 29 - Salvataggio e lettura di array Unità 30 - Generare un’onda sinusoidale di sintesi Esercitazioni

Sottrazioni fra array (∗) HEI Locator (∗∗) Calcolo delle analogie negli Stati USA (∗∗∗)

Manipolare serie di dati e frame

Unità 31 - Le strutture di dati in Pandas

Le serie I frame

Unità 32 - Cambiare aspetto ai dati

Indicizzazione Reindicizzazione Indicizzazione gerarchica Stack e pivot

Unità 33 - Gestione dei dati mancanti

Cancellazione dei dati mancanti Ricostruzione dei dati mancanti Sostituzione dei valori

Unità 34 - Combinare i dati

Unione Concatenamento Cancellazione dei duplicati

Unità 35 - Ordinamento e descrizione dei dati

Ordinamento e classificazione Statistica descrittiva Unicità, conteggio, appartenenza

Unità 36 - Trasformazione dei dati

Operazioni aritmetiche Aggregazione dei dati Discretizzazione Mappaggio Tabulazione incrociata

Unità 37 - I/O su file in Pandas

Lettura di file CSV e tabulari Chunking Lettura di altri tipi di file

Esercitazioni

Trappole per linci (∗) PIL vs. Consumo di alcol (∗∗) Meteo vs. Consumo di alcol (∗∗∗)

Utilizzo dei dati delle reti

Unità 38 - Parliamo di grafi

Elementi, tipi e densità dei grafi Struttura di un grafo Centralità

Unità 39 - Sequenza di analisi di una rete Unità 40 - Parliamo di networkx

Costruzione e manipolazione di una rete Esplorazione e analisi di una rete Gestione degli attributi Cricche e struttura comunitaria Input e output

Esercitazioni

Centralità e correlazioni (∗) Opere di Shakespeare (∗∗) Reti e confini (∗∗)

Rappresentazione grafica

Unità 41 - Tracciamento di grafici con PyPlot Unità 42 - Altri tipi di grafici Unità 43 - Decorazione dei grafici Unità 44 - Grafici e Pandas Esercitazioni

American Pie (∗) Popolazione della California (∗∗)

Probabilità e statistica

Unità 45 - Le distribuzioni delle probabilità

Distribuzione uniforme Distribuzione normale Distribuzione binomiale

Unità 46 - Raccolta delle misurazioni statistiche Unità 47 - Statistica in Python

Generazione di numeri casuali Calcolo delle misurazioni statistiche

Esercitazioni

S&P 500 nel Ventunesimo secolo (∗) Nutrienti in Rete (∗∗∗)

Machine Learning

Unità 48 - Progettazione di un esperimento predittivo Unità 49 - La regressione lineare

Regressione OLS (metodo dei minimi quadrati) Regressione ridge (Regolarizzazione di Tichonov) Regressione logistica (Logit)

Unità 50 - Raggruppamento dei dati con il clustering K-Means Unità 51 - Sopravvivere nelle foreste decisionali casuali Esercitazioni

MOSN Clusters (∗) S&P 500 (∗∗) Predittore di metrò (∗∗∗)

Ulteriori letture Soluzioni dei progetti di tipo (∗)

Capitolo 1Hello, World! Capitolo 2Contatore della frequenza delle parole Capitolo 3Rilevatore di collegamenti ipertestuali non funzionanti Capitolo 4Indicizzatore di file MySQL Capitolo 5Sottrazioni fra array Capitolo 6Trappole per linci Capitolo 7Centralità e correlazioni Capitolo 8American Pie Capitolo 9S&P 500 nel Ventunesimo secolo Capitolo 10Cluster MOSN

Bibliografia

← Prev
Back
Next →

← Prev
Back
Next →