Czyszczenie danych w Pythonie. Receptury. Nowoczesne techniki i narzędzia Pythona do wykrywania i el

Przetwarzanie dużych ilości danych daje wiedzę, kt&oacute,ra leży u podstaw istotnych decyzji podejmowanych przez organizację. Pozwala to na uzyskiwanie znakomitych efekt&oacute,w: techniki wydobywania wiedzy z danych stają się coraz bardziej wyrafinowane. Podstawowym warunkiem sukcesu jest uzyskanie odpowiedniej jakości danych. Wykorzystanie niesp&oacute,jnych i niepełnych informacji prowadzi do podejmowania błędnych decyzji. Konsekwencją mogą być straty finansowe, stwarzanie konkretnych zagrożeń czy uszczerbek na wizerunku. A zatem oczyszczanie jest wyjątkowo ważną częścią analizy danych.

Ta książka jest praktycznym zbiorem gotowych do użycia receptur, podanych tak, aby maksymalnie ułatwić proces przygotowania danych do analizy. Om&oacute,wiono tu takie kwestie dotyczące danych jak importowanie, ocena ich jakości, uzupełnianie brak&oacute,w, porządkowanie i agregacja, a także przekształcanie. Poza zwięzłym om&oacute,wieniem tych zadań zaprezentowano najskuteczniejsze techniki ich wykonywania za pomocą r&oacute,żnych narzędzi: Pandas, NumPy, Matplotlib czy SciPy. W ramach każdej receptury wyjaśniono skutki podjętych działań. Cennym uzupełnieniem jest zestaw funkcji i klas zdefiniowanych przez użytkownika, kt&oacute,re służą do automatyzacji oczyszczania danych. Umożliwiają one też dostrojenie procesu do konkretnych potrzeb.

W książce znajdziesz receptury, dzięki kt&oacute,rym:

• wczytasz i przeanalizujesz dane z r&oacute,żnych źr&oacute,deł
• uporządkujesz dane, poprawisz ich błędy i uzupełnisz braki
• efektywnie skorzystasz z bibliotek Pythona
• zastosujesz wizualizacje do analizy danych
• napiszesz własne funkcje i klasy do automatyzacji procesu oczyszczania danych