Episode Details

Python for Data Analysis (Wes McKinney)

- Amazon USA Store: https://www.amazon.com/dp/109810403X?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Python-for-Data-Analysis-Wes-McKinney.html

- Apple Books: https://books.apple.com/us/audiobook/python-for-data-analysis-unlocking-the-potential-of/id1778818505?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=Python+for+Data+Analysis+Wes+McKinney+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1

- Shopee: https://asia.buys.trade/shopee_Python-for-Data-Analysis-Wes-McKinney.html
- Lazada: https://asia.buys.trade/lazada_Python-for-Data-Analysis-Wes-McKinney.html
- Tiktok: https://asia.buys.trade/tiktok_Python-for-Data-Analysis-Wes-McKinney.html

- Baca selengkapnya: https://indonesia.9natree.com/read/109810403X/

#JupyterNotebookdanIPython #ArrayNumPydanvektorisasi #DataFramepandas #Pembersihandanpenggabungandata #Groupbydanderetwaktu #PythonforDataAnalysis

Python for Data Analysis karya Wes McKinney adalah panduan teknis tentang pengolahan data dengan ekosistem Python, terutama pandas, NumPy, dan Jupyter. Edisi ketiganya diperbarui untuk Python 3.10 dan pandas 1.4, sehingga pembahasannya berangkat dari perangkat yang relevan bagi praktik analisis data modern. Fokus buku ini bukan mengajarkan teori statistik, metode riset, atau pembelajaran mesin secara mendalam. Tujuannya lebih mendasar dan sangat praktis, yaitu membangun kemampuan untuk mengambil data mentah, memeriksanya, membersihkannya, mengubah bentuknya, menggabungkannya, lalu membuat ringkasan yang dapat dianalisis. McKinney menulis dari posisi yang kuat karena ia adalah pencipta utama proyek pandas. Karena itu, buku ini tidak hanya mengenalkan perintah, tetapi juga menunjukkan cara berpikir saat bekerja dengan data terstruktur. Materi disusun dari dasar Python dan komputasi interaktif, menuju array NumPy, DataFrame pandas, pemuatan berkas, pembersihan data, penggabungan tabel, visualisasi, pengelompokan, dan deret waktu. Contoh serta bahan latihan pendukung tersedia melalui repositori GitHub.