# Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II

Canonical: https://www.kolczanksiazek.pl/jake-vanderplas/python-data-science-niezbedne-narzedzia-do-pracy-z-danymi-wydanie-ii/9788328930940

Wersja JSON (te same dane): https://www.kolczanksiazek.pl/jake-vanderplas/python-data-science-niezbedne-narzedzia-do-pracy-z-danymi-wydanie-ii/9788328930940.json

![Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II](https://quivercdn.com/covers/helion/jake-vanderplas/python-data-science-niezbedne-narzedzia-do-pracy-z-danymi-wydanie-ii_978-83-2893-094-0.jpg?v=2026-04-07%2022%3A38%3A09)

- Książka: [Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II](https://www.kolczanksiazek.pl/jake-vanderplas/python-data-science-niezbedne-narzedzia-do-pracy-z-danymi-wydanie-ii) ([Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II.md](https://www.kolczanksiazek.pl/jake-vanderplas/python-data-science-niezbedne-narzedzia-do-pracy-z-danymi-wydanie-ii.md))
- Autorzy: [Jake VanderPlas](https://www.kolczanksiazek.pl/jake-vanderplas)
- Wydawnictwo: Helion
- ISBN: 978-83-2893-094-0
- Liczba stron: 544
- Data wydania: 2023-12-06
- Język: pl_PL
- Oprawa: Softcover

## Opis

Python udostępnia pierwszorzędne narzędzia i biblioteki przeznaczone specjalnie do pracy z danymi. Zdobyły one uznanie wielu naukowców i ekspertów, ceniących ten język za wysoką jakość rozwiązań służących do wydobywania wiedzy z danych. Aby uzyskać najlepsze możliwe efekty, trzeba dobrze poznać zarówno poszczególne biblioteki Pythona, jak i zasady pracy z nimi. Ta książka stanowi wszechstronne omówienie wszystkich bibliotek Pythona, potrzebnych naukowcom i specjalistom pracującym z danymi. Znalazł się tu dokładny opis IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i innych narzędzi. Podręcznik uwzględnia przede wszystkim ich aspekty praktyczne, dzięki czemu świetnie się sprawdzi w rozwiązywaniu codziennych problemów z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją różnych typów danych, a także jako pomoc podczas tworzenia modeli statystycznych i modeli uczenia maszynowego. Docenią go wszyscy, którzy zajmują się obliczeniami naukowymi w Pythonie. To