【2024年】「pandas」のおすすめ 本 66選！人気ランキング
- pandasクックブック ―Pythonによるデータ処理のレシピ―
- Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理
- Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
- Pythonによるデータ分析入門 第3版 ―pandas、NumPy、Jupyterを使ったデータ処理
- 現場で使える! pandasデータ前処理入門 機械学習・データサイエンスで役立つ前処理手法
- pandasデータ処理ドリル Pythonによるデータサイエンスの腕試し
- Python実践データ分析100本ノック
- Pythonデータ分析/機械学習のための基本コーディング! pandasライブラリ活用入門 (impress top gear)
- Kaggleで勝つデータ分析の技術
- 東京大学のデータサイエンティスト育成講座 ~Pythonで手を動かして学ぶデ―タ分析~
本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。
データ分析コンペKaggleに挑戦するならこれをまず読んでおけば大丈夫！Kaggleに参加しないにしてもデータ分析の本質やテクニックがギュッと詰まっているので実務に活かせる。高度な内容も登場するが分かりやすく解説してくれるので初心者でも読みやすい。それでいてベテランの人も多くの学びがある書籍。著者はKaggleの最上位グランドマスターの方々であり説得力がある。過去のコンペの事例も取り上げてくれるのでそんなアプローチあったのかぁと学びが深い。文句なしの星5つ！
本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。
『Python実践データ分析100本ノック 第2版』は、データ分析の現場で直面する「汚いデータ」を扱うノウハウを学ぶための実践的な問題集です。事前加工から機械学習、最適化問題まで、100の課題を通じてビジネスで即戦力となる応用力を養います。内容は基礎編、実践編、発展編に分かれており、様々なデータ処理技術やライブラリを使用します。著者はデータ分析や機械学習の専門家であり、最新の技術を活用した練習問題も含まれています。
本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。
データサイエンスを学ぶ上でこちらに一通り目を通しておくとベースが出来上がると思うのでオススメ。幅広く学べるがそこまで深く突っ込まないので気に入った領域は他の書籍で補完した方がよいかも！
-1" OR 2+159-159-1=0+0+0+1 --
Pythonを学ぶ初学者が一番最初に手に取る本として最適。ただ書籍だと限界があるのでYoutube動画などで合わせて学ぶのがおすすめ。
本書は、理解しやすいコードを書くための方法を紹介しています。具体的には、名前の付け方やコメントの書き方、制御フローや論理式の単純化、コードの再構成、テストの書き方などについて、楽しいイラストを交えて説明しています。著者はボズウェルとフォシェで、須藤功平氏による日本語版解説も収録されています。
Python（パイソン）は初心者が比較的修得しやすく、AI（人工知能）やパターン認識などの先端技術に活用されている優れたプログラミング言語です。 本書では、初心者を対象に、Pythonを使ったプログラミングの勘所をやさしく解説しました。 例題に取り組むことで、プログラミングとはどういうものかを理解し、プログラミング的思考を身につけてもらうことを目的に執筆しました。 読者の皆さんが、楽しみながらPythonの素晴らしさやプログラミングの醍醐味を感じていただけたら、著者として望外の喜びです。
本書は、データサイエンスやウェブ開発、セキュリティで人気のPythonの入門書で、初級者向けに基礎から応用までを丁寧に解説しています。6年ぶりの改訂版で、Python 3.9に対応し、新機能も追加されています。内容は、基礎、実践的なプログラミング、リファレンスとしても役立つ構成になっています。
『独習Python』は、プログラミング初学者向けのPython入門書で、著者は山田祥寛氏です。本書は、手を動かして学ぶスタイルを重視し、Pythonの基本から応用までを体系的に学べる内容となっています。解説、例題、理解度チェックの3ステップで、基礎知識がない人でも理解しやすい構成です。プログラミング初心者や再入門者におすすめの一冊です。目次には、Pythonの基本、演算子、制御構文、標準ライブラリ、ユーザー定義関数、オブジェクト指向構文などが含まれています。
Pythonをしっかり学びたい人向けの本格的な入門書です。基礎から応用まで幅広いトピックをカバーしており、実際に手を動かしながら理解を深められるよう工夫されています。独習スタイルに特化しているため、自分のペースで着実に学びたい人におすすめ。豊富なコード例や練習問題もあり、プログラミングの実力を着実に高めることができます。
Pythonによるデータ分析のコンパクトな入門書。日常的な事例をJupyter Notebookで分析していく。 プログラミング言語Pythonによるデータ分析のコンパクトな入門書。Jupyter Notebookでコードを実行しながら日常的な事例を分析していく。Pythonの文法や統計学の理論には深入りせず，各分析の目的と意味を丁寧に解説。 第１章 学ぶための準備をしよう──本書の特徴とPythonのインストール 第２章 データの基礎的な扱いに慣れよう──数値データと文字データ 第３章 特徴を踏まえて適切な計画を立てよう──平均とヒストグラム 第４章 データの散らばり方を調べてみよう──相関係数 第５章 データ同士の関係性を調べてみよう──回帰分析 第６章 データを特徴に応じて分類しよう──機械学習によるクラスタリング 第７章 データの規則性を探って将来を予測しよう①──決定木（ディシジョン・ツリー） 第８章 データの規則性を探って将来を予測しよう②──ランダム・フォレスト（分類編） 第９章 データの規則性を探って将来を予測しよう③──ランダム・フォレスト（回帰編） 第10章 施策の効果を調べよう──傾向スコア・マッチング 第11章 地点間の最短経路を調べよう──ダイクストラ法 第12章 変化をシミュレーションしてみよう──SIRモデル 第13章 限られた条件下での最適解を求めよう──線形計画法 第14章 文章の特徴を明らかにしよう──形態素解析
