Python para Ciência de Dados

Sumário

• Introdução
• Capítulo 1 ■ Conceitos básicos de dados
• Categorias de dados
  • Dados não estruturados
  • Dados estruturados
  • Dados semiestruturados
  • Dados de séries temporais
• Fontes de dados
  • APIs
  • Páginas web
  • Banco de dados
  • Arquivos
• Pipeline de processamento de dados
  • Aquisição
  • Limpeza
  • Transformação
  • Análise
  • Armazenamento
• Abordagem pythônica
• Recapitulando
• Capítulo 2 ■ Estruturas de dados do Python
• Listas
  • Criando uma lista
  • Usando métodos comuns de objetos de lista
  • Usando a notação de fatiamento
  • Usando uma lista como uma fila
  • Usando uma lista como uma pilha
  • Usando listas e pilhas para processamento de linguagem natural
  • Melhorias com list comprehensions
• Tuplas
  • Uma lista de tuplas
  • Imutabilidade
• Dicionários
  • Lista de dicionários
  • Adicionando dados a um dicionário com o método setdefault()
  • Carregando arquivos JSON em um dicionário
• Conjuntos
  • Removendo duplicações de sequências
  • Executando operações comuns de conjunto
• Recapitulando
• Capítulo 3 ■ Bibliotecas de ciência de dados do Python
• NumPy
  • Instalando o NumPy
  • Criando um array do NumPy
  • Executando operações por elemento
  • Usando funções estatísticas do NumPy
• pandas
  • Instalação do pandas
  • Estrutura de dados Series do pandas
  • DataFrames do pandas
• scikit-learn
  • Instalando o scikit-learn
  • Obtendo um conjunto de dados de amostra
  • Carregando o conjunto de dados de amostra em um DataFrame do pandas
    • conjunto de teste
  • Transformando texto em vetores de features numéricas
  • Treinando e avaliando um modelo
  • Efetuando predições com novos dados
• Recapitulando
• Capítulo 4 ■ Acessando dados a partir de arquivos e de APIs
• Importando dados com a função open() do Python
  • Arquivos de texto
  • Arquivos de dados tabulares
  • Arquivos binários
• Exportando dados para arquivos
• Acessando arquivos remotos e APIs
  • Como funcionam as requisições HTTP
  • Biblioteca urllib3
  • Biblioteca Requests
• Movendo dados a partir de e para um DataFrame
  • Importando estruturas aninhadas JSON
  • Convertendo um DataFrame em JSON
  • Carregando dados online em um DataFrame com a pandas-datareader
• Recapitulando
• Capítulo 5 ■ Trabalhando com bancos de dados
• Bancos de dados relacionais
  • Entendendo instruções SQL
  • Introdução ao MySQL
  • Definindo a estrutura do banco de dados
  • Inserindo dados no banco de dados
  • Consultando o banco de dados
  • Usando ferramentas de análise de banco de dados
• Bancos de dados NoSQL
  • Armazenamentos de chave-valor
  • Bancos de dados orientados a documento
• Recapitulando
• Capítulo 6 ■ Agregando dados
• Dados para agregação
• Combinando DataFrames
• Agrupamento e agregação dos dados
  • Visualizando agregações específicas por MultiIndex
  • Fatiando um intervalo de valores agregados
  • Fatiamento dentro dos níveis de agregação
  • Adicionando um total geral
  • Adicionando Subtotais
• Selecionando todas as linhas em um grupo
• Recapitulando
• Capítulo 7 ■ Combinando conjuntos de dados
• Combinando estruturas built-in de dados
  • Combinando listas e tuplas com o operador +
  • Combinando dicionários com o operador **
  • Combinando linhas correspondentes de duas estruturas
  • Implementando diferentes tipos de joins para listas
• Concatenando arrays do NumPy
• Combinando estruturas de dados do pandas
  • Concatenando DataFrames
  • Join de dois DataFrames
• Recapitulando
• Capítulo 8 ■ Criando visualizações
• Visualizações comuns
  • Gráficos de linhas
  • Gráficos de barras
  • Gráficos de pizza
  • Histogramas
• Plotando gráficos com a Matplotlib
  • Instalando a Matplotlib
  • Usando a matplotlib pyplot
  • Trabalhando com os objetos Figure e Axes
• Usando outras bibliotecas com a Matplotlib
  • Plotando dados do pandas
  • Plotando dados geoespaciais com a Cartopy
• Recapitulando
• Capítulo 9 ■ Analisando dados geográficos
• Obtendo os dados geográficos
  • Transformando um endereço legível por humanos em coordenadas geográficas
  • Obtendo as coordenadas geográficas de um objeto em movimento
• Análise de dados espaciais com geopy e Shapely
  • Encontrando o objeto mais próximo
  • Encontrando objetos em determinada área
  • Combinando ambas as abordagens
• Combinando dados espaciais e não espaciais
  • Derivando atributos não espaciais
  • Join de conjuntos de dados espaciais e não espaciais
• Recapitulando
• Capítulo 10 ■ Analisando dados de séries temporais
• Série temporal regular vs. irregular
• Técnicas comuns de análise de séries temporais
  • Calculando mudanças percentuais
  • Cálculos de janela rolante
  • Calculando a mudança percentual de uma média móvel
• Séries temporais multivariadas
  • Processando séries temporais multivariadas
  • Analisando dependências entre variáveis
• Recapitulando
• Capítulo 11 ■ Obtendo insights a partir de dados
• Regras de associação
  • Suporte
  • Confiança
  • Lift
• Algoritmo Apriori
  • Criando um conjunto de dados de transação
  • Identificando conjuntos de itens frequentes
  • Gerando regras de associação
• Visualizando regras de associação
• Obtendo insights acionáveis a partir de regras de associação
  • Gerando recomendações
  • Planejando descontos com base nas regras da associação
• Recapitulando
• Capítulo 12 ■ Aprendizado de máquina para análise de dados
• Por que aprendizado de máquina?
• Tipos de aprendizado de máquina
  • Aprendizado supervisionado
  • Aprendizado não supervisionado
• Como funciona o aprendizado de máquina
  • Dados para aprender
  • Modelo estatístico
  • Dados desconhecidos
• Exemplo de análise de sentimentos: classificando avaliações de produtos
  • Obtendo avaliações de produtos
  • Limpando os dados
  • Dividindo e transformando os dados
  • Treinando o modelo
  • Avaliando o modelo
• Predizendo tendências de ações
  • Obtendo os dados
  • Derivando features de dados contínuos
  • Gerando a variável de saída
  • Treinando e avaliando o modelo
• Recapitulando
• Índice remissivo