Routineaufgaben mit Python automatisieren

Praktische Programmierlösungen für Einsteiger

4 Bewertungen
Wenn Sie jemals Stunden damit verbracht haben, Dateien umzubenennen oder Hunderte von Tabelleneinträgen zu aktualisieren, dann wissen Sie, wie stumpfsinnig manche Tätigkeiten sein können. Wie wäre es, den Computer dazu zu bringen, diese Arbeiten zu übernehmen?
In diesem Buch lernen Sie, wie Sie mit Python Aufgaben in Sekundenschnelle erledigen können, die sonst viel Zeit in Anspruch nehmen würden. Programmiererfahrung brauchen Sie dazu nicht: Wenn Sie einmal die Grundlagen gemeistert haben, werden Sie Python-Programme schreiben, die automatisch alle möglichen praktischen Aufgaben für Sie abarbeiten:

• eine oder eine Vielzahl von Dateien nach Texten durchsuchen
• Dateien und Ordner erzeugen, aktualisieren, verschieben und umbenennen
• das Web durchsuchen und Inhalte herunterladen
• Excel-Dateien aktualisieren und formatieren
• PDF-Dateien teilen, zusammenfügen, mit Wasserzeichen versehen und verschlüsseln
• Erinnerungsmails und Textnachrichten verschicken
• Online-Formulare ausfüllen

Schritt-für-Schritt-Anleitungen führen Sie durch jedes Programm und Übungsaufgaben am Ende jedes Kapitels fordern Sie dazu auf, die Programme zu verbessern und Ihre Fähigkeiten auf ähnliche Problemstellungen zu richten.

Verschwenden Sie nicht Ihre Zeit mit Aufgaben, die auch ein gut dressierter Affe erledigen könnte. Bringen Sie Ihren Computer dazu, die langweilige Arbeit zu machen!

Python kinderleicht!

Einfach programmieren lernen – nicht nur für Kids

3 Bewertungen
Python ist eine leistungsfähige, moderne Programmiersprache. Sie ist einfach zu erlernen und macht Spaß in der Anwendung – mit diesem Buch umso mehr!

»Python kinderleicht« macht die Sprache lebendig und zeigt Dir (und Deinen Eltern) die Welt der Programmierung. Jason R. Briggs führt Dich Schritt für Schritt durch die Grundlagen von Python. Du experimentierst mit einzigartigen (und oft urkomischen) Beispielprogrammen, bei denen es um gefräßige Monster, Geheimagenten oder diebische Raben geht. Neue Begriffe werden erklärt, der Programmcode ist farbig dargestellt, strukturiert und mit Erklärungen versehen. Witzige Abbildungen erhöhen den Lernspaß.

Jedes Kapitel endet mit Programmier-Rätseln, an denen Du das Gelernte üben und Dein Verständnis vertiefen kannst. Am Ende des Buches wirst Du zwei komplette Spiele programmiert haben: einen Klon des berühmten »Pong« und »Herr Strichmann rennt zum Ausgang« – ein Plattformspiel mit Sprüngen, Animation und vielem mehr.

Indem Du Seite für Seite neue Programmierabenteuer bestehst, wirst Du immer mehr zum erfahrenen Python-Programmierer.

- Du lernst grundlegende Datenstrukturen wie Listen, Tupel und Maps kennen.
- Du erfährst, wie man mit Funktionen und Modulen den Programmcode organisieren und wiederverwenden kann.
- Du wirst mit Kontrollstrukturen wie Schleifen und bedingten Anweisungen vertraut und lernst, mit Objekten und Methoden umzugehen.
- Du zeichnest Formen mit dem Python-Modul Turtle und erstellst Spiele, Animationen und andere grafische Wunder mit tkinter.

Und: »Python kinderleicht« macht auch für Erwachsene das Programmierenlernen zum Kinderspiel!
Alle Programme findest Du auch zum Herunterladen auf der Website!

Einführung in Data Science

Grundprinzipien der Datenanalyse mit Python

2 Bewertungen
Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren.

Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weitverbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit.

Aus dem Inhalt:
- Absolvieren Sie einen Crashkurs in Python
- Lernen Sie die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung kennen und erfahren Sie, wie diese in Data Science eingesetzt werden
- Sammeln, untersuchen, bereinigen, bearbeiten und manipulieren Sie Daten
- Tauchen Sie in die Welt des maschinellen Lernens ein
- Implementieren Sie Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering
- Entdecken Sie Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython

3 Bewertungen
Sie wollen alles erfahren über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von strukturierten Daten mit Python 3? Dieses konsequent praxisbezogene Buch zeigt Ihnen anhand konkreter Fallbeispiele, wie Sie mit Python-Bibliotheken wie Pandas, NumPy und IPython eine Vielzahl von typischen Datenanalyse-Problemen lösen.

Geschrieben von Wes McKinney, dem Hauptautor der Pandas-Bibliothek, bietet Datenanalyse mit Python zudem einen praktischen Einstieg in das Scientific Computing für datenintensive Anwendungen mit Python.

Zu den Themen gehören:
- die interaktive IPython-Shell als primäre Programmierumgebung
- die Features von NumPy (Numerical Python)
- die Datenanalyse-Tools der Pandas-Bibliothek
- High-Performance-Tools zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten
- Scatterplots und statische oder interaktive Visualisierungen mit matplotlib
- GroupBy-Mechanismen von Pandas zum Zurechtschneiden, Umgestalten und Zusammenfassen von Datensätzen
- das Verarbeiten von verschiedensten Zeitreihen-Daten
- Problemlösungen für Webanalyse, Sozialwissenschaften, Finanzen und Wirtschaft anhand ausführlicher praktischer Beispiele

Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in das Scientific Computing einarbeiten wollen.

Aktuell zu Python 3

Learn Python in One Hour

Programming by Example

1 Bewertung

You're already a smart person, you don't need a 1000+ page book to get you started on the web's fastest growing programming platform. Instead, Learn Python in One Hour delivers on the promise of code literacy while saving your most precious commodity - time itself. Volkman's innovative programming-by-example approach means you focus on usage, not mindless detail. Based on the author's sold-out live seminars, you'll see Python's flexible coding technique in action as we refactor from script to procedural to object-oriented during actual problem solving.
In a seven-lesson progression, you'll be exposed to this and more:

  • Basic file input and output operations
  • Exception handling with try/except
  • Using functions to compute and return multiple values
  • Basic elements of a class definition and how to call methods
  • Lists, dictionaries, sets, and other collections
  • Iteration through collections, files, sorted sets
  • Converting lists to strings and vice-versa
  • Six most common Python pitfalls

    Take the One Hour challenge and see if you too can pick up 90% of syntax and semantics in less time than you probably spend commuting each day.

    About the Author Victor R. Volkman graduated cum laude from Michigan Technological University with a BS in Computer Science in 1986. Since then, he has written for numerous publications, including The C Gazette, C++ Users Journal, Windows Developers Journal, and many others. He has taught college-level programming courses at Washtenaw Community College and has served on its Computer Information Science (CIS) Faculty Advisory Board for more than a decade. Volkman says Python helped him "rediscover the joy of programming again."

    www.volkman.org
    From Modern Software Press

  • Python Machine Learning

    Unlock deeper insights into Machine Leaning with this vital guide to cutting-edge predictive analytics

    About This Book

    • Leverage Python's most powerful open-source libraries for deep learning, data wrangling, and data visualization
    • Learn effective strategies and best practices to improve and optimize machine learning systems and algorithms
    • Ask – and answer – tough questions of your data with robust statistical models, built for a range of datasets

    Who This Book Is For

    If you want to find out how to use Python to start answering critical questions of your data, pick up Python Machine Learning – whether you want to get started from scratch or want to extend your data science knowledge, this is an essential and unmissable resource.

    What You Will Learn

    • Explore how to use different machine learning models to ask different questions of your data
    • Learn how to build neural networks using Pylearn 2 and Theano
    • Find out how to write clean and elegant Python code that will optimize the strength of your algorithms
    • Discover how to embed your machine learning model in a web application for increased accessibility
    • Predict continuous target outcomes using regression analysis
    • Uncover hidden patterns and structures in data with clustering
    • Organize data using effective pre-processing techniques
    • Get to grips with sentiment analysis to delve deeper into textual and social media data

    In Detail

    Machine learning and predictive analytics are transforming the way businesses and other organizations operate. Being able to understand trends and patterns in complex data is critical to success, becoming one of the key strategies for unlocking growth in a challenging contemporary marketplace. Python can help you deliver key insights into your data – its unique capabilities as a language let you build sophisticated algorithms and statistical models that can reveal new perspectives and answer key questions that are vital for success.

    Python Machine Learning gives you access to the world of predictive analytics and demonstrates why Python is one of the world's leading data science languages. If you want to ask better questions of data, or need to improve and extend the capabilities of your machine learning systems, this practical data science book is invaluable. Covering a wide range of powerful Python libraries, including scikit-learn, Theano, and Pylearn2, and featuring guidance and tips on everything from sentiment analysis to neural networks, you'll soon be able to answer some of the most important questions facing you and your organization.

    Style and approach

    Python Machine Learning connects the fundamental theoretical principles behind machine learning to their practical application in a way that focuses you on asking and answering the right questions. It walks you through the key elements of Python and its powerful machine learning libraries, while demonstrating how to get to grips with a range of statistical models.

    Expert Python Programming

    In Detail

    Python is a dynamic programming language, used in a wide range of domains by programmers who find it simple, yet powerful. From the earliest version 15 years ago to the current one, it has constantly evolved with productivity and code readability in mind.

    Even if you find writing Python code easy, writing code that is efficient and easy to maintain and reuse is not so straightforward. This book will show you how to do just that: it will show you how Python development should be done. Python expert Tarek Ziadé takes you on a practical tour of Python application development, beginning with setting up the best development environment, and along the way looking at agile methodologies in Python, and applying proven object-oriented principles to your design.

    Approach

    This book is an authoritative exploration of Python best practices and applications of agile methodologies to Python, illustrated with practical, real-world examples.

    Who this book is for

    This book is for Python developers who are already building applications, but want to build better ones by applying best practices and new development techniques to their projects.

    The reader is expected to have a sound background in Python programming.

    Building Machine Learning Systems with Python

    In Detail

    Machine learning, the field of building systems that learn from data, is exploding on the Web and elsewhere. Python is a wonderful language in which to develop machine learning applications. As a dynamic language, it allows for fast exploration and experimentation and an increasing number of machine learning libraries are developed for Python.

    Building Machine Learning system with Python shows you exactly how to find patterns through raw data. The book starts by brushing up on your Python ML knowledge and introducing libraries, and then moves on to more serious projects on datasets, Modelling, Recommendations, improving recommendations through examples and sailing through sound and image processing in detail.

    Using open-source tools and libraries, readers will learn how to apply methods to text, images, and sounds. You will also learn how to evaluate, compare, and choose machine learning techniques.

    Written for Python programmers, Building Machine Learning Systems with Python teaches you how to use open-source libraries to solve real problems with machine learning. The book is based on real-world examples that the user can build on.

    Readers will learn how to write programs that classify the quality of StackOverflow answers or whether a music file is Jazz or Metal. They will learn regression, which is demonstrated on how to recommend movies to users. Advanced topics such as topic modeling (finding a text's most important topics), basket analysis, and cloud computing are covered as well as many other interesting aspects.

    Building Machine Learning Systems with Python will give you the tools and understanding required to build your own systems, which are tailored to solve your problems.

    Approach

    A practical, scenario-based tutorial, this book will help you get to grips with machine learning with Python and start building your own machine learning projects. By the end of the book you will have learnt critical aspects of machine learning Python projects and experienced the power of ML-based systems by actually working on them.

    Who this book is for

    This book is for Python programmers who are beginners in machine learning, but want to learn Machine learning. Readers are expected to know Python and be able to install and use open-source libraries. They are not expected to know machine learning, although the book can also serve as an introduction to some Python libraries for readers who know machine learning. This book does not go into the detail of the mathematics behind the algorithms.

    This book primarily targets Python developers who want to learn and build machine learning in their projects, or who want to provide machine learning support to their existing projects, and see them getting implemented effectively.