書籍

NumPyの勉強におすすめの本

本記事では、NumPyの勉強におすすめの参考書を紹介しています。

気になった参考書があれば、購入する前にAmazonの無料試し読みで内容を確認することをおすすめします。

表紙がイラストをたくさん使っているから、内容も初心者向けだろうと思い購入してみたら、図解での説明が少なく文字で埋め尽くされている参考書だった。。なんてこともありますので。
※無料試し読みができない参考書もあります。

IT・Web業界特化の転職サイト!
【マイナビIT AGENT】

先輩くん
先輩くん
マイナビIT AGENTは、IT・Web業界に強い転職エージェントだよ!
後輩ちゃん
後輩ちゃん
登録~転職に至るまで一切費用はかからないよ!
公式ホームページはこちら

【月額980円で読み放題!】
Amazon Kindle Unlimited

Amazon Kindle Unlimited
先輩くん
先輩くん
Amazon Kindle Unlimitedに登録すると、月額980円で読み放題だからオススメだよ!
後輩ちゃん
後輩ちゃん
初回30日間は無料だから、まだ登録したことのない人はぜひ試してみてね!

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

本書情報
出版社オライリージャパン
著者Wes McKinney
発売日2018/7/26
ページ数596ページ
レビュー
(Amazon)
(113件)
本書の構成

  1. Pythonの基礎、IPythonとJupyter Notebook
  2. Python組み込みのデータ構造と関数、ファイルの扱い
  3. NumPyの基礎:配列とベクトル演算
  4. pandas入門
  5. データの読み込み、書き出しとファイル形式
  6. データのクリーニングと前処理
  7. データラングリング:連結、結合、変形
  8. プロットと可視化
  9. データの集約とグループ演算
  10. 時系列データ
  11. pandas:応用編
  12. Pythonにおけるモデリングライブラリ入門
  13. データ分析の実例
  14. NumPy:応用編
  15. IPythonシステム上級編

レビューちゃん
レビューちゃん

Pythonの基礎から入り、データ分析の実践までを網羅的に学ぶことができる。 とりわけNumpyとPandasにページを割いていることもあり、データサイエンスの基礎中の基礎からしっかりと学ぶことができる。 これからデータサイエンスに取り組みたい人は一通り頭からやってみることを強くおすすめします。

引用元:Amazonレビュー
レビューくん
レビューくん

Pythonではじめる機械学習を読んでpandasなどのライブラリの知識の不足を感じて購入しました。 データセットを読み込ませることが出来ないこともありましたが一読出来ました。 pandas, NunPyについて理解を深められました。 これからも辞書的に使えそうです。

引用元:Amazonレビュー

現場で使える! NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法

本書情報
出版社翔泳社
著者吉田 拓真 / 尾原 颯
発売日2018/11/19
ページ数536ページ
レビュー
(Amazon)
(19件)
本書の構成

  1. NumPyの基本
  2. NumPy配列を操作する関数を知る
  3. NumPyの数学関数を使う
  4. NumPyで機械学習を実装する

レビューちゃん
レビューちゃん

Numpyに関してはこの書籍が最も分かりやすく丁寧に書かれていると思う。 Pythonでデータ分析といえばPandasが主流。しかし、Pandasをより深く理解して活用したいならNumpyの知識はあった方が良い。

引用元:Amazonレビュー
レビューくん
レビューくん

Numpyを理解するのに役立ちました。専門家には物足りないかもしれません。 初めて購入するのには良いかと。

引用元:Amazonレビュー

NumPyによるデータ分析入門 ―配列操作、線形代数、機械学習のためのPythonプログラミング

本書情報
出版社オライリージャパン
著者Umit Mert Cakmak / Mert Cuhadaroglu
発売日2019/9/27
ページ数248ページ
レビュー
(Amazon)
(5件)
本書の構成

  1. NumPy配列を操作する
  2. NumPyの線形代数
  3. NumPyの統計関数で行う探索的データ分析:ボストン市の住宅価格データセット
  4. 線形回帰を用いて住宅価格を予測する
  5. NumPyで卸売業者の顧客をクラスタ分析する
  6. NumPyとSciPy、pandas、scikit-learnを併用する
  7. NumPy上級編
  8. 高性能計算ライブラリの手引き
  9. ベンチマークテストで行う性能評価

ブログランキング・にほんブログ村へ PVアクセスランキング にほんブログ村