Python et Hdf5 : débloquer les données scientifiques

Avis des lecteurs

Résumé:

Le livre « Python and HDF5 » est considéré comme une excellente ressource pour apprendre à utiliser HDF5 avec Python, offrant des explications claires et des exemples pratiques. Il est considéré comme essentiel pour toute personne travaillant avec ces technologies, bien que certains évaluateurs aient noté des lacunes telles que des graphiques en noir et blanc au lieu de la couleur, et un manque d'intérêt pour l'utilisation de HDF5 avec la bibliothèque pandas.

Avantages:

Bien écrit et accessible, concis et sans fioritures, excellents exemples, couvre HDF5 de manière complète, convient aux débutants et aux utilisateurs intermédiaires, inclut des informations sur HDF5 parallèle, fournit une base solide pour travailler avec HDF5 en Python.

Inconvénients:

Certains graphiques sont imprimés en noir et blanc au lieu de la couleur, ne couvre pas suffisamment l'intégration avec pandas, certains utilisateurs ont noté que la taille de la police était trop grande, ce qui réduit le contenu.

(basé sur 11 avis de lecteurs)

Titre original :

Python and Hdf5: Unlocking Scientific Data

Contenu du livre :

Acquérir une expérience pratique avec HDF5 pour stocker des données scientifiques en Python. Ce guide pratique vous permet de vous familiariser rapidement avec les détails, les meilleures pratiques et les pièges de l'utilisation de HDF5 pour archiver et partager des ensembles de données numériques dont la taille varie de quelques gigaoctets à plusieurs téraoctets.

Au travers d'exemples concrets et d'exercices pratiques, vous explorerez des sujets tels que les ensembles de données scientifiques, les groupes organisés hiérarchiquement, les métadonnées définies par l'utilisateur et les fichiers interopérables. Les exemples sont applicables aux utilisateurs de Python 2 et Python 3. Si vous connaissez les bases de l'analyse de données en Python, il s'agit d'une introduction idéale à HDF5.

Vous vous familiariserez avec les outils HDF5 et créerez votre premier fichier HDF5. Vous travaillerez avec des ensembles de données en apprenant l'objet HDF5 Dataset. Vous comprendrez les fonctionnalités avancées telles que le découpage et la compression des ensembles de données. Vous apprendrez à travailler avec la structure hiérarchique de HDF5, en utilisant les groupes. Vous créerez des fichiers auto-descriptifs en ajoutant des métadonnées avec les attributs HDF5. Vous tirerez parti du système de types de HDF5 pour créer des fichiers interopérables. Vous exprimerez les relations entre les données avec des références, des types nommés et des échelles de dimension. Vous découvrirez comment les mécanismes Python pour l'écriture de code parallèle interagissent avec HDF5.

Autres informations sur le livre :

• ISBN : 9781449367831
• Auteur : Andrew Collette
• Éditeur : Oreilly Media
• Reliure : Broché
• Année de publication : 2013
• Nombre de pages : 142