Name: Statistics and Data Visualization in Climate Science with R and Python (en Inglés)
Price: 1558.62 MXN
Availability: InStock
Author: Shen, Samuel S. P. ; North, Gerald R.
ISBN: 9781108842570

Envío gratis

portada Statistics and Data Visualization in Climate Science with R and Python (en Inglés)

Formato

Libro Físico

Autor

Samuel S. P. Shen

Gerald R. North

Editorial

Cambridge University Press

Idioma

Inglés

N° páginas

458

Encuadernación

Tapa Dura

Dimensiones

25.6 x 20.4 x 2.6 cm

Peso

1.18 kg.

ISBN13

9781108842570

Categorías

Meteorología y climatología
El tiempo y el clima

Statistics and Data Visualization in Climate Science with R and Python (en Inglés)

Samuel S. P. Shen (Autor) · Gerald R. North (Autor) · Cambridge University Press · Tapa Dura

Libro Nuevo

$ 1,558.62

$ 2,833.86

Ahorras: $ 1,275.24

45% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Jueves 11 de Julio y el Viernes 19 de Julio.

Lo recibirás en cualquier lugar de México entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Statistics and Data Visualization in Climate Science with R and Python (en Inglés)"

A comprehensive overview of essential statistical concepts, useful statistical methods, data visualization, and modern computing tools for the climate sciences and many others such as geography and environmental engineering. It is an invaluable reference for students and researchers in climatology and its connected fields who wish to learn data science, statistics, R and Python programming. The examples and exercises in the book empower readers to work on real climate data from station observations, remote sensing and simulated results. For example, students can use R or Python code to read and plot the global warming data and the global precipitation data in netCDF, csv, txt, or JSON; and compute and interpret empirical orthogonal functions. The book's computer code and real-world data allow readers to fully utilize the modern computing technology and updated datasets. Online supplementary resources include R code and Python code, data files, figure files, tutorials, slides and sample syllabi.