دوره آموزشی یادگیری جامع pandas
3 ساعت 11 دقیقهمتوسط2024-05-24
مدرسین

Jonathan Fernandes
Consultant focusing on data science, AI, and big data
جزئیات دوره
pandas یک کتابخانه تجزیه و تحلیل داده منبع باز است که ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهای تجزیه و تحلیل داده را برای پایتون فراهم می کند. در این دوره آموزشی سطح متوسط و عملی، نحوه استفاده از کتابخانه پانداها و ابزارها برای تجزیه و تحلیل داده ها و ساختاردهی داده ها را با مربی جاناتان فرناندز بیاموزید. به موضوعاتی مانند DataFrames، رسم اولیه، نمایه سازی و groupby نگاهی عمیق بیندازید. جاناتان برای کمک به شما در یادگیری نحوه کار با داده ها به طور موثرتر، شما را از طریق یک سری تمرین های کدگذاری عملی که بر اساس همان مجموعه داده بزرگ و عمومی است، راهنمایی می کند.
توجه: دانش اولیه پایتون پیش نیاز این دوره است.
توجه: دانش اولیه پایتون پیش نیاز این دوره است.
مهارت ها
pandasPythonData AnalysisEssential TrainingData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source
سرفصل ها
0. مقدمه
- 01 - به پانداها خوش آمدید
1. راهاندازی فنی
- 02 - استفاده از Google Colab
- 03 - پاندا چیست
- 04 - استفاده از پانداها
- 05 - خواندن دادههای جدولی در پانداها
2. اصول کار با پانداها
- 06 - یک نمای کلی از دادهها و نمایش آنها دریافت کنید
- 07 - انتخاب یک سری (ستون)
- 08 - چالش - مبانی
- 09 - راه حل - مبانی
- 10 - لیستها و دیکشنریهای پایتون
- 11 - تغییر نام یک سری (یا ستون)
- 12 - یک سری (ستون) یا ردیف را حذف کنید
- 13 - فیلتر کردن ردیفها برای یک شرط
- 14 - ردیفها را برای شرایط متعدد فیلتر کنید
- 15 - استفاده از متدهای String
- 16 - مرتب سازی DataFrame یا Series
3. تکنیکهای پانداهای متوسط
- 17 - کار با انواع داده (dtype)
- 18 - استفاده از حافظه dtypes
- 19 - تعریف dtypes هنگام خواندن در یک فایل
- 20 - توابع پایتون
- 21 - کار با شاخص ها
- 22 - مولد بودن در پانداها - بهترین شیوههای من
- 23 - ایجاد سری و دیتا فریم
- 24 - کار با خرما
- 25 - ترکیب DataFrames
- 26 - ترکیب مجموعه داده ها
- 27 - کار با دادههای از دست رفته
- 28 - حذف دادههای از دست رفته
- 29 - کار با موارد تکراری
- 30 - اعتبارسنجی داده ها
- 31 - به روز رسانی dtypes
- 32 - مجموعه دادهها را ترکیب کنید
4. تجسم ها
- 33 - رسم داده ها
- 34 - کار با نقشههای رنگی و seaborn
- 35 - کار با groupby
- 36 - شکل دهی مجدد دادهها - انباشتن، برداشتن پشته و MultiIndex
- 37 - چالش - تجسم
- 38 - راه حل - تجسم ها
- 39 - ایجاد نقشههای رنگی خود
5. خلاصه یادگیری
- 40 - چالش نهایی - خلاصه
- 41 - راه حل - خلاصه
نتیجه
- 42 - مراحل بعدی شما در پانداها
دوره های مرتبط
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی پیشرفته Pandas
- دوره آموزشی پایتون پیشرفته: بهترین ابزارها برای علم داده و مهندسی
- دوره آموزشی یادگیری عمیق و هوش مصنوعی مولد: آمادهسازی دادهها، تحلیل و تجسم با پایتون
- دوره آموزشی تحلیل دادهها با پایتون و پانداس
- دوره آموزشی از pandas به Polars
- دوره آموزشی پایتون در اکسل: کار با pandas DataFrames