دوره آموزشی تصویربرداری دادهها با Matplotlib و Seaborn
7 ساعت 27 دقیقهمتوسط2024-09-26
مدرسین

Maven Analytics

Chris Bruehl
جزئیات دوره
این یک دوره کاربردی و پروژهمحور است که برای کمک به شما در یادگیری دو بسته محبوب پایتون برای مصورسازی دادهها طراحی شده است: Matplotlib و Seaborn.
ابتدا با یک معرفی سریع از چارچوبهای مصورسازی داده و بهترین شیوهها آشنا شوید، و نکات اساسی بصری، خطاهای رایج و نکات کلیدی برای ارتباط و داستانسرایی مؤثر را مرور کنید.
اصول پایه Matplotlib را کاوش کرده و نمودارهای خطی، نمودارهای میلهای، دایرهای و دوناتی، پراکندگی، هیستوگرامها و بیشتر را بسازید و شخصیسازی کنید. اجزای یک شکل Matplotlib را تحلیل کنید، تکنیکهای معمول قالببندی نمودار را اعمال کرده و از گزینههای پیشرفتهتر شخصیسازی مانند زیرنمودارها، GridSpec، ورقهای سبک و پارامترها استفاده کنید. در نهایت، اصول ساخت نمودار و استفاده از بصریها در کتابخانه Seaborn را یاد بگیرید.
در طول دوره، شما نقش مشاور در گروه مشاوره Maven را ایفا خواهید کرد و میتوانید مهارتهای خود را در پروژهها و مطالعات موردی واقعی به کار ببرید.
اهداف آموزشی:
شناسایی بهترین شیوههای مصورسازی داده، شامل بصریهای ضروری و موارد استفاده آنها، خطاهای رایج و نکات قالببندی و داستانسرایی مؤثر.
تفسیر نحو پایتون برای ایجاد اشیاء نموداری با کتابخانه Matplotlib، شامل API PyPlot و رابطهای شیگرای آن.
استفاده از اجزای یک شیء نموداری Matplotlib، شامل عناوین، افسانهها، رنگها، سبکها، توضیحات، تیکهای محورها، زیرنمودارها و GridSpecs.
تحلیل توابع نموداری Matplotlib برای انواع مختلف نمودارها، شامل نمودارهای خطی، نمودارهای میلهای، نمودارهای دایرهای، هیستوگرامها و پراکندگیها.
تحلیل توابع نموداری Seaborn برای انواع مختلف نمودارها، شامل نمودارهای میلهای، هیستوگرامها، نمودارهای جعبهای، نمودارهای ویولن، نقشههای حرارتی و نمودارهای روابط خطی.
ابتدا با یک معرفی سریع از چارچوبهای مصورسازی داده و بهترین شیوهها آشنا شوید، و نکات اساسی بصری، خطاهای رایج و نکات کلیدی برای ارتباط و داستانسرایی مؤثر را مرور کنید.
اصول پایه Matplotlib را کاوش کرده و نمودارهای خطی، نمودارهای میلهای، دایرهای و دوناتی، پراکندگی، هیستوگرامها و بیشتر را بسازید و شخصیسازی کنید. اجزای یک شکل Matplotlib را تحلیل کنید، تکنیکهای معمول قالببندی نمودار را اعمال کرده و از گزینههای پیشرفتهتر شخصیسازی مانند زیرنمودارها، GridSpec، ورقهای سبک و پارامترها استفاده کنید. در نهایت، اصول ساخت نمودار و استفاده از بصریها در کتابخانه Seaborn را یاد بگیرید.
در طول دوره، شما نقش مشاور در گروه مشاوره Maven را ایفا خواهید کرد و میتوانید مهارتهای خود را در پروژهها و مطالعات موردی واقعی به کار ببرید.
اهداف آموزشی:
شناسایی بهترین شیوههای مصورسازی داده، شامل بصریهای ضروری و موارد استفاده آنها، خطاهای رایج و نکات قالببندی و داستانسرایی مؤثر.
تفسیر نحو پایتون برای ایجاد اشیاء نموداری با کتابخانه Matplotlib، شامل API PyPlot و رابطهای شیگرای آن.
استفاده از اجزای یک شیء نموداری Matplotlib، شامل عناوین، افسانهها، رنگها، سبکها، توضیحات، تیکهای محورها، زیرنمودارها و GridSpecs.
تحلیل توابع نموداری Matplotlib برای انواع مختلف نمودارها، شامل نمودارهای خطی، نمودارهای میلهای، نمودارهای دایرهای، هیستوگرامها و پراکندگیها.
تحلیل توابع نموداری Seaborn برای انواع مختلف نمودارها، شامل نمودارهای میلهای، هیستوگرامها، نمودارهای جعبهای، نمودارهای ویولن، نقشههای حرارتی و نمودارهای روابط خطی.
مهارت ها
Data VisualizationPythonData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceOne-Off
سرفصل ها
مقدمه
- ساختار دوره و طرح کلی
- معرفی پروژه دوره
- تعیین انتظارات
- نصب و راهاندازی Jupyter
مقدمه ای برای تجسم داده ها
- چرا دادهها را تجسم کنید
- سه سوال کلیدی
- تصاویر ضروری
- قالببندی نمودار و داستان سرایی
- اشتباهات رایج در تجسم
- غذای کلیدی
مبانی Matplotlib
- معرفی Matplotlib
- روشهای رسم
- ترسیم DataFrames
- چالش - ترسیم DataFrames
- راه حل - ترسیم DataFrames
- آناتومی یک فیگور Matplotlib
- عنوان نمودار و اندازه فونت
- افسانههای نمودار
- سبکهای خط
- حدود محور
- اندازههای شکل
- تیکهای محور سفارشی
- خطوط عمودی
- افزودن متن
- نکته حرفهای - حاشیه نویسی متن
- حذف مرزها
- چالش - قالببندی نمودارها
- راه حل - قالببندی نمودارها
- نمودارهای خطی
- نمودارهای خطی انباشته
- نمودارهای دو محوره
- چالش - نمودارهای خط دو محوره
- راه حل - نمودارهای خط دو محوره
- نمودار میله ای
- چالش - نمودار میله ای
- حل - نمودار میله ای
- نمودارهای میله ای پشته ای
- نمودارهای میله ای گروه بندی شده
- نمودارهای ترکیبی
- چالش - نمودار میله ای پیشرفته
- راه حل - نمودار میله ای پیشرفته
- نمودار پای و دونات
- چالش - نمودار پای و دونات
- راه حل - نمودار پای و دونات
- نمودارهای پراکنده و حبابی
- هیستوگرام
- چالش - نمودارهای پراکنده و هیستوگرام
- حل - نمودار پراکندگی و هیستوگرام
- غذای کلیدی
پروژه 1 - تجسم داده ها
- معرفی پروژه
- راه حل
سفارشی سازی پیشرفته
- مقدمه ای برای سفارشی سازی پیشرفته
- طرحهای فرعی
- چالش - طرحهای فرعی
- حل - طرحهای فرعی
- GridSpec
- چالش - GridSpec
- راه حل - GridSpec
- گزینههای رنگ
- پالتهای رنگی
- چالش - رنگ
- راه حل - رنگها
- شيوه نامه
- چالش - برگههای سبک
- راه حل - شیوه نامه
- rcParams
- ذخیره ارقام و تصاویر
- غذای کلیدی
پروژه 2 - تجسم تولید جهانی قهوه
- معرفی پروژه
- راه حل
تجسم با Seaborn
- مقدمه ای برای متولدین دریا
- گزینههای قالببندی اولیه
- نمودار میله ای و هیستوگرام
- چالش - نمودار میله ای و هیستوگرام
- راه حل - نمودار میله ای و هیستوگرام
- طرحهای جعبه و ویولن
- چالش - طرحهای جعبه و ویولن
- حل - طرحهای جعبه و ویولن
- نمودارهای روابط خطی
- قطعات مشترک
- Pairplots
- چالش - نمودارهای روابط خطی
- حل - نمودارهای رابطه خطی
- نقشههای حرارتی
- چالش - نقشههای حرارتی
- راه حل - نقشههای حرارتی
- FacetGrid
- ادغام Matplotlib
- غذای کلیدی
پروژه 3 - تجزیهوتحلیل فروش خودروهای دست دوم
- معرفی پروژه
- راه حل