دوره آموزشی یادگیری جامع pandas آپدیت (2017)
2 ساعت 15 دقیقهمتوسط2017-11-03
مدرسین

Jonathan Fernandes
Consultant focusing on data science, AI, and big data
جزئیات دوره
pandas یک کتابخانه 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، نحوه استفاده از کتابخانه pandas و ابزارها برای تجزیه و تحلیل داده ها و ساختاردهی داده ها را بیاموزید. مربی Jonathan Fernandes به موضوعاتی مانند DataFrames، رسم اولیه، نمایه سازی و groupby می پردازد. جاناتان برای کمک به یادگیری نحوه کار موثرتر با داده ها، شما را از طریق مجموعه ای از تمرینات که بر اساس همان مجموعه داده های عمومی و بزرگ است، راهنمایی می کند: برندگان مدال المپیک از سال 1896 تا 2008.
اهداف یادگیری
DataFrames
کار با توطئه ها
نمایه سازی بولی
دست زدن به رشته
نمایه سازی
گروه بندی داده ها
تغییر شکل دادن
ایجاد نقشه های رنگی خود
اهداف یادگیری
DataFrames
کار با توطئه ها
نمایه سازی بولی
دست زدن به رشته
نمایه سازی
گروه بندی داده ها
تغییر شکل دادن
ایجاد نقشه های رنگی خود
مهارت ها
pandasData AnalysisEssential TrainingData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - آنچه باید بدانید
- 03 - فایلهای تمرینی
1. راهاندازی فنی
- 04 - نصب آناکوندا
- 05 - دانلود مجموعه داده
- 06 - استفاده از نوت بوک Jupyter
- 07 - استفاده از pandas
2. سری و دیتا فریم
- 08 - DataFrames
- 09 - سری
- 10 - چالش
- 11 - راه حل
3. ورودی و اعتبارسنجی داده ها
- 12 - استفاده از read csv()
- 13 - استفاده از شکل
- 14 - استفاده از head() و tail()
- 15 - استفاده از اطلاعات ()
4. تجزیهوتحلیل پایه
- 16 - استفاده از مقدار شمارش ()
- 17 - استفاده از sort values()
- 18 - پروفایل سازی بولی
- 19 - دست زدن به رشته
- 20 - چالش
- 21 - راه حل
5. نقشه برداری اساسی
- 22 - پلات اساسی
- 23 - انواع قطعه
- 24 - رنگ
- 25 - انجیر
- 26 - نقشههای رنگی
- 27 - نقشه اولیه Seaborn
- 28 - چالش
- 29 - راه حل
6. پروفایل سازی
- 30 - فهرست
- 31 - استفاده از set index()
- 32 - استفاده از reset index()
- 33 - استفاده از sort index()
- 34 - استفاده از loc
- 35 - استفاده از iloc
- 36 - چالش
- 37 - راه حل
7. Groupby
- 38 - Groupby
- 39 - از طریق یک گروه تکرار کنید
- 40 - محاسبات Groupby
- 41 - چالش
- 42 - راه حل
8. تغییر شکل
- 43 - تغییر شکل
- 44 - استفاده از stack()
- 45 - استفاده از unstack()
- 46 - چالش
- 47 - راه حل
9. تجسم داده ها
- 48 - آموزش نقشههای حرارتی
- 49 - ایجاد نقشههای رنگی خود
10. چالش
- 50 - چالش نهایی
- 51 - راه حل نهایی
نتیجه
- 52 - مراحل بعدی
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 یادگیری جامع pandas