تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی توابع پایتون برای علم داده (2020)

دوره آموزشی توابع پایتون برای علم داده (2020)

1 ساعت 32 دقیقهمتوسط2020-10-02

مدرسین

Lavanya Vijayan

Lavanya Vijayan

Coding instructor who is passionate about STEM education and diversity

Madecraft

Madecraft

Full-Service Learning Content Company

جزئیات دوره

توابع، یک هسته اصلی برنامه نویسی و کار با داده‌ها و یک رویکرد اساسی برای ایجاد خوانایی و قابل استفاده مجدد کد است. در این دوره، چگونگی صرفه جویی در وقت و افزایش کد خود را با استفاده از توابع مشترک برای پروژه‌های علوم داده کشف کنید. توابع اساسی داخلی پایتون را برای علم داده و همچنین توابع داخلی پیشرفته‌تر مانند عملکرد فیلتر در پایتون را کاوش کنید. بیاموزید چگونه از کتابخانه‌های NumPy و SciPy برای دستکاری داده‌های عددی و انجام عملیات آماری، از توابع استفاده کنید. بیاموزید که چگونه با استفاده از توابع موجود در کتابخانه pandas، داده‌ها را به صورت موثر ذخیره و اصلاح و گروه‌بندی کنید. نکاتی در مورد استفاده از توابع از کتابخانه‌های Matplotlib و Seaborn برای تجسم داده‌ها دریافت کنید. به علاوه، اطلاعاتی در مورد مشکلات و اشتباهات رایج سازندگان هنگام استفاده از توابع به عنوان بخشی از ابتکار علم داده بدست آورید.

مهارت ها

PythonPersonaData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development

سرفصل ها

0. مقدمه

  • 01-توابع پایتون که باید بدانید
  • 02- بیشترین بهره را از این دوره ببرید

1. توابع داخلی پایتون برای علم داده

  • 03-تابع Python print().
  • 04-تابع ورودی پایتون()
  • 5-تابع abs() پایتون
  • 6-تابع Python round().
  • 7-تابع min() Python
  • 8-تابع Python max().
  • 9-تابع Python sorted().
  • 10-تابع sum() Python
  • 11-تابع len() Python
  • 12-تابع Python type().

2. توابع داخلی پیشرفته پایتون برای علم داده

  • 13-تابع نقشه () Python
  • 14-تابع زیپ پایتون ()
  • 15-تابع Python filter().

3. توابع از کتابخانه NumPy برای دستکاری داده های عددی

  • 16- آرایه های NumPy را در پایتون ایجاد کنید
  • 17-مقادیر حداقل و حداکثر در آرایه های NumPy
  • 18-شاخص مقادیر min و max در آرایه های NumPy
  • 19- اشکال آرایه های NumPy را بیابید و شکل دهید
  • 20- آیتم ها یا گروه هایی از آیتم ها را از آرایه های NumPy انتخاب کنید
  • 21-عملیات حسابی روی آرایه های NumPy
  • 22-عملیات اسکالر روی آرایه های NumPy
  • 23-عملیات آماری روی آرایه های NumPy
  • 24-سایر عملیات روی آرایه های NumPy

4. توابع از کتابخانه SciPy برای محاسبات علمی

  • 25-عملیات جبر خطی با SciPy
  • 26-توابع آماری با SciPy

5. توابع از کتابخانه پانداها برای دستکاری داده ها و تجزیه و تحلیل داده ها

  • 27-یک سری پاندا بسازید
  • 28-یک DataFrame پاندا بسازید
  • 29- زیر مجموعه های داده را از اشیاء پاندا انتخاب کنید
  • 30-اشیاء پاندا را اصلاح کنید
  • 31- داده های اشیاء پاندا را ترکیب کنید
  • 32-گروه بندی داده ها از اشیاء پانداها

6. توابع از Matplotlib برای تجسم داده ها

  • 33-قطعات خط متپلاتلب
  • 34-قطعات پراکنده Matplotlib
  • 35-قطعات میله متپلاتلب
  • 36- نمودار دایره ای Matplotlib
  • 37-هیستوگرام های Matplotlib
  • 38-قطعات فرعی Matplotlib

7. توابع Seaborn برای تجسم داده ها

  • 39-قطعات جعبه دریا
  • 40- نمودارهای تخمینی تراکم هسته دریازاد
  • 41- توطئه های ویولن دریایی
  • 42-نقشه های حرارتی دریا

نتیجه

  • 43- استفاده از توابع پایتون را شروع کنید

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
زرین پال
زیبال