آموزش Masterclass تحلیل و تجسم داده پایتون 2023

سرفصل ها و درس ها

معرفی Introduction

• خوش آمد گویی به دوره و بررسی برنامه درسی Course Welcome & Curriculum Walkthrough

• به انجمن بپیوندید! Join The Community!

• برای شرکت در این دوره چه چیزهایی باید بدانید؟ What Do You Need To Know To Take This Course?

• دانلود مطالب دوره مهم است!! Downloading The Course Materials IMPORTANT!!

• تمرینات چگونه کار می کنند How The Exercises Work

راه اندازی و نصب Setup & Installation

• معرفی نوت بوک Jupyter! Introducing Jupyter Notebook!

• راهنمای نصب مک Mac Installation Walkthrough

• راهنمای نصب ویندوز Windows Installation Walkthrough

• "نصب" پانداها و Matplotlib (مک و ویندوز) "Installing" Pandas & Matplotlib (Mac & Windows)

کار با نوت بوک Jupyter Working With Jupyter Notebook

• ایجاد نوت بوک و سلول های در حال اجرا Creating Notebooks & Running Cells

• خاموش کردن سرور نوت بوک Shutting Down The Notebook Server

• نحوه عملکرد خروجی سلول How Cell Output Works

• میانبرهای حالت فرمان Command Mode Shortcuts

• انواع سلول: زمان علامت گذاری! Cell Types: Markdown Time!

• راه اندازی مجدد کرنل Restarting The Kernel

• مشاهده اسناد درون یک نوت بوک Viewing The Docs Inside A Notebook

• تمرین: نوت بوک Jupyter EXERCISE: Jupyter Notebook

• راه حل: نوت بوک Jupyter SOLUTION: Jupyter Notebook

Dataframes & Datasets Dataframes & Datasets

• مجموعه داده ها و CSV Datasets & CSV

• PD.read_csv و DataFrames pd.read_csv & DataFrames

• بررسی DataFrames: head()، tail() و غیره. Inspecting DataFrames: head(), tail(), etc.

• Data Types and info() DataTypes and info()

• مجموعه داده فروش خانه The House Sales Dataset Walkthrough

• مجموعه داده‌های مسافران تایتانیک The Titanic Passenger Dataset Walkthrough

• جداکننده های بدون کاما: مجموعه داده نتفلیکس Non-comma Separators: Netflix Dataset

• سرصفحه اصلی: مجموعه داده جمعیت کشور Overriding Headers: Country Population Dataset

• تمرین: DataFrames & Datasets EXERCISE: DataFrames & Datasets

• راه حل: DataFrames و Datasets SOLUTION: DataFrames & Datasets

روش ها و محاسبات پایه دیتا فریم Basic DataFrame Methods & Computations

• حداقل و حداکثر Min & Max

• جمع و شمارش Sum & Count

• میانگین، میانه و حالت Mean, Median, & Mode

• توصیف با مقادیر عددی Describe With Numeric Values

• توصیف با مقادیر اشیاء (متن). Describe With Objects (Text) Values

• تمرین: روش های پایه دیتا فریم EXERCISE: Basic DataFrame Methods

• راه حل: روش های پایه DataFrame SOLUTION: Basic DataFrame Methods

سری و ستون ها Series & Columns

• انتخاب یک ستون واحد Selecting A Single Column

• نگاهی دقیق تر به سریال A Closer Look At Series

• روش های مهم سری Important Series Methods

• منحصر به فرد و منحصر به فرد unique & nunique

• بزرگترین و کوچکترین nlargest & nsmallest

• انتخاب چندین ستون Selecting Multiple Columns

• متد قدرتمند value_counts() The powerful value_counts() method

• استفاده از plot() برای تجسم! Using plot() to visualize!

• تمرین: سریال و طرح EXERCISE: Series & Plotting

• راه حل: سریال و طرح SOLUTION: Series & Plotting

نمایه سازی و مرتب سازی Indexing & Sorting

• مبانی Set_Index Set_Index Basics

• set_index: مجموعه داده های شاخص شادی جهانی set_index: The World Happiness Index Dataset

• تنظیم ایندکس با read_csv setting index with read_csv

• sort_values ​​مقدمه sort_values intro

• مرتب سازی بر اساس چندین ستون sorting by multiple columns

• مرتب سازی ستون های متن sorting text columns

• sort_index sort_index

• مرتب سازی و رسم! Sorting and Plotting!

• محل loc

• iloc iloc

• loc & iloc با سری loc & iloc with Series

• تمرین: نمایه ها و مرتب سازی EXERCISE: Indexes & Sorting

• راه حل: شاخص ها و مرتب سازی SOLUTION: Indexes & Sorting

فیلتر کردن DataFrames Filtering DataFrames

• فیلتر کردن دیتا فریم با سری بولی Filtering DataFrames With A Boolean Series

• فیلتر کردن با اپراتورهای مقایسه Filtering With Comparison Operators

• روش بین The Between Method

• متد isin(). The isin() Method

• ترکیب شرایط با استفاده از AND (&) Combining Conditions Using AND (&)

• ترکیب شرایط با استفاده از OR (|) Combining Conditions Using OR (|)

• نفی بیتی Bitwise Negation

• متدهای isna() و notna(). isna() and notna() Methods

• فیلتر کردن + نمونه‌های ترسیمی Filtering + Plotting Examples

• تمرین: فیلتر کردن EXERCISE: Filtering

• راه حل: تمرین فیلتر کردن SOLUTION: Filtering Exercise

اضافه کردن و حذف ستون ها Adding & Removing Columns

• رها کردن ستون ها Dropping Columns

• رها کردن ردیف ها Dropping Rows

• اضافه کردن ستون های استاتیک Adding Static Columns

• ایجاد ستون‌های پویا جدید Creating New "Dynamic" Columns

• یافتن بالاترین قیمت/متر مربع خانه Finding The Highest price/sqft homes

• پیدا کردن بزرگترین تغییرات قیمت بیت کوین Finding Largest Bitcoin Price Changes

• تمرین: اضافه کردن/حذف ستون ها و ردیف ها EXERCISE: Adding/Removing Columns & Rows

• راه حل: اضافه کردن/حذف ستون ها و سطرها SOLUTION: Adding/Removing Columns & Rows

به روز رسانی ارزش ها Updating Values

• تغییر نام ستون ها و برچسب های فهرست Renaming Columns and Index Labels

• متد ()replacement The replace() method

• به روز رسانی مقادیر با استفاده از loc[] Updating Values Using loc[]

• به روز رسانی چندین مقدار با استفاده از loc[] Updating Multiple Values Using loc[]

• ایجاد به روز رسانی با loc[] و Boolean Mask Making Updates With loc[] and Boolean Masks

• تمرین: به روز رسانی ارزش ها EXERCISE: Updating Values

• راه حل: به روز رسانی تمرین ارزش ها SOLUTION: Updating Values Exercise

کار با انواع و مقادیر NA Working With Types and NA Values

• انواع ریخته گری با astype() Casting Types With astype()

• معرفی نوع دسته Introducing the Category Type

• ارسال با pd.to_numeric() Casting With pd.to_numeric()

• dropna() و isna() dropna() and isna()

• fillna() fillna()

• تمرین: برخورد با ارزش های NA EXERCISE: Dealing With NA Values

• راه حل: برخورد با ارزش های NA SOLUTION: Dealing With NA Values

کار با تاریخ و زمان Working With Dates & Times

• چرا خرما مهم است Why Dates Matter

• تبدیل با pd.to_datetime() Converting With pd.to_datetime()

• تعیین فرمت های فانتزی با pd.to_datetime() Specifying Fancy Formats With pd.to_datetime()

• تاریخ ها و DataFrames Dates and DataFrames

• خواص مفید dt The Useful dt Properties

• مقایسه تاریخ ها Comparing Dates

• یافتن StarLink Flybys در مجموعه داده UFO Finding StarLink Flybys In UFO Dataset

• تاریخ ریاضی و زمان دلتا Date Math & TimeDeltas

• کاوش مجموعه داده نمودارهای بیلبورد Billboard Charts Dataset Exploration

• تمرین: تاریخ و زمان EXERCISE: Dates & Times

• راه حل: تاریخ و زمان SOLUTION: Dates & Times

Matplotlib Matplotlib

• معرفی Matplotlib Intro to Matplotlib

• اولین نقشه های Matplotlib ما! Our First Matplotlib Plots!

• آیا به ()plt.show نیاز داریم؟ Do We Need plt.show() ?

• آناتومی توطئه ها Anatomy of Plots

• اندازه و ابعاد طرح Figsize & Plot Dimensions

• تغییر صفحه سبک Matplotlib Changing Matplotlib Stylesheets

• سبک های خط، رنگ ها، عرض ها، و بیشتر! Line Styles, Colors, Widths, and More!

• برچسب‌ها و عناوین طرح Plot Labels & Titles

• تغییر تیک X و Y Changing X & Y Ticks

• اضافه کردن افسانه ها به طرح ها Adding Legends To Plots

• تمرین: چالش شماره 1 Matplotlib EXERCISE: Matplotlib Challenge #1

• ایجاد نمودارهای نواری Creating Bar Plots

• ایجاد هیستوگرام Creating Histograms

• تمرین: چالش Matplotlib شماره 2 EXERCISE: Matplotlib Challenge #2

• ایجاد نمودارهای پراکندگی Creating Scatter Plots

• ایجاد نمودارهای پای Creating Pie Charts

• تمرین: چالش شماره 3 Matplotlib EXERCISE: Matplotlib Challenge #3

• کار با طرح های فرعی Working With Subplots

• همه اش را بگذار کنار هم Putting It All Together

• تمرین: چالش Matplotlib شماره 4 EXERCISE: Matplotlib Challenge #4

بازديد از طرح توطئه پانداها Revisiting Pandas Plotting

• خلاصه داستان پانداها A Pandas Plotting Recap

• تغییر سبک طرح پانداها Changing Pandas Plot Styles

• افزودن برچسب و عنوان به طرح پانداها Adding Labels and Titles to Pandas Plots

• استفاده از rename() هنگام ترسیم Using rename() When Plotting

• نگاهی دقیق تر به طرح های بار پانداها Closer Look at Pandas Bar Plots

• تمرین: پانداها در طرح چالش شماره 1 EXERCISE: Pandas Plotting Challenge #1

• هیستوگرام پانداها Pandas Histograms

• توطئه های جعبه Box Plots

• طرح های خط پاندا Pandas Line Plots

• تمرین: پانداها در طرح چالش شماره 2 EXERCISE: Pandas Plotting Challenge #2

• طرح های پراکنده پانداها Pandas Scatter Plots

• توطئه های متعدد در همان محورها Multiple Plots On The Same Axes

• چالش توطئه UFOS! UFOS Plotting Challenge!

• تمرین: پانداها در طرح چالش شماره 3 EXERCISE: Pandas Plotting Challenge #3

• طرح های فرعی خودکار پانداها Pandas Automatic Subplots

• طرح های فرعی دستی با پانداها Manual Subplots With Pandas

• تمرین: پانداها در طرح چالش شماره 4 EXERCISE: Pandas Plotting Challenge #4

• تمرین: پانداها در طرح چالش شماره 5 EXERCISE: Pandas Plotting Challenge #5

• صادرات ارقام با savefig() Exporting Figures With savefig()

گروه بندی و تجمیع Grouping & Aggregating

• معرفی Groupby Introducing Groupby

• کاوش در گروه ها Exploring Groups

• تقسیم-اعمال-ترکیب Split-Apply-Combine

• با استفاده از روش Agg Using The Agg Method

• Agg با توابع سفارشی Agg with Custom Functions

• به نام تجمع Named Aggregation

• تمرین: Groupby EXERCISE: Groupby

• راه حل: Groupby SOLUTION: Groupby

نمایه سازی سلسله مراتبی Hierarchical Indexing

• Groupby با چندین ستون Groupby With Multiple Columns

• ایجاد MultiIndex با set_index Creating a MultiIndex With set_index

• مرتب سازی چند ایندکس Sorting A MultiIndex

• استفاده از .loc[] با MultiIndex Using .loc[] With A MultiIndex

• مقاطع عرضی با روش XS Cross Sections With The XS Method

• get_level_values() get_level_values()

• ستون های سلسله مراتبی Hierarchical Columns

• Stack() و Unstack() Stack() and Unstack()

• ترسیم با Unstack() Plotting With Unstack()

• گروه بندی بر اساس شاخص Grouping By Index

کار با متن Working With Text

• نوع داده رشته در مقابل. نوع داده شی The String Datatype Vs. Object Datatype

• Upper()، Lower() و Capitalize() Upper(), Lower(), and Capitalize()

• نمایه سازی سری رشته ها با [] Indexing String Series With []

• حذف فضای خالی با نوار () Stripping Whitespace With Strip()

• تقسیم مقادیر متن با Split() Splitting Text Values With Split()

• جایگزین کردن بخش‌هایی از رشته‌ها با Replace() Replacing Portions of Strings With Replace()

• تست رشته ها با Contains() Testing Strings With Contains()

Apply، Map و Applymap Apply, Map, & Applymap

• اعمال توابع در سری Applying Functions To Series

• Apply() با Lambdas & Arguments Apply() With Lambdas & Arguments

• Apply() w/DataFrames: Columns Apply() w/ DataFrames: Columns

• Apply() w/DataFrames: ردیف Apply() w/ DataFrames: Rows

• روش نقشه سری () The Series Map() Method

• روش ApplyMap() The ApplyMap() Method

ترکیب سری و دیتا فریم Combining Series & DataFrames

• سری الحاقی Concatenating Series

• پیوستن سری بر اساس شاخص Concatenating Series By Index

• اتصالات درونی در مقابل بیرونی Inner vs. Outer Joins

• الحاق DataFrame ها توسط ستون ها Concatenating DataFrames By Columns

• الحاق DataFrames بر اساس شاخص Concatenating DataFrames By Index

• متد DataFrame Merge() The DataFrame Merge() Method

• Merge() با اتصالات چپ، راست، داخلی و خارجی Merge() w/ Left, Right, Inner, & Outer Joins

• Merge() On و پسوند آرگومان ها Merge() On and Suffixes Arguments

متولد دریا Seaborn

• معرفی Seaborn Intro to Seaborn

• متد load_dataset() Helpful The Helpful load_dataset() method

• Scatterplots در دریا Seaborn Scatterplots

• خط ساحلی Seaborn Lineplots

• روش replot() The relplot() Method

• تغییر اندازه نمودارهای Seaborn: جنبه و ارتفاع Resizing Seaborn Plots: Aspect & Height

• هیستوگرام های دریایی Seaborn Histograms

• نمودارهای KDE KDE Plots

• نمودارهای توزیع دو متغیره Bivariate Distribution Plots

• راگ پلات Rugplots

• روش Amazing displot(). The Amazing displot() Method

توطئه های طبقه بندی شده Seaborn Seaborn Categorical Plots

• نمودار شماری Countplot

• طرح های نواری و ازدحامی Strip & Swarm Plots

• نمودارهای جعبه Boxplots

• باکسن پلات Boxenplots

• طرح های ویولن Violinplots

• بارپلات Barplots

• روش Catplot پسر بزرگ The Big Boy Catplot Method

کنترل زیبایی شناسی دریایی Controlling Seaborn Aesthetics

• تغییر تم های دریایی Changing Seaborn Themes

• سفارشی کردن سبک ها با set_style() Customizing Styles with set_style()

• تغییر ستون فقرات با despine() Altering Spines With despine()

• تغییر پالت های رنگی Changing Color Palettes