لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل دادهها با پایتون و Polars
- آخرین آپدیت
دانلود Introduction to Data Analysis with Python and Polars
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند دانش خود را آزمایش کنید، مفروضات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
در دنیای تحلیل دادهها با استفاده از پایتون و Polars، یک کتابخانه سریع و کارآمد برای مدیریت دادههای ساختاریافته، غوطهور شوید. این دوره شما را قادر میسازد تا مجموعهدادهها را مدیریت کنید، دادهها را پاکسازی و تبدیل نمایید و تحلیلهای بصیرانه انجام دهید و شما را به مهارتهای عملی قابل اجرا در پروژههای واقعی داده مجهز میکند.
شما با راهاندازی محیط خود در macOS یا ویندوز شروع خواهید کرد، مبانی ترمینال را میآموزید، بستههای پایتون را با uv نصب میکنید و برای مدیریت یکپارچه پروژه با Jupyter Lab آشنا میشوید. هر مرحله برای ایجاد اعتماد به نفس در شما و اطمینان از گردش کاری روان از همان ابتدا طراحی شده است.
سپس، مبانی پایتون شامل متغیرها، عملگرها، توابع و ساختارهای داده را بررسی خواهید کرد و سپس به مفاهیم تخصصی Polars خواهید پرداخت. شما یاد میگیرید که Series و DataFrame ایجاد کنید، مقادیر گمشده را مدیریت کنید، حافظه را بهینه کنید و از عبارتهای قدرتمند برای دستکاری و فیلتر کردن بهینه دادهها استفاده کنید.
این دوره برای مبتدیان و یادگیرندگان سطح متوسط علاقهمند به علوم داده یا تحلیل دادهها ایدهآل است. نیازی به تجربه قبلی در Polars نیست، اما آشنایی اولیه با پایتون کمککننده خواهد بود. هر کسی که به دنبال ارتقای مهارتهای تحلیل و مدیریت دادههای مبتنی بر پایتون است، ارزش زیادی در این دوره خواهد یافت.
در پایان دوره، شما قادر خواهید بود با اعتماد به نفس محیط دادههای خود را راهاندازی کنید، عملیات پیشرفته دستکاری دادهها را در Polars انجام دهید، مجموعهدادهها را پاکسازی و فیلتر کنید، دادهها را پیوند (Join) و تجمیع کنید و بینشهای کاربردی را از دادههای ساختاریافته با استفاده از پایتون و Polars استخراج نمایید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمهای بر تخصص
Introduction to the Specialization
[macOS] آشنایی با ترمینال
[macOS] Intro to Terminal
[macOS] نصب uv، مدیریت بستهها و پروژههای پایتون
[macOS] Install uv, a Python package and project manager
[macOS] دانلود منابع دوره و راهاندازی پروژه
[macOS] Download Course Materials and Setup Project
[Windows] آشنایی با PowerShell
[Windows] Intro to PowerShell
[Windows] نصب uv، مدیریت بستهها و پروژههای پایتون
[Windows] Install uv, a Python package and project manager
[Windows] دانلود منابع دوره و راهاندازی پروژه
[Windows] Download Course Materials and Setup Project
راه اندازی و بستن Jupyter Lab
Jupyter Lab Startup and Shutdown
آشنایی با Jupyter Lab
Intro to Jupyter Lab
تنظیم Ruff Formatter در Jupyter Lab
Setting Up Ruff Formatter in Jupyter Lab
وارد کردن کتابخانهها به Jupyter Lab
Import Libraries into Jupyter Lab
دوره فشرده پایتون
Python Crash Course
کامنتها
Comments
انواع دادهها
Data Types
عملگرها
Operators
عملگرهای تساوی و عدم تساوی
Equality and Inequality Operators
متغیرها
Variables
توابع داخلی
Built-In Functions
توابع سفارشی
Custom Functions
متدهای رشتهها
String Methods
لیستها
Lists
موقعیتهای ایندکس و برش (Slicing)
Index Positions and Slicing
تاپلها
Tuples
دیکشنریها
Dictionaries
کلاسها و اشیاء
Classes and Objects
وارد کردن ماژولها
Importing Modules
وارد کردن کتابخانهها
Importing Libraries
اعداد صحیح علامتدار و بدون علامت
Unsigned and Signed Integers
سریها (Series)
Series
وارد کردن Polars Series
Import the Polars Series
ایجاد یک سری (Series)
Create a Series
استنتاج نوع داده
Data Type Inference
ویژگیها (Attributes)
Attributes
مقادیر گمشده
Missing Values
متد alias
The alias Method
وارد کردن فایل CSV با تابع read_csv
Import a CSV File with the read_csv Function
متدهای head و tail
The head and tail Methods
بهینهسازی حافظه و پارامتر schema_overrides
Memory Optimization and the schema_overrides Parameter
مرتبسازی یک سری
Sorting a Series
متدهای ریاضی
Mathematical Methods
متدهای گرد کردن
Rounding Methods
تفاوتهای Polars با Pandas
How Polars Differs from Pandas
دیتافریمها ۱ (DataFrames I)
DataFrames I
مقدمهای بر دیتافریمها
Intro to DataFrames
ایجاد دیتافریم از ابتدا
Create a DataFrame from Scratch
خواندن دیتافریم از CSV
Read a DataFrame from CSV
بدون ایندکس، بدون مشکل
No Index, No Problem
مقدمهای بر عبارتها (Expressions)
Intro to Expressions
متد select بخش اول
The select Method I
تغییر نام ستونها
Renaming Columns
متد select بخش دوم
The select Method II
متد select بخش سوم: هدفگذاری بر اساس نوع داده
The select Method III: Targeting by Data Type
عبارتها به عنوان بلوکهای سازنده
Expressions as Building Blocks
عبارتهای شمارش مقادیر
Expressions that Count Values
استخراج یک یا چند ردیف
Extracting One or More Rows
سینتکس برش لیست (List Slicing)
List Slicing Syntax
عبارتهایی که مقادیر ردیف را هدف قرار میدهند
Expressions that Target Row Values
استخراج یک مقدار واحد از دیتافریم با متد item
Extracting a Single Value from DataFrame with the item Method
استخراج ردیفها بر اساس موقعیت ایندکس با متدهای gather و gather_every
Extracting Rows by Index Positions with the gather and gather_every Methods
استخراج مجموعهای تصادفی از مقادیر
Extracting a Random Set of Values
تغییر نوع (Casting) ستونها به انواع مختلف
Casting Columns to Different Types
سفارشیسازی اسکیمای دیتافریم
Customizing the DataFrame Schema
نمایش نظرات