آموزش پایتون برای تجسم داده ها

سرفصل ها و درس ها

معرفی Introduction

• قبل از اینکه تو شروع کنی Before you start

• به طور موثر داده ها را با پایتون ارائه دهید Effectively present data with Python

• با استفاده از فایل های تمرین Using the exercise files

1. نمای کلی تجسم داده ها 1. Data Visualization Overview

• استفاده از زبان های برنامه نویسی Leverage programming languages

• مروری بر نوت بوک های Jupyter Overview of Jupyter Notebooks

• ارزش تجسم داده ها Value of data visualization

2. از پانداها برای تجزیه و تحلیل استفاده کنید 2. Leverage pandas for Analysis

• تبدیل DataFrames پانداها Convert pandas DataFrames

• داده های از دست رفته را حذف یا پر کنید Remove or fill in missing data

• عملیات اساسی Basic operations

• داده های نمونه را بارگیری کنید Load sample data

• فیلتر و پاک کردن داده ها Filter and clean data

• توابع جمع Aggregate functions

• داده های از دست رفته را شناسایی کنید Identify missing data

• با برش ساده کنید Simplify with slicing

• داده های نمونه ایجاد کنید Create sample data

• تغییر نام و حذف ستون ها Rename and delete columns

• صادرات پانداها DataFrames Export pandas DataFrames

• آشنایی با پانداها Introduction to pandas

3. تجسم را با Matplotlib ساده کنید 3. Simplify Visualization with Matplotlib

• توطئه ها را در فایل ها ذخیره کنید Save plots to files

• شبکه ها را اضافه کنید Add grids

• نوع و رنگ نشانگر را تنظیم کنید Set marker type and colors

• با بسته بندی های Matplotlib نمودار ایجاد کنید Create plots with Matplotlib wrappers

• افسانه بسازید Create legends

• سبک MATLAB در مقابل نحو شی MATLAB-style vs. object syntax

• عناوین، برچسب‌ها و محدودیت‌ها را تعیین کنید Set titles, labels, and limits

• مبانی Matplotlib Basics of Matplotlib

4. تجسم ها را با Matplotlib سفارشی کنید 4. Customize Visualizations with Matplotlib

• هیستوگرام ایجاد کنید Create histograms

• ایجاد نقشه های حرارتی Create heatmaps

• طرح های فرعی ایجاد کنید Create subplots

نتیجه Conclusion

• مراحل بعدی Next steps