آموزش پانداها برای Data Science

pandas for Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پانداها برای Data Science مقدمه ای برای یکی از جدیدترین ابزارهای جدید در دسترس متخصصان علوم داده و تجزیه و تحلیل تجارت است. pandas یک کتابخانه منبع باز است که ساختار داده های با کارایی بالا و استفاده آسان و ابزارهای تجزیه و تحلیل داده ها را فراهم می کند. در حالی که پایتون از قابلیت های بسیار خوبی برای دستکاری داده ها و آماده سازی داده ها برخوردار است ، pandas ابزارهای تجزیه و تحلیل و مدل سازی داده ها را اضافه می کند تا کاربران بتوانند جریان های کاری علوم داده را انجام دهند.

این دوره را مشاهده کنید تا نمای کلی از پانداها را بدست آورید. چارلز کلی به شما کمک می کند تا با سری های زمانی ، فریم داده ها ، پانل ها ، طرح ها و تجسم شروع به کار کنید. تمام آنچه شما نیاز دارید کپی از برنامه رایگان و تعاملی Jupyter Notebook برای تمرین و پیگیری است.
موضوعات شامل:
  • استفاده از زبان Markdown و Jupyter Notebook
  • ایجاد اشیا
  • انتخاب اشیا
  • استفاده از عملیات
  • ادغام داده ها
  • گروه بندی
  • ایجاد مجموعه
  • ایجاد فریم های داده
  • ایجاد پنل
  • نقشه کشی
  • حاشیه نویسی نمودارها و نمودارهای داده داده

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • NumPy ، علوم داده و IMQAV NumPy, data science, and IMQAV

  • با استفاده از پرونده های تمرینی Using the exercise files

  • نصب نرم افزار Install software

1. معرفی نوت بوک ها 1. Introduction to Notebooks

  • آشنایی با نوت بوک Jupyter Introduction to Jupyter Notebook

  • نوت بوک Jupyter را راه اندازی کنید Launch Jupyter Notebook

  • مبانی نوت بوک Notebook basics

  • علامت گذاری Markdown

  • جداول علامت گذاری Markdown tables

  • حروفچینی زیبا ریاضیات Beautiful mathematics typesetting

2. بررسی اجمالی پاندا 2. Pandas Overview

  • ایجاد شی Object creation

  • انتخاب Selection

  • بیانیه های واگذاری Assignment statements

  • داده موجود نیست Missing data

  • عملیات Operations

  • ادغام: پيوستن ، پيوستن ، پيوستن Merge: concat, join, append

  • ورودی و خروجی Input and output

  • دسترسی از راه دور به داده Remote data access

  • گروه بندی Grouping

  • دسته بندی ها Categoricals

  • مجدد سریال دوباره Time series resampling

3. سری 3. Series

  • ایجاد سری Create series

  • عملیات برداری Vectorized operations

  • حساب تاریخ Date arithmetic

4. قاب داده ها و پانل ها 4. Data Frames and Panels

  • ایجاد فریم داده Create data frames

  • را انتخاب کنید ، اضافه کنید و حذف کنید Select, add, and delete

  • نمایه سازی و انتخاب Indexing and selection

  • توابع جهانی NumPy NumPy universal functions

  • پانل ها را ایجاد کنید Create panels

5- توطئه 5. Plotting

  • رسم درون خطی Inline plotting

  • شکل ها و زیرشاخه ها Figures and subplots

  • چندین خط در یک طرح واحد Multiple lines in a single plot

  • علائم تیک ، برچسب ها و شبکه ها Tick marks, labels, and grids

  • حاشیه نویسی طرح Plot annotations

  • توطئه های قاب داده Data frame plots

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش پانداها برای Data Science
جزییات دوره
2h 3m
37
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
112,323
- از 5
ندارد
دارد
دارد
Charles Kelly
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Charles Kelly Charles Kelly

چارلز کلی مدیر ارشد فناوری (CTO) در SAGE ، ژنراتور کاربرد ساده برای Eclipse است. SAGE به تولید کد برای سیستم های مشتری-سرور ، سیستم عامل های مشتری غنی ، سیستم های محاسبات موازی و سایر مؤلفه های رابط کاربر کمک می کند. وی مدرس و استادیار دانشگاه سن دیگو و استاد برجسته در موسسه فناوری دالین بوده است. او در اوقات فراغت ، تقاطع های برنامه نویسی نرم افزار و سودوکو را دنبال می کند. اطلاعات بیشتری در charleskelly.com کسب کنید.