آموزش ساخت تجسم داده ها با استفاده از Matplotlib

Building Data Visualizations Using Matplotlib

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: Matplotlib یکی از محبوب ترین کتابخانه های تجسم است که توسط تحلیل گران داده و دانشمندان داده ای که در پایتون کار می کنند مورد استفاده قرار می گیرد ، اما استفاده از آنها اغلب می تواند ترسناک باشد. این دوره کار ساده و ساده را با Matplotlib انجام می دهد. این دوره به منظور دسترسی آسان و قابل درک بودن Matplotlib برای یک دانشمند داده یا تحلیلگر بازرگانی که باید سریع و بصری با روابط یک مجموعه داده بزرگ ارتباط برقرار کند ، تمرکز خواهد داشت. در این دوره ، ساخت داده های تجسم داده با استفاده از Matplotlib ، اجزای اساسی را که یک طرح را تشکیل می دهند کشف خواهید کرد و خواهید دید که چگونه می توانید پارامترها و ویژگی ها را تغییر دهید تا تجسم ها دقیقاً مطابق خواسته شما تنظیم شود. ابتدا می توانید API های اساسی موجود در Matplotlib و محل استفاده از آنها را بفهمید و یاد بگیرید که چگونه صفحه نمایش ، رنگ ها و سایر ویژگی های این نمودارها را که چندین محور دارند سفارشی کنید. در مرحله بعدی ، شما نمودارهای متوسط و پیشرفته ، ترسیم اشکال و منحنی های Bezier ، استفاده از متن و حاشیه نویسی برای برجسته کردن عناصر نمودار ، و عادی سازی مقیاس هایی که در محور x و y استفاده می کنید ، خواهید ساخت. سرانجام ، برای تجسم داده های آماری از جمله میانگین ، حالت متوسط و نقاط دور افتاده ، نمودارهای جعبه روی جلد ، نمودارهای ویولن ، هیستوگرام ها ، نمودارهای پای ، نمودارهای پایه و پشته و نمودار همبستگی ها از برخی داده های دنیای واقعی استفاده خواهید کرد. با پایان این دوره ، شما نه تنها تمام ذرات چربی موجود در Matplotlib را بررسی خواهید کرد. اما شما همچنین می توانید تصاویری آماده برای تولید رابط کاربری خود را جاسازی کنید یا در گزارش ها و ارائه ها نمایش دهید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کار با APPL های Matplotlib و Pyplot Working with the Matplotlib and Pyplot APIs

  • بررسی اجمالی ماژول Module Overview

  • طرح کلی دوره و پیش نیازها Course Outline and Prerequisites

  • معرفی Matplotlib Introduction to Matplotlib

  • آناتومی یک شکل Anatomy of a Figure

  • حالت غیر تعاملی Non-interactive Mode

  • باطن های تعاملی Interactive Backends

  • طرح های اساسی Basic Plots

  • خطوط و نشانگرها Lines and Markers

  • ارقام و محورها Figures and Axes

  • متن Watermarks

  • تجسم داده های سهام Visualizing Stock Data

ساخت قطعات اصلی ، متوسط و پیشرفته با Matplotlib Building Basic, Intermediate, and Advanced Plots with Matplotlib

  • بررسی اجمالی ماژول Module Overview

  • رسم اشکال Plotting Shapes

  • تجسم منحنی Bezier Visualizing a Bezier Curve

  • مسیرهای طراحی و منحنی های بزیر Drawing Paths and Bezier Curves

  • حاشیه نویسی Annotations

  • مقیاس Scales

  • محور دوقلو Twin Axis

تجسم داده های آماری با Matplotlib Visualizing Statistical Data with Matplotlib

  • بررسی اجمالی ماژول Module Overview

  • تجسم و سفارشی کردن یک Boxplot Visualizing and Customizing a Boxplot

  • استفاده از Boxplots برای رسم اطلاعات نمرات امتحان Using Boxplots to Plot Exam Scores Data

  • طرح های ویولن Violin Plots

  • هیستوگرام Histograms

  • نمودارهای پای Pie Charts

  • همبستگی خودکار Autocorrelation

  • رسم همبستگی های خودکار در داده های سری زمانی Plotting Autocorrelations in Time Series Data

  • طرحهای انباشته شده و طرحهای بنیادی Stacked Plots and Stem Plots

نمایش نظرات

آموزش ساخت تجسم داده ها با استفاده از Matplotlib
جزییات دوره
2h 8m
28
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
28
4.7 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.