آموزش تجزیه و تحلیل داده های پایتون

Python Data Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: علم داده در حال تغییر روشی است که رهبران دولت و صنعت به مشکلات خاص و به کل جهان نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل واقعاً کار می کند؟ در این دوره ، مدرس Michele Vallisneri به شما نشان می دهد که ، برای شروع کار با علم داده با استفاده از Python ، چه چیزی لازم است.

Michele نحوه تنظیم محیط تجزیه و تحلیل شما را نشان می دهد و در زمینه کار با داده ها تجدید نظر می کند ساختارها در پایتون. سپس ، او وارد چیزهای بزرگ می شود: قدرت آرایه ها ، نمایه سازی و جداول در NumPy و pandas - دو بسته شخص ثالث محبوب که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. وی همچنین از طریق دو نمونه از پروژه های کلان داده گام برمی دارد: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آموخته های خود را تمرین کنید.

توجه: این نسخه از دوره برای بروز تغییرات اخیر در پایتون 3 ، NumPy و پانداها به روز شد.
موضوعات شامل:
  • نحوه نصب و راه اندازی پایتون و بارگیری کتابخانه های لازم را شرح دهید.
  • مثالهای استفاده از لیستها و دامنه ها را در پایتون توضیح دهید.
  • روشهای پردازش رشته را در پایتون توضیح دهید.
  • مشخصات و مشخصات آرایه های NumPy را توصیف کنید.
  • مثالهای استفاده از روشهای NumPy در تولید و تحلیل داده ها را توضیح دهید.
  • برای ایجاد طرح های xy از matplotlib استفاده کنید.
  • مشخصات و مشخصات DataFrames را در پانداها شرح دهید.

سرفصل ها و درس ها

مقدمه Introduction

  • در تجزیه و تحلیل داده ها با پایتون شروع کنید Get started in data analysis with Python

  • چه چیزی میخواهید بدانید What you need to know

  • چه جدید در این به روز رسانی وجود دارد What's new in this update

1. نصب و راه اندازی 1. Installation and Setup

  • Anaconda Python را روی سیستم عامل X نصب کنید Install Anaconda Python on OS X

  • Anaconda Python را در ویندوز نصب کنید Install Anaconda Python on Windows

  • کار با نوت بوک های Jupyter Working with Jupyter Notebooks

  • با استفاده از پرونده های تمرینی Using the exercise files

  • استفاده از پایتون در ابر Using Python in the cloud

2. ساختار داده ها در پایتون خالص 2. Data Structures in Pure Python

  • گرم کردن با حلقه های پایتون Warmup with Python loops

  • دنباله ها: لیست ها ، تاپ ها ، و نحو برش Sequences: Lists, tuples, and the slicing syntax

  • واژگان و مجموعه ها Dictionaries and sets

  • درکها Comprehensions

  • ظروف پیشرفته پایتون Advanced Python containers

3. Wordplay: Anagrams و Palindromes 3. Wordplay: Anagrams and Palindromes

  • بررسی اجمالی Anagrams Anagrams overview

  • بارگیری یک فرهنگ لغت Loading a dictionary

  • پیدا کردن anagrams Finding anagrams

  • چالش: Palindromes Challenge: Palindromes

  • راه حل: Palindromes Solution: Palindromes

4- آرایه ها با NumPy 4. Arrays with NumPy

  • نمای کلی NumPy NumPy overview

  • ایجاد آرایه های NumPy Creating NumPy arrays

  • نمایه سازی آرایه های NumPy Indexing NumPy arrays

  • انجام ریاضی با آرایه های NumPy Doing math with NumPy arrays

  • آرایه های ویژه: سوابق و تاریخ Special arrays: Records and dates

5. استفاده از پرونده: داده های آب و هوا 5. Use Case: Weather Data

  • نمای کلی مورد استفاده Overview of use case

  • بارگیری داده های ایستگاه و دما Loading station and temperature data

  • مقادیر گمشده را پر می کند Filling missing values

  • صاف کردن سری زمان Smoothing time series

  • نمودارهای هوا Weather charts

  • چالش: ناهنجاری های هوا Challenge: Weather anomalies

  • راه حل: ناهنجاری های هوا Solution: Weather anomalies

6. پاندا 6. pandas

  • نمای کلی پاندا pandas overview

  • DataFrames و Series DataFrames and Series

  • نمایه سازی در پاندا Indexing in pandas

  • توطئه Plotting

7. استفاده از مورد: نام کودک 7. Use Case: Baby Names

  • نمای کلی مورد استفاده Overview of use case

  • بارگذاری مجموعه داده ها Loading data sets

  • مقایسه محبوبیت نام Comparing name popularity

  • ده نام برتر سالانه Yearly top ten names

  • چالش: نام نوزادان یونیکس Challenge: Unisex baby names

  • راه حل: نام نوزادان یونیسکس Solution: Unisex baby names

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش تجزیه و تحلیل داده های پایتون
جزییات دوره
2h 30m
41
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
19,412
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Michele Vallisneri Michele Vallisneri

اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا

Michele Vallisneri یک اخترفیزیکدان نظری در آزمایشگاه پیشرانش جت ناسا است.

او دکترای فیزیک خود را در موسسه فناوری کالیفرنیا در سال 2002 به دست آورد. تحقیقات او شامل تشخیص و تفسیر امواج گرانشی با LIGO ، در فضا و زمان بندی تپنده است. او متخصص تجزیه و تحلیل داده ها ، استنتاج بیزی و فیزیک محاسباتی است و معتقد است که برنامه نویسی شفاف و زیبا می تواند سخت ترین مشکلات را روشن کند. او یکی از اعضای انجمن فیزیک آمریکا است و به او مدال دستاوردهای علمی استثنایی ناسا اهدا شد.