لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون برای تجسم داده ها - راهنمای مبتدی [ویدئو]
Python for Data Visualization - A Beginner's Guide [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تجسم داده های مبتنی بر پایتون از زبان برنامه نویسی پایتون و کتابخانه های آن برای تبدیل داده ها به نمایش های بصری مانند نمودارها، نمودارها و داشبوردهای تعاملی استفاده می کند. کتابخانههای پایتون، از جمله Matplotlib، Seaborn، Plotly و Bokeh، انواع طرحهای قابل تنظیم و ویژگیهای تعاملی را برای ساختن روایتهای بصری جذاب ارائه میدهند. پایتون از طریق داستانگویی و سفارشیسازی دادهها، بینشهای خود را به اشتراک میگذارد و به طور مؤثر با آنها ارتباط برقرار میکند، و آن را به یک مهارت ضروری برای هر کسی که با داده کار میکند تبدیل میکند.
در این دوره، با درک اهمیت تجسم داده ها و کاوش در کتابخانه های ضروری پایتون مانند Matplotlib، Seaborn و Plotly شروع می کنیم. شما یاد خواهید گرفت که تجسم ها را سفارشی کنید و تقویت کنید، رنگ ها، برچسب ها و افسانه ها را تنظیم کنید و اصول داستان سرایی داده های موثر را درک کنید. این دوره به موضوعات پیشرفته ای مانند ایجاد داشبوردهای تعاملی و نمودارهای داده پویا می پردازد. ما روی پروژههای عملی و نمونههای دنیای واقعی کار خواهیم کرد تا ما را با مهارت تبدیل دادههای خام به تصاویری آموزنده با استفاده از پایتون مجهز کنیم.
پس از تکمیل، ما به تجسم دادههای مبتنی بر پایتون از اصول اصلی تا مهارتهای عملی، Matplotlib، Seaborn و Plotly تسلط خواهیم یافت و دادههای خام را به تصاویری جذاب تبدیل میکنیم. ما ابزارهایی را برای ایجاد تصاویر بصری، انتقال بینش و تصمیم گیری مبتنی بر داده با اطمینان به دست خواهیم آورد. اهمیت/اصول تجسم موثر داده ها را درک کنید
برای ایجاد تجسم های مختلف، Matplotlib، Seaborn و Plotly را بیاموزید
یاد بگیرید که رنگها، برچسبها و سبکها را برای بهبود تصاویر بسازید
تجسم داده ها را برای ایجاد روایت های قانع کننده ایجاد کنید
نمایش داده های تعاملی جذاب و کاربر پسند ایجاد کنید
کاوش در نقشهبرداری دادههای جغرافیایی و تجسمهای مبتنی بر مکان این دوره به مخاطبان گستردهای از مبتدیان بدون تجربه برنامهنویسی گرفته تا متخصصان داده با تجربه، برنامهنویسانی که به دنبال گسترش مهارتهای خود هستند، حرفهایهای کسبوکار که به دنبال دانش تجسم دادههای عملی هستند، و دانشجویان/محققان با هدف تقویت خود پاسخ میدهد. مهارت تجسم داده ها با استفاده از پایتون هیچ پیش نیاز خاصی برای این دوره وجود ندارد. با این حال، داشتن درک اولیه از ریاضیات و آمادگی برای یادگیری ویژگی های مفیدی برای تکمیل موفقیت آمیز دوره است. ایجاد تجسم های مختلف با کتابخانه های پایتون مانند Matplotlib، Seaborn و Plotly را بیاموزید * مهارت هایی برای ایجاد تصاویر بصری و ارتباط بینش، کشف داستان و تجسم سازی * کار بر روی پروژه های دنیای واقعی و مطالعات موردی برای اعمال تکنیک های تجسم داده ها در داده های واقعی
سرفصل ها و درس ها
راه اندازی و نصب
Setup and Installation
نصب Anaconda Navigator
Installing the Anaconda Navigator
نصب Matplotlib، Seaborn و Cufflinks
Installing Matplotlib, Seaborn, and Cufflinks
خواندن داده ها از یک فایل CSV با پانداها
Reading Data from a CSV File with Pandas
رسم پلات های خط با Matplotlib
Plotting Line Plots with Matplotlib
تغییر مقیاس محور
Changing the Axis Scales
یک ظاهر طراحی برچسب
Label Styling
اضافه کردن یک افسانه
Adding a Legend
تغییر رنگ ها، سبک های خط، عرض خط و نشانگرها
Changing Colors, Line Styles, Line Width, and Markers
اضافه کردن یک گرید به نمودار
Adding a Grid to the Chart
پر کردن فقط یک منطقه خاص
Filling Only a Specific Area
پر کردن منطقه در قطعه خط و پر کردن فقط مناطق خاص
Filling Area on Line Plots and Filling Only Specific Areas
تغییر رنگ پر کردن نواحی مختلف (مثلاً منفی در مقابل مثبت)
Changing Fill Color of Different Areas (Negative Versus Positive, For Example)
رسم هیستوگرام و نمودار میله ای با Matplotlib
Plotting Histograms and Bar Charts with Matplotlib
تغییر رنگ لبه و افزودن سایه روی لبه
Changing Edge Color and Adding Shadow on the Edge
اضافه کردن افسانه ها، عناوین، مکان، و نمودار دایره چرخشی
Adding Legends, Titles, Location, and Rotating Pie Chart
هیستوگرام ها در مقابل نمودارهای میله ای (قسمت 1)
Histograms Versus Bar Charts (Part 1)
هیستوگرام در مقابل نمودار میله ای (قسمت 2)
Histograms Versus Bar Charts (Part 2)
تغییر رنگ لبه هیستوگرام
Changing Edge Color of the Histogram
تغییر مقیاس محور به مقیاس ورود
Changing the Axis Scale to Log Scale
افزودن میانه به هیستوگرام
Adding Median to Histogram
هیستوگرام ها و پچ های پیشرفته (قسمت 1)
Advanced Histograms and Patches (Part 1)
هیستوگرام ها و پچ های پیشرفته (قسمت 2)
Advanced Histograms and Patches (Part 2)
روی هم قرار دادن طرح های میله ای (قسمت 1)
Overlaying Bar Plots on Top of Each Other (Part 1)
روی هم قرار دادن طرح های میله ای (قسمت 2)
Overlaying Bar Plots on Top of Each Other (Part 2)
ایجاد طرح های جعبه و ویسکر
Creating Box and Whisker Plots
رسم پلات های پشته ای و قطعه های ساقه
Plotting Stack Plots and Stem Plots
ترسیم یک طرح پشته پایه
Plotting a Basic Stack Plot
ترسیم یک قطعه ساقه
Plotting a Stem Plot
رسم نمودار پشته ای از داده ها با مجموع ثابت
Plotting a Stack Plot of Data with Constant Total
ترسیم پلات های پراکنده با Matplotlib
Plotting Scatter Plots with Matplotlib
ترسیم یک طرح پراکندگی اولیه
Plotting a Basic Scatter Plot
تغییر اندازه نقاط
Changing the Size of the Dots
تغییر رنگ نشانگرها
Changing Colors of Markers
افزودن لبه به نقطه
Adding Edges to Dots
تجسم داده های سری زمانی با Matplotlib
Time Series Data Visualization with Matplotlib
با استفاده از ماژول Datetime Python
Using the Python Datetime Module
اتصال نقاط داده از طریق خط
Connecting Data Points by Line
تبدیل تاریخ رشته ها با استفاده از متد .to_datetime() Pandas
Converting String Dates Using the .to_datetime() Pandas Method
ترسیم داده های زنده با استفاده از FuncAnimation در Matplotlib
Plotting Live Data Using FuncAnimation in Matplotlib
ایجاد چندین طرح فرعی
Creating Multiple Subplots
تنظیم تعداد سطرها و ستون ها
Setting Up the Number of Rows and Columns
ترسیم چند قطعه در یک شکل
Plotting Multiple Plots in One Figure
گرفتن ارقام جداگانه
Getting Separate Figures
ذخیره ارقام در رایانه شما
Saving Figures to Your Computer
ترسیم نمودارها با استفاده از Seaborn
Plotting Charts Using Seaborn
معرفی Seaborn
Introduction to Seaborn
کار روی Hue، Style و Size در Seaborn
Working on Hue, Style, and Size in Seaborn
طرح های فرعی با استفاده از Seaborn
Subplots Using Seaborn
طرح های خطی
Line Plots
توطئه های گربه
Cat Plots
طرح مشترک، طرح جفتی و طرح رگرسیون
Jointplot, Pair Plot, and Regression Plot
کنترل زیبایی شناسی شکل ترسیم شده
Controlling Plotted Figure Aesthetics
پلاتلی و دکمه سرآستین
Plotly and Cufflinks
نصب و راه اندازی
Installation and Setup
خطوط، پراکندگی، نوار، جعبه، و منطقه
Line, Scatter, Bar, Box, and Area Plots
نقشه های سه بعدی، طرح گسترش، نمودار تاریخی، طرح حباب، و نقشه حرارتی
3D Plots, Spread Plot, Hist Plot, Bubble Plot, and Heatmap
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
بیایید با هم ابر جهان را کدنویسی و بسازیم! Meta Brains یک برند آموزشی حرفه ای است که توسط تیمی از توسعه دهندگان نرم افزار و متخصصان امور مالی که به امور مالی، کدنویسی و اکسل علاقه دارند، توسعه یافته است. ما تجارب حرفهای و آموزشی را برای ایجاد برنامههای آموزشی در سطح جهانی که برای همه قابل دسترسی است، گرد هم میآوریم. در حال حاضر، ما بر انقلاب بزرگ بعدی در محاسبات متمرکز هستیم: متاورس. هدف نهایی ما این است که نسل بعدی استعدادها را آموزش دهیم تا بتوانیم با هم متاورز را کدنویسی و بسازیم!
نمایش نظرات