لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ضروری پانداها
pandas Essential Training
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
pandas یک کتابخانه تجزیه و تحلیل داده منبع باز است که ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهای تجزیه و تحلیل داده را برای پایتون فراهم می کند. در این دوره آموزشی سطح متوسط و عملی، نحوه استفاده از کتابخانه پانداها و ابزارها برای تجزیه و تحلیل داده ها و ساختاردهی داده ها را با مربی جاناتان فرناندز بیاموزید. به موضوعاتی مانند DataFrames، رسم اولیه، نمایه سازی و groupby نگاهی عمیق بیندازید. جاناتان برای کمک به یادگیری نحوه کار موثرتر با داده ها، شما را از طریق مجموعه ای از تمرین های کدگذاری عملی که بر اساس همان مجموعه داده بزرگ و عمومی است، راهنمایی می کند.
توجه: دانش اولیه پایتون پیش نیاز این دوره است.
سرفصل ها و درس ها
معرفی
Introduction
به پانداها خوش آمدید
Welcome to pandas
1. راه اندازی فنی
1. Technical Setup
خواندن داده های جدولی در پانداها
Reading tabular data into pandas
با استفاده از Google Colab
Using Google Colab
پاندا چیست؟
What is pandas?
استفاده از پانداها
Using pandas
2. اصول کار با پانداها
2. Fundamentals of Working with pandas
استفاده از متدهای String
Using String methods
مرتب سازی DataFrame یا Series
Sorting a DataFrame or Series
یک نمای کلی از داده ها و نمایش آن ها دریافت کنید
Get an overview of the data and displaying it
یک سری (ستون) یا ردیف را حذف کنید
Remove a Series (column) or row
لیست ها و فرهنگ لغت پایتون
Python lists and dictionaries
انتخاب یک سری (ستون)
Select a Series (column)
فیلتر کردن ردیف ها برای یک شرط
Filtering rows for a single condition
ردیفها را برای شرایط متعدد فیلتر کنید
Filter rows for multiple conditions
تغییر نام یک سری (یا ستون)
Rename a Series (or column)
راه حل: اصول
Solution: Fundamentals
چالش: اصول
Challenge: Fundamentals
3. تکنیک های پانداهای متوسط
3. Intermediate pandas Techniques
ایجاد سری و دیتا فریم
Creating Series and DataFrames
ترکیب مجموعه داده ها
Combining datasets
به روز رسانی dtypes
Updating the dtypes
حذف داده های از دست رفته
Removing missing data
کار با موارد تکراری
Working with duplicates
کار با داده های از دست رفته
Working with missing data
ترکیب DataFrames
Combining DataFrames
استفاده از حافظه dtypes
Memory usage of dtypes
مولد بودن در پانداها: بهترین شیوه های من
Being productive in pandas: My best practices
کار با خرما
Working with dates
توابع پایتون
Python functions
تعریف dtypes هنگام خواندن در یک فایل
Defining dtypes when you read in a file
اعتبارسنجی داده ها
Validating data
کار با شاخص ها
Working with indexes
مجموعه داده ها را با هم ترکیب کنید
Combine the datasets
کار با انواع داده (dtype)
Working with data types (dtype)
4. تجسم ها
4. Visualizations
شکل دهی مجدد داده ها: انباشتن، برداشتن پشته و MultiIndex
Reshaping data: Stacking, unstacking, and MultiIndex
راه حل: تجسم ها
Solution: Visualizations
ترسیم داده ها
Plotting data
کار با groupby
Working with groupby
کار با نقشه های رنگی و seaborn
Working with colormaps and seaborn
ایجاد نقشه های رنگی خود
Creating your own colormaps
چالش: تجسم ها
Challenge: Visualizations
5. خلاصه یادگیری
5. Learning Recap
راه حل: خلاصه
Solution: Recap
چالش آخر: خلاصه
Final challenge: Recap
نتیجه
Conclusion
مراحل بعدی شما در پانداها
Your next steps in pandas
مشاور متمرکز بر علوم داده ، هوش مصنوعی و داده های بزرگ
جاناتان فرناندس برای یک مشاور کار می کند و در درجه اول روی علوم داده ، هوش مصنوعی و داده های بزرگ تمرکز دارد.
جاناتان از کار خود لذت می برد ، زیرا عشق او به اعداد ، کدگذاری و آمار را ترکیبی می کند. جاناتان دارای مدرک کارشناسی علوم کامپیوتر و MBA از دانشگاه وارویک است.
نمایش نظرات