تجسم داده های پایتون با Matplotlib 2.x [ویدئو]

Python Data Visualization with Matplotlib 2.x [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تجزیه و تحلیل داده های بزرگ باعث ایجاد نوآوری در تحقیقات علمی، بازاریابی دیجیتال، سیاست گذاری و بسیاری موارد دیگر می شود. Matplotlib رابط ترسیم ساده اما قدرتمند، انواع نمودار همه کاره و سفارشی‌سازی قوی ارائه می‌دهد. Matplotlib 2.x با مثال روش‌ها و کاربردهای انواع طرح‌های مختلف را از طریق مثال‌های دنیای واقعی نشان می‌دهد. این با ارائه دانش اولیه در مورد نحوه ایجاد و سفارشی کردن نمودارها توسط Matplotlib به خوانندگان آغاز می شود. همچنین نحوه رسم انواع مختلف داده‌های اقتصادی را در قالب نمودارهای دو بعدی و سه بعدی پوشش می‌دهد، که بینش‌هایی را از سیل داده‌های مخازن عمومی، مانند Quandl Finance ارائه می‌دهد. شما یاد خواهید گرفت که داده های جغرافیایی را بر روی نقشه ها تجسم کنید و نمودارهای تعاملی را پیاده سازی کنید. در پایان این ویدیو، با Matplotlib در کار روزانه خود به خوبی آشنا خواهید شد تا بصری داده های پیشرفته را انجام دهید. این ویدیو به شما کمک می‌کند تا ارقام با کیفیت بالا را برای نسخه‌های خطی و ارائه‌ها آماده کنید. شما یاد خواهید گرفت که اطلاعات گرافیکی بصری ایجاد کنید و پیام خود را کاملاً قابل درک تغییر شکل دهید. • با آخرین ویژگی های Matplotlib 2.x آشنا شوید • تجسم داده ها را بر روی نمودارهای 2 بعدی و 3 بعدی در قالب نمودارهای میله ای، نمودار حباب، نقشه حرارتی، هیستوگرام، نمودار پراکندگی، نمودار منطقه انباشته، نمودار ازدحام، و بسیاری دیگر ایجاد کنید. • ارقام واضح و جذاب برای انتشارات علمی تهیه کنید. • نمودارها و انیمیشن های تعاملی ایجاد کنید. • قابلیت های Matplotlib را با بسته های شخص ثالث، مانند Basemap، GeoPandas، Mplot3d، Pandas، Scikit-learn، و Seaborn گسترش دهید. • طراحی اینفوگرافیک بصری برای داستان سرایی موثر. این دوره به هر کسی که علاقه مند به تجسم داده ها است کمک می کند تا با Python و Matplotlib 2.x از داده های بزرگ اطلاعاتی کسب کنند. با استفاده از این دوره می توانید دانش خود را گسترش دهید و یاد بگیرید که چگونه از کد پایتون برای تجسم داده های خود با Matplotlib استفاده کنید. دانش اولیه پایتون مورد انتظار است. • ایجاد و سفارشی کردن نمودارهای جذاب و زنده، با اضافه کردن سبک، رنگ، و فونت. * •یاد بگیرید که داده ها را به روشی درست برای تعامل با خوانندگان نمایش دهید * • قدرت بسته های پایتون را برای طراحی نمودارهای عالی بررسی کنید * • راهنمای کامل با موارد استفاده دقیق و مثال ها برای انجام داده ها * تجسم سازی با ابزارهای گسترده Matplotlib. * • تجسم داده های مهر زمانی را بر روی نمودارهای دوبعدی و سه بعدی در قالب نمودارها، * هیستوگرام، نمودارهای میله ای، نمودارهای پراکنده و موارد دیگر ایجاد کنید. *

سرفصل ها و درس ها

سلام توطئه جهان! Hello Plotting World!

  • بررسی اجمالی دوره The Course Overview

  • شروع کار با Matplotlib Getting Started with Matplotlib

  • راه اندازی محیط نقشه کشی Setting Up the Plotting Environment

  • ویرایش و اجرای کد Editing and Running Code

  • بارگذاری داده ها برای رسم Loading Data for Plotting

  • ترسیم اولین نمودار ما Plotting Our First Graph

زیبایی شناسی فیگور Figure Aesthetics

  • ساختار اصلی یک شکل Matplotlib Basic Structure of a Matplotlib Figure

  • تنظیم رنگ ها در Matplotlib Setting Colors in Matplotlib

  • تنظیم فرمت های متن Adjusting Text Formats

  • سفارشی کردن خطوط و نشانگرها Customizing Lines and Markers

  • سفارشی کردن شبکه ها و تیک ها Customizing Grids and Ticks

  • سفارشی کردن محورها Customizing Axes

  • استفاده از شیوه نامه Using Style Sheets

  • عنوان و افسانه Title and Legend

طرح بندی شکل و حاشیه نویسی Figure Layout and Annotations

  • تنظیم چیدمان Adjusting Layout

  • اضافه کردن طرح های فرعی Adding Subplots

  • تنظیم حاشیه ها Adjusting Margins

  • رسم نمودارهای درونی Drawing Inset Plots

  • اضافه کردن حاشیه نویسی متن Adding Text Annotations

  • اضافه کردن حاشیه نویسی گرافیکی Adding Graphical Annotations

تجسم داده های آنلاین Visualizing Online Data

  • فرمت‌های داده API معمولی Typical API Data Formats

  • معرفی پانداها Introducing Pandas

  • تجسم روند داده ها Visualizing the Trend of Data

  • تجسم توزیع تک متغیره Visualizing Univariate Distribution

  • تجسم یک توزیع دو متغیره Visualizing a Bivariate Distribution

  • تجسم داده های طبقه بندی شده Visualizing Categorical Data

  • کنترل زیبایی شناسی SeabornFigure Controlling SeabornFigure Aesthetics

  • اطلاعات بیشتر درباره رنگ ها More About Colors

تجسم داده های چند متغیره Visualizing Multivariate Data

  • دریافت اطلاعات سهام پایان روز (EOD) از Quandl Getting End-of-Day (EOD) Stock Data from Quandl

  • طرح های دو بعدی وجهی Two-Dimensional Faceted Plots

  • سایر نمودارهای چند متغیره دو بعدی Other Two-Dimensional Multivariate Plots

  • نمودارهای سه بعدی (سه بعدی). Three-Dimensional (3D) plots

اضافه کردن طرح های تعاملی و متحرک Adding Interactivity and Animating Plots

  • خراش دادن اطلاعات از وب سایت ها Scraping Information from Websites

  • Backendهای غیر تعاملی Non-Interactive Backends

  • Backend های تعاملی Interactive Backends

  • ایجاد طرح های متحرک Creating Animated Plots

راهنمای عملی توطئه علمی A Practical Guide to Scientific Plotting

  • تجسم موثر - برنامه ریزی شکل خود Effective Visualization – Planning Your Figure

  • تجسم موثر - ساختن چهره شما Effective Visualization – Crafting Your Figure

  • تجسم داده های آماری به صورت شهودی تر Visualizing Statistical Data More Intuitively

  • روش های کاهش ابعاد Methods for Dimension Reduction

تجزیه و تحلیل داده های اکتشافی و اینفوگرافیک Exploratory Data Analysis Analytics and Infographics

  • تجسم اطلاعات بهداشتی جمعیت Visualizing Population Health Information

  • تجسم مبتنی بر نقشه برای داده های جغرافیایی Map-Based Visualization for Geographical Data

  • ترکیب داده های جغرافیایی و سلامت جمعیت Combining Geographical and Population Health Data

  • تجزیه و تحلیل داده های بقا در مورد سرطان Survival Data Analysis on Cancer

نمایش نظرات

تجسم داده های پایتون با Matplotlib 2.x [ویدئو]
جزییات دوره
4 h 12 m
44
Packtpub Packtpub
(آخرین آپدیت)
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

Allen Yu Allen Yu

دکتر آلن یو، دانشجوی Chevening، 2017-18، و دانشجوی MSC در علوم کامپیوتر در دانشگاه آکسفورد است. او دارای مدرک دکترا در بیوشیمی از دانشگاه چینی هنگ کنگ است و در طول 10 سال تجربه بیوانفورماتیک خود از Python و Matplotlib به طور گسترده استفاده کرده است.

Claire Chung Claire Chung

کلر چانگ مدرک دکترای خود را به عنوان بیوانفورماتیک در دانشگاه چینی هنگ کنگ دنبال می کند. او از استفاده روزانه از پایتون برای کار و هک زندگی لذت می برد. در حالی که در علم پرشور است، شخصیت چالش‌برانگیز او به او انگیزه می‌دهد تا فراتر از تجزیه و تحلیل داده‌ها برود. او در پروژه های توسعه وب و همچنین مهارت های خود را در طراحی گرافیک و ترجمه چند زبانه توسعه داده است. او تیم پشتیبانی شبکه پردیس را در کالج رهبری کرد و تجربه خود را در تجسم داده ها در PyCon HK 2017 به اشتراک گذاشت.

Aldrin Yim Aldrin Yim

آلدرین ییم کاندیدای دکترا و محقق مارکی در برنامه محاسبات و زیست شناسی سیستم در دانشگاه واشنگتن، دانشکده پزشکی است. تحقیقات او بر روی استفاده از روش های تحلیل داده های بزرگ و یادگیری ماشینی در مطالعه بیماری های عصبی و سرطان متمرکز است. او همچنین مدیر عامل شرکت Codex Genetics Limited است که راه‌حل‌های پزشکی دقیق را برای بیماران و بیمارستان‌های آسیا ارائه می‌کند.