آموزش پانداز (Pandas) برای مبتدیان: مدیریت داده‌ها با پایتون - آخرین آپدیت

درس‌ها Lessons

• مقدمه Einführung

• مروری بر اولین گام‌ها Überblick zu den ersten Schritten

• نصب Anaconda و راه‌اندازی Jupyter Installation von Anaconda und Einrichtung von Jupyter

• مروری بر Jupyter Lab Jupyter Lab im Überblick

• چرا پانداز ابزار مرکزی تحلیل داده با پایتون است Warum Pandas das zentrale Werkzeug für die Datenanalyse mit Python ist

• مروری بر ساختارهای داده پانداز Überblick zu den Pandas Datenstrukturen

• گام‌های نخست با پانداز: نصب، وارد کردن و نسخه‌بندی Erste Schritte mit Pandas: Installation, Import und Versionierung

• مروری بر مهم‌ترین اشیای پانداز Überblick über die wichtigsten Pandas-Objekte

• مقدمه‌ای بر Series: ساختار داده تک‌بعدی Einführung in Series: Die eindimensionale Datenstruktur

• اندکس در پانداز: ساختار، اهمیت و ویژگی‌ها Index in Pandas: Struktur, Bedeutung und Eigenschaften

• مقدمه‌ای بر DataFrames: ساختار داده مرکزی در پانداز Einführung in DataFrames: Die zentrale Datenstruktur in Pandas

• تمرین: کار با اشیای پانداز Übung: Arbeiten mit Pandas-Objekten

• پاسخ نمونه تمرین: اشیای پانداز Musterlösung zur Übung: Pandas-Objekte

• مروری بر پردازش داده‌ها Überblick zur Datenverarbeitung

• مرور پروژه: درک و وارد کردن داده‌ها Projektüberblick: Daten verstehen und importieren

• انجام اولین تحلیل‌ها با پانداز Erste Analysen mit Pandas durchführen

• بررسی و تحلیل ستون‌ها Spalten untersuchen und analysieren

• خروجی گرفتن و ذخیره‌سازی DataFrameها DataFrames exportieren und abspeichern

• کار با مجموعه‌داده‌های داخلی و Seaborn Arbeiten mit integrierten Datensätzen und Seaborn

• اندکس‌گذاری صحیح داده‌ها Daten korrekt indizieren

• تغییر نام ستون‌ها و ردیف‌ها Spalten und Zeilen umbenennen

• نگهداری داده‌ها: ویرایش و مدیریت ورودی‌ها Datenpflege: Einträge bearbeiten und verwalten

• اعتبارسنجی داده‌ها: بررسی هدفمند ورودی‌ها Daten validieren: Einträge gezielt überprüfen

• تمرین: آماده‌سازی داده‌ها در محیط عملی Übung: Datenaufbereitung in der Praxis

• پاسخ نمونه تمرین: آماده‌سازی داده‌ها Musterlösung zur Übung: Datenaufbereitung

• مروری بر Indexing Überblick zum Indexing

• دسترسی بر اساس موقعیت با .iloc Zugriff per Position mit .iloc

• دسترسی بر اساس برچسب با .loc Zugriff per Label mit .loc

• تمرین: دسترسی و اندکس‌گذاری در پانداز Übung: Zugriff und Indexierung in Pandas

• پاسخ نمونه تمرین: اندکس‌گذاری در پانداز Musterlösung zur Übung: Indexierung in Pandas

• مروری بر مرتب‌سازی و فیلترینگ Überblick zur Sortierung und Filterung

• مرتب‌سازی داده‌ها با sort_values Daten sortieren mit sort_values

• تولید رتبه‌بندی‌ها و جایگاه‌ها Rankings und Platzierungen generieren

• فیلتر کردن با متد filter Filterungen mit der filter-Methode

• روش‌های جایگزین فیلترینگ در DataFrame Alternative Filtermethoden im DataFrame

• فیلتر کردن داده‌ها با تابع query Daten filtern mit der query-Funktion

• استراتژی‌های مدیریت مقادیر گم‌شده Strategien zum Umgang mit fehlenden Werten

• کار با مقادیر NULL در پانداز Umgang mit NULL-Werten in Pandas

• تمرین: مرتب‌سازی و فیلتر کردن داده‌ها Übung: Sortieren und Filtern von Daten

• پاسخ نمونه بخش اول: مرتب‌سازی و فیلترینگ Musterlösung Teil 1: Sortieren und Filtern

• پاسخ نمونه بخش دوم: مرتب‌سازی و فیلترینگ Musterlösung Teil 2: Sortieren und Filtern

• مروری بر گروه‌بندی داده‌ها Überblick zur Datengruppierung

• تحلیل توزیع داده‌ها با describe Lageverteilungen analysieren mit describe

• استفاده هدفمند از توابع تجمیع (Aggregation) Aggregationsfunktionen gezielt einsetzen

• گروه‌بندی داده‌ها با groupby Daten gruppieren mit groupby

• مثال‌های پیچیده‌تر گروه‌بندی با groupby Komplexere Gruppierungsbeispiele mit groupby

• درک و استفاده از شیء GroupBy Das GroupBy-Objekt verstehen und nutzen

• تغییرات بهینه با متد apply Effiziente Transformationen mit der apply-Methode

• تمرین: تجمیع و گروه‌بندی داده‌ها Übung: Daten aggregieren und gruppieren

• پاسخ نمونه تمرین: تجمیع و گروه‌بندی Musterlösung zur Übung: Aggregation und Gruppierung

• مروری بر اتصال DataFrameها Überblick zum Verknüpfen von DataFrames

• اتصال ساده سری‌های داده با concat Datenreihen einfach verknüpfen mit concat

• مرور تئوری انواع Join Theoretischer Überblick zu Join-Arten

• INNER JOIN – اتصال مقادیر مشترک INNER JOIN – Gemeinsame Werte verbinden

• OUTER JOIN – ادغام تمام مقادیر OUTER JOIN – Alle Werte integrieren

• LEFT & RIGHT JOIN – اتصال یک‌طرفه داده‌ها LEFT & RIGHT JOIN – Einseitige Verknüpfung von Daten

• ANTI JOIN – شناسایی مقادیر حذف شده ANTI JOIN – Ausgeschlossene Werte identifizieren

• CROSS JOIN – ضرب دکارتی دو جدول CROSS JOIN – Kartesisches Produkt zweier Tabellen

• تمرین: ادغام داده‌ها با Merges و Joins Übung: Daten zusammenführen mit Merges und Joins

• پاسخ نمونه تمرین: Merges و Joins Musterlösung zur Übung: Merges und Joins

• مروری بر توابع پیشرفته Überblick zu fortgeschrittenen Funktionen

• مرور توابع مهم تحلیلی Wichtige Analysefunktionen im Überblick

• شناسایی و حذف داده‌های تکراری Duplikate erkennen und entfernen

• پردازش داده‌های متنی با توابع String Textdaten verarbeiten mit String-Funktionen

• تکنیک‌های پیشرفته فیلترینگ در تحلیل Fortgeschrittene Filtertechniken in der Analyse

• مروری بر نمودارها (Plots) Überblick zu Plots

• ایجاد نمودارهای خطی و ناحیه‌ای Linien- und Flächendiagramme erstellen

• طراحی حرفه‌ای نمودارهای ستونی Balkendiagramme professionell gestalten

• تئوری Boxplot: درک گرافیکی توزیع‌ها Boxplot-Theorie: Verteilungen grafisch verstehen

• ایجاد Boxplot با پانداز Boxplots mit Pandas erstellen

• نمودارهای هیستوگرام برای تحلیل توزیع Histogramme für Verteilungsanalysen

• استفاده موثر از نمودارهای دایره‌ای Kuchendiagramme effektiv nutzen

• نمودارهای پراکندگی برای شناسایی الگوها Punktediagramme zur Mustererkennung

• سایر انواع نمودارها برای بصری‌سازی داده‌ها Weitere Diagrammtypen zur Datenvisualisierung

• تمرین: بصری‌سازی با پانداز Übung: Visualisierungen mit Pandas

• پاسخ نمونه تمرین: بصری‌سازی با پانداز Musterlösung zur Übung: Visualisierungen mit Pandas

• بخش پایانی و خداحافظی Verabschiedung