آموزش ساختارهای داده پیشرفته و مدیریت داده‌ها با Polars - آخرین آپدیت

دانلود Advanced Data Structures and Handling with Polars

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و همزمان با پیشروی در دوره، درک خود را عمیق‌تر کنید. مهارت‌های تحلیل داده‌های خود را با تکنیک‌های پیشرفته Polars به سطح جدیدی ببرید. این دوره موضوعاتی مانند ساختارهای داده پیچیده، عملیات تغییر شکل (Reshaping)، دستکاری متن و کار با داده‌های دسته‌ای (Categorical) و تاریخ و زمان (Datetime) را پوشش می‌دهد و به شما توانایی مدیریت کارآمد مجموعه‌داده‌های متنوع و پیچیده را می‌دهد. شما ابتدا با تسلط بر روش‌های الحاق داده‌ها (Concatenation)، از جمله ادغام‌های عمودی، افقی، قطری و تراز شده شروع خواهید کرد و سپس به بهینه‌سازی دیتافریم‌ها از طریق Rechunking و عملیات vstack/hstack می‌پردازید. در ادامه، یاد می‌گیرید که چگونه داده‌ها را تغییر شکل دهید، جداول محوری (Pivot Tables) ایجاد کنید و برای تحلیل‌های منعطف‌تر، با آرایه‌ها و لیست‌ها کار کنید. سپس، ساختارهای تودرتو با استفاده از Structs را بررسی می‌کنید، تبدیلات متنی پیشرفته را انجام می‌دهید، داده‌های دسته‌ای و Enums را مدیریت می‌کنید و فیلدهای تاریخ و زمان را با دقت تغییر می‌دهید. هر بخش بر اساس مثال‌های کاربردی ساخته شده است تا شما را برای مواجهه با سناریوهای واقعی داده‌ها با اعتماد به نفس کامل آماده کند. این دوره برای کاربران متوسط پایتون، تحلیلگران داده و دانشمندانی داده که به دنبال ارتقای تخصص خود در Polars هستند، ایده‌آل است. با توجه به اینکه دوره به عملیات پیشرفته و دستکاری‌های پیچیده داده‌ها می‌پردازد، داشتن تجربه قبلی در پایتون و مدیریت ابتدایی داده‌ها توصیه می‌شود. در پایان این دوره، شما قادر خواهید بود دیتافریم‌ها را الحاق، تغییر شکل و تبدیل کنید، آرایه‌ها، لیست‌ها و ساختارهای تودرتو را مدیریت نمایید، عملیات پیشرفته متنی و تاریخ و زمان را اجرا کنید و داده‌های دسته‌ای را به طور بهینه با استفاده از Polars برای تحلیل‌های قدرتمند داده‌ها مدیریت کنید.

سرفصل ها و درس ها

الحاق داده‌ها (Concatenation) Concatenation

  • الحاق عمودی Vertical Concatenation

  • الحاق افقی Horizontal Concatenation

  • الحاق قطری Diagonal Concatenation

  • الحاق تراز شده (Align) Align Concatenation

  • الحاق منعطف (Relaxed) Relaxed Concatenation

  • تغییر تکه‌بندی (Rechunking) Rechunking

  • متد vstack The vstack Method

  • متد extend The extend Method

  • متد hstack The hstack Method

تغییر شکل داده‌ها (Reshaping) Reshaping

  • مقایسه دیتافریم‌های Wide و Long Wide vs. Long DataFrames

  • متد unpivot برای تبدیل دیتافریم Wide به Long The unpivot Method to Convert a Wide DataFrame to a Long DataFrame

  • متد pivot برای تبدیل دیتافریم Long به Wide The pivot Method to Convert a Long DataFrame to a Wide DataFrame

  • جداول محوری - بخش اول Pivot Tables I

  • جداول محوری - بخش دوم Pivot Tables II

  • متد ترانهاده (transpose) The transpose Method

آرایه‌ها و لیست‌ها Arrays and Lists

  • آرایه‌ها و لیست‌ها Arrays and Lists

  • متد str.split The str.split Method

  • فضای نام list The list Namespace

  • مرتب‌سازی لیست‌ها Sorting the Lists

  • متد explode The explode Method

  • استفاده از explode برای چندین ستون لیستی Exploding with Multiple Columns of Lists

  • عملیات ریاضی Mathematical Operations

  • متدهای list.eval، list.any و list.all The list.eval, list.any, and list.all Methods

  • الحاق مقادیر ستون‌ها Concatenating Column Values

  • آرایه‌ها Arrays

  • ویژگی arr The arr Attribute

ساختارهای Structs Structs

  • مقدمه‌ای بر Structs Intro to Structs

  • متدهای struct.field و unnest The struct.field and unnest Methods

  • متد value_counts The value_counts Method

  • تغییر نام فیلدهای Struct Rename Struct Fields

  • استفاده از Structs برای کار با داده‌های تودرتو Using Structs to Work with Nested Data

  • استفاده از Structs برای شناسایی تکرارها در ستون‌ها Using Structs to Identify Duplicates across Columns

کار با داده‌های متنی Working with Text Data

  • معرفی مجموعه‌داده Introducing the Dataset

  • تغییر حروف بزرگ و کوچک (Case Conversion) Case Conversion

  • حذف فضاهای خالی (Whitespace) Removing Whitespace

  • حذف پیشوند و پسوند Removing Prefix and Suffix

  • مقایسه کاراکترها و بایت‌ها Characters vs. Bytes

  • برش رشته‌ها (String Slicing) String Slicing

  • متدهای فیلتر کردن Filtering Methods

  • عبارات منظم (Regular Expressions) Regular Expressions

  • گروه‌های کپچر (Capture Groups) Capture Groups

  • جایگزینی مقادیر Replacing Values

  • یافتن طولانی‌ترین نام‌های کارکنان Find Longest Employee Names

داده‌های دسته‌ای و Enums Categoricals and Enums

  • داده‌های دسته‌ای (Categorical) Categorical Data

  • فضای نام cat The cat Namespace

  • مقادیر شمارشی (Enums) Enums

  • مرتب‌سازی Enums و داده‌های دسته‌ای Enums, Categoricals, and Sorting

کار با تاریخ و زمان (Datetimes) Working with Datetimes

  • وارد کردن مجموعه‌داده حاوی تاریخ و زمان Import a Dataset with Datetimes

  • تجزیه تاریخ و زمان با متد strptime Parse Datetimes with the strptime Method

  • تجزیه تاریخ‌ها و زمان‌ها Parse Dates and Times

  • تبدیل تاریخ به رشته Converting from Date to String

  • استخراج اجزای تاریخ و زمان Extracting Datetime Components

  • فیلتر کردن بر اساس تاریخ، زمان و تاریخ-زمان Filtering by Date, Time, and Datetime

  • جمع و تفریق زمان - بخش اول Adding and Subtracting Time I

  • جمع و تفریق زمان - بخش دوم Adding and Subtracting Time II

  • مدت زمان (Durations) Durations

  • مناطق زمانی - بخش اول Timezones I

  • مناطق زمانی - بخش دوم و تبدیل‌ها Timezones II - Conversions

نمایش نظرات

آموزش ساختارهای داده پیشرفته و مدیریت داده‌ها با Polars
جزییات دوره
10h 2m
58
(آخرین آپدیت)
7
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده