لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات