🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل داده با پانداز و نامپای در پایتون
- آخرین آپدیت
دانلود Data Analysis With Pandas And NumPy In Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش NumPy و Pandas برای تحلیل داده و کاربردهای مالی (با مثالهایی در تحلیل بازار معاملات)
دستکاری داده: کار با داده، فیلتر کردن، مرتبسازی و تبدیل مجموعههای داده بزرگ
تحلیل داده: انجام طیف گستردهای از وظایف تحلیل داده، از جمله جمعآوری داده، انجام محاسبات آماری
نمایش بصری داده: ایجاد انواع مختلف نمایشهای بصری برای کمک به درک دادهها و انتقال یافتهها
پاکسازی داده (Data Wrangling): پاکسازی و آمادهسازی دادهها برای تحلیل، مدیریت دادههای از دست رفته، ادغام مجموعههای داده و تغییر شکل دادهها
پیش نیازها: مبانی پایتون، حلقههای for، دستورات شرطی، ساختارهای داده پایتون؛ لیستها، مجموعهها، تاپلها و دیکشنریها.
این دوره آنلاین برای تجهیز شما به مهارتها و دانش مورد نیاز برای دستکاری و تحلیل موثر و کارآمد دادهها با استفاده از دو کتابخانه قدرتمند پایتون: Pandas و NumPy طراحی شده است.
در این دوره، شما با یادگیری اصول پاکسازی داده (data wrangling)، از جمله انواع مختلف دادهها و تکنیکهای پاکسازی داده شروع خواهید کرد. سپس به کتابخانه NumPy خواهید پرداخت و ویژگیهای قدرتمند آن را برای کار با آرایههای N بعدی و توابع عمومی بررسی خواهید کرد.
در ادامه، کتابخانه Pandas را بررسی خواهید کرد که ابزارهای قدرتمندی برای دستکاری دادهها، از جمله ساختارهای داده و دستکاری DataFrame ارائه میدهد. شما یاد خواهید گرفت که چگونه از توابع پیشرفته Pandas استفاده کنید، دادههای زمانی و سریهای زمانی را دستکاری کنید و با Pandas دادهها را بخوانید و بنویسید.
در طول دوره، در تمرینهای عملی و مسائل تمرینی شرکت خواهید کرد تا یادگیری خود را تقویت کنید و مهارتهای خود را بسازید. در پایان دوره، شما قادر خواهید بود به طور موثر با استفاده از Pandas و NumPy دادهها را پاکسازی و تحلیل کنید و با استفاده از این ابزارها، نمایشهای بصری داده جذابی ایجاد کنید.
چه یک تحلیلگر داده، دانشمند داده یا علاقهمند به داده باشید، این دوره به شما مهارتهایی را میدهد که برای ارتقای سطح پاکسازی و تحلیل داده خود نیاز دارید.
فهرست مطالب:
درس 1: مقدمهای بر پاکسازی داده (Data Wrangling)
درس 2: مقدمهای بر NumPy
درس 3: ساختار داده در Pandas
درس 4: دستکاری DataFrame در Pandas
درس 5: توابع پیشرفته Pandas
درس 6: زمان و سریهای زمانی در Pandas
درس 7: خواندن و نوشتن داده با Pandas
درس 8: نمایش بصری داده با Pandas
تمرینهای عملی
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
NumPy یا پایتون عددی
NumPy or Numerical Python
نصب NumPy
NumPy Installation
توابع اصلی NumPy
NumPy Basic Functions
برش NumPy
NumPy Slicing
آرایههای چند بعدی NumPy
NumPy Multidimentional Arrays
انواع داده NumPy (DTypes)
NumPy DTypes
آرایههای ساخت یافته NumPy
NumPy Structured Arrays
خواندن و نوشتن فایلهای داده NumPy
NumPy Reading And Writing Data Files
عملیات حسابی NumPy
NumPy Arithmetic Operations
عملیات منطقی NumPy
NumPy Logical Operations
پخش آرایه NumPy
NumPy Array Broadcasting
نمایه سازی شرطی NumPy
NumPy Conditional Indexing
تمرینهای NumPy
NumPy Exercises
تمرینها و راه حلها
Exercises And Solutions
تمرین 1
Exercise 1
تمرین 2
Exercise 2
تمرین 3
Exercise 3
تمرین 4
Exercise 4
تمرین 5
Exercise 5
تمرین 6
Exercise 6
ساختار داده در Pandas
Data Structure in Pandas
سریهای Pandas
Pandas Series
مقادیر از دست رفته سریها
Series Missing Values
اعمال توابع به سریها
Applying Functions to Series
دیتا فریمهای Pandas
Pandas DataFrames
دستکاری دیتا فریم
DataFrame Manipulation
ستونها و شاخصها در Pandas
Columns And Indexes In Pandas
دسترسی به دیتا فریمها با Loc[] و iLoc[]
Accessing DataFrames With Loc[] and iLoc[]
دسترسی به اسکالرها/مقادیر در دیتا فریمها با at[] و iat[]
Accessing Scalars/Values In DataFrames at[] And iat[]
پر کردن و جایگزینی مقادیر در دیتا فریمها
Filling And Replacing Values In DataFrames
عملیات حسابی روی دیتا فریمها
Arithmetic Operations On DataFrames
الحاق دیتا فریمها
Concatenating DataFrames
ادغام و پیوستن دیتا فریمها
Merging And Joining DataFrames
توابع پیشرفته Pandas
Advanced Pandas Function
مرور و برنامه ریزی این درس
Recap And Planning This Lesson
جداول محوری
Pivot Tables
GroupBy در دیتا فریمها
GroupBy In DataFrames
دسته بندی مقادیر و تابع Cut
Binning Values And The Cut Function
نمایه سازی چند سطحی در دیتا فریمها
MultiLevel Indexing In DataFrames
پر کردن مقادیر از دست رفته
Filling Missing Values
زمان و سریهای زمانی در Pandas
Time and Time Series in Pandas
تاریخ و زمان در پایتون
Date Time In Python
مناطق زمانی و اختلاف زمانی در پایتون
Time Zones And Time Deltas In Python
توابع Rolling و Shift
Rolling And Shift Functions
خواندن و نوشتن داده با Pandas
Reading and Writing Data with Pandas
خواندن و نوشتن فایلها با Pandas
Reading And Writing Files With Pandas
تصویرسازی داده با Pandas
Data Visualization with Pandas
رسم نمودارها، میلهای و هیستوگرام
Plotting Graphs Bars And Histograms
نمودارهای جعبهای
Boxplots
نمودارهای ناحیهای
Area Plots
نقاط پراکندگی
Scatter Points
نمودارهای دایرهای
Pie Charts
نتیجه گیری
Conclusion
تمرینهای Pandas
Pandas Exercises
تمرینهای Pandas
Pandas Exercises
تمرین 1: تحلیل دادههای مالی
Exercise 1 Financial Data Analysis
تمرین 2: نمودارهای میلهای پشتهای در Pandas
Exercise 2 Stacked BarPlots In Pandas
تمرین 3: شام با دوستان
Exercise 3 Dinner With Friends
تمرین 4: نشت نفت در آب: مثال پاکسازی داده
Exercise 4 Oil spill in water: Data cleaning example
نمایش نظرات