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

  • تمرین 5: تحلیل/پیش‌بینی معاملات مالی Exercise 5 Financial Trading Analysis/Prediction

  • تمرین 6: معاملات مالی: تحلیل کندل‌های پوششی Exercise 6 Financial Trading: analyzing the engulfing candles

نمایش نظرات

آموزش تحلیل داده با پانداز و نامپای در پایتون
جزییات دوره
5 hours
53
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
425
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Ziad Francis Dr Ziad Francis

دکتری، دانشمند داده