آموزش تجزیه و تحلیل داده ها با قطب ها

سرفصل ها و درس ها

مقدمه - راه اندازی و اجرا با Polars Introduction - up and running with Polars

• معرفی دوره Course introduction

• چرا از قطبی به جای پاندا استفاده کنیم؟ Why use Polars instead of Pandas?

• چگونه می توانید از مطالب دوره بهترین استفاده را ببرید؟ How can you make best use of the course materials?

• مواد درسی Course materials

• نصب نرم افزار روی MacOS و Linux Installing the software on MacOS & Linux

• نصب نرم افزار روی ویندوز Installing the software on Windows

• نحوه استفاده از مطالب این دوره How to use the materials on this course

• شروع سریع قطبی Polars quickstart

• حالت تنبل 1: معرفی حالت تنبل Lazy mode 1: Introducing lazy mode

• حالت تنبل 2: ارزیابی پرس و جوها Lazy mode 2: evaluating queries

• مقدمه ای بر انواع داده ها Introduction to Data types

• مقدمه ای بر سری و دیتا فریم Introduction to Series and DataFrame

• تبدیل به و از Pandas & Numpy Converting to and from Pandas & Numpy

• حالت تنبلی Lazy mode

فیلتر کردن ردیف ها Filtering rows

• فیلتر کردن ردیف I: فیلتر کردن ردیف ها با براکت مربع Filtering rows I: Filtering rows with square brackets

• فیلتر کردن ردیف‌های 2: با استفاده از «filter» و Expression API Filtering rows 2: Using `filter` and the Expression API

• فیلتر کردن ردیف 3: استفاده از «فیلتر» در حالت تنبل Filtering rows 3: using `filter` in lazy mode

• فیلتر کردن ردیف ها بر اساس مقادیر یک DataFrame دیگر Filtering rows based on values from another DataFrame

• فیلتر کردن ردیف ها Filtering rows

انتخاب ستون ها و تبدیل قالب های داده Selecting columns and transforming dataframes

• انتخاب ستون 1: با استفاده از براکت مربع Selecting columns 1: using square brackets

• انتخاب ستون 2: استفاده از انتخاب و عبارات Selecting columns 2: using select and expressions

• انتخاب ستون 3: انتخاب چند ستون Selecting columns 3: choosing multiple columns

• انتخاب ستون 4: تبدیل و اضافه کردن ستون Selecting columns 4: transforming and adding columns

• انتخاب ستون 5: تبدیل و اضافه کردن چندین ستون Selecting columns 5: Transforming and adding multiple columns

• انتخاب ستون 6: افزودن ستون بر اساس یک شرط یا نگاشت Selecting columns 6: Adding a column based on a condition or mapping

• الگوریتم های مرتب سازی و ردیابی سریع Sorting and fast-track algorithms

• تبدیل یک DataFrame Transforming a DataFrame

• تکرار از طریق DataFrame Iterating through a DataFrame

• انتخاب ستون ها Selecting columns

• اضافه کردن ستون های جدید Adding new columns

• اضافه کردن یک ستون جدید Adding a new column

انواع داده ها و مقادیر از دست رفته Data types and missing values

• ارزش از دست رفته Missing values

• جایگزینی مقادیر از دست رفته Replacing missing values

• جایگزینی مقادیر از دست رفته با عبارات Replacing missing values with expressions

• ارزش از دست رفته Missing values

• dtypes عددی و دقت Numerical dtypes and precision

• رشته و دسته بندی dtypes String and categorical dtypes

• دسته بندی ها و حافظه پنهان رشته Categoricals and the string cache

• مقدمه ای بر dtypes تو در تو: List، Struct و Object Introduction to nested dtypes: List, Struct and Object

• لیست dtype 1: ایجاد و تبدیل ستون های لیست List dtype 1: Creating and transforming List columns

• لیست dtype 2: با استفاده از عبارات در ستون های List List dtype 2: using expressions on List columns

• dtypes تو در تو Nested dtypes

آمار، شمارش و گروه بندی Statistics, counts and grouping

• آمار Statistics

• ارزش به حساب می آید Value counts

• Groupby 1: شی GroupBy Groupby 1: The GroupBy object

• Groupby 2: تجمعات و عبارات Groupby 2: Aggregations and expressions

• Groupby 3: تجمیع چندگانه Groupby 3: Multiple aggregations

• Groupby 4: Groupby تنبل Groupby 4: Lazy groupby

• شمارش مقادیر Counting values

• کار با GroupBy و گروه ها Working with GroupBy and groups

• گروه بندی و تجمیع Grouping and aggregations

• کوانتیل ها Quantiles

• مقدمه ای بر عملیات گروهی با over() Introduction to group operations with over()

ترکیب دیتافریم ها Combining dataframes

• الحاق DataFrames Concatenating DataFrames

• اتصالات چپ، داخلی و سریع Left, inner and fast-track joins

• در رشته ها و داده های دسته بندی می پیوندد Joins on string and categorical data

• فیلتر کردن یک DataFrame توسط DataFrame دیگر Filtering a DataFrame by another DataFrame

• استفاده از DataFrame دیگر در یک عبارت Using another DataFrame in an expression

• گسترش، انباشته و الحاق Extending, stacking and concatenating

تحلیل سری های زمانی Time series analysis

• مقدمه ای بر سری های زمانی dtypes Introduction to time series dtypes

• محدوده های زمانی Time zones

• مسابقه مناطق زمانی Time zones quiz

• تجزیه رشته تاریخ Parsing datetime strings

• تنظیم زمان تاریخ Adjusting datetimes

• تجزیه و تحلیل و تنظیم تاریخ مسابقه Parsing and adjusting datetimes quiz

• استخراج اجزای تاریخ Extracting datetime components

• فیلتر کردن سری های زمانی Filtering time series

• گروه زمانی موقت - مقدمه ای بر groupby_dynamic Temporal groupby - introduction to groupby_dynamic

• کنترل پنجره «groupby_dynamic». Controlling the `groupby_dynamic` window

ورودی خروجی Input/Output

• یک فایل CSV را بخوانید Read a single CSV file

• فایل‌های CSV 2: چندین فایل CSV CSV files 2: multiple CSV files

• یک فایل اکسل را بخوانید Read an Excel file

• JSON و JSON خط جدید را بخوانید Read JSON and newline delimited JSON

• فایل‌های CSV 3: خواندن فایل‌های CSV بزرگتر از حافظه به صورت دسته‌ای CSV files 3: reading larger-than-memory CSV files in batches

• فایل های CSV 4: پخش مجموعه داده های بزرگتر از حافظه CSV files 4: streaming larger-than-memory datasets

• فایل پارکت 1: فایل پارکت تک Parquet files 1: single Parquet files

• خواندن از پایگاه داده Reading from a database

تجسم ها Visualisations

• تجسم با Plotly Visualisations with Plotly

• تجسم با Matplotlib Visualisations with Matplotlib

• تجسم با Seaborn Visualisations with Seaborn