آموزش پیش پردازش داده ها با NumPy

سرفصل ها و درس ها

مقدمه ای بر NumPy Introduction to NumPy

• دوره شامل چه مواردی است؟ What Does the Course Cover?

• دانلود تمامی منابع Download All Resources

• سوالات متداول FAQ

• بسته NumPy و برنامه های کاربردی آن The NumPy Package and Its Applications

• بسته NumPy و برنامه های کاربردی آن The NumPy Package and Its Applications

• نصب و ارتقا NumPy Installing and Upgrading NumPy

• آرایه چیست؟ What is an array?

• با استفاده از اسناد NumPy Using the NumPy Documentation

• مقدمه ای بر NumPy - ورزش Introduction to NumPy - Exercise

چرا از NumPy استفاده می کنیم؟ Why Do We Use NumPy?

• تاریخچه مختصری از NumPy A Brief History of NumPy

• تاریخچه مختصری از NumPy A Brief History of NumPy

• دارای ها ndarrays

• آرایه ها در مقابل لیست ها Arrays vs Lists

• چرا از NumPy استفاده می کنیم - ورزش Why Do We Use NumPy - Exercise

NumPy Fundamentals NumPy Fundamentals

• نمایه سازی Indexing

• تخصیص ارزش ها Assigning Values

• ویژگی های Elementwise Elementwise Properties

• انواع داده NumPy NumPy Datatypes

• ویژگی های توابع NumPy - قسمت 1 Characteristics of NumPy Functions - Part 1

• ویژگی های توابع NumPy - قسمت 2 Characteristics of NumPy Functions - Part 2

• NumPy Fundamentals - ورزش NumPy Fundamentals - Exercise

کار با آرایه ها Working with Arrays

• برش اساسی Basic Slicing

• برش گام به گام Stepwise Slicing

• برش شرطی Conditional Slicing

• ابعاد و تابع فشار Dimensions and the Squeeze Function

• کار با آرایه ها - تمرین Working with Arrays - Exercise

تولید داده با NumPy Generating Data with NumPy

• آرایه های خالی، آرایه هایی از مقادیر یکسان Empty Arrays, Arrays of Identical Values

• _like توابع _like Functions

• دنباله ای از اعداد - np.arange() A Sequence of Numbers - np.arange()

• ژنراتورها و بذرهای تصادفی Random Generators and Seeds

• اعداد صحیح تصادفی، احتمالات و گزینه ها Random Integers, Probabilities and Choices

• توزیع های احتمال تصادفی Random Probability Distributions

• کاربردهای ژنراتورهای تصادفی Applications of Random Generators

• تولید داده با NumPy - تمرین Generating Data with NumPy - Exercise

وارد کردن و ذخیره داده ها Importing and Saving Data

• وارد کردن داده با Numpy - np.loadtxtx() در مقابل np.genfromtxt() Importing Data with Numpy - np.loadtxtx() vs np.genfromtxt()

• وارد کردن داده با NumPy - تمیز کردن ساده هنگام وارد کردن Importing Data with NumPy - Simple Cleaning when Importing

• وارد کردن داده با NumPy - رشته در مقابل شی در مقابل اعداد Importing Data with NumPy - String vs Object vs Numbers

• وارد کردن داده با NumPy - تمرین Importing Data with NumPy - Exercise

• ذخیره داده ها با NumPy - NPY Saving Data with NumPy - NPY

• ذخیره داده ها با NumPy - NPZ Saving Data with NumPy - NPZ

• ذخیره داده با NumPy - CSV Saving Data with NumPy - CSV

• وارد کردن و ذخیره داده ها - تمرین Importing and Saving Data - Exercise

آمار با NumPy Statistics with NumPy

• استفاده از توابع آماری NumPy Using NumPy Statistical Functions

• مقادیر حداقل و حداکثر Minimal and Maximal Values

• درصد و چندت Percentiles and Quantiles

• میانگین و واریانس Averages and Variance

• کوواریانس و همبستگی Covariance and Correlation

• هیستوگرام - قسمت 1: هیستوگرام های 1-D Histogram - Part 1: 1-D Histograms

• هیستوگرام - قسمت 2: هیستوگرام های با ابعاد بالاتر Histogram - Part 2: Higher Dimension Histograms

• توابع معادل N-A-N N-A-N Equivalent Functions

• آمار با NumPy - ورزش Statistics with NumPy - Exercise

دستکاری داده ها با NumPy Manipulation Data with NumPy

• بررسی مقادیر از دست رفته Checking for Missing Values

• جایگزینی مقادیر پرکننده Substituting Filler Values

• تغییر شکل آرایه ها Reshaping Arrays

• حذف ارزش ها Removing Values

• مرتب سازی آرایه ها Sorting Arrays

• توابع استدلال - قسمت 1: مرتب سازی برهان Argument Functions - Part 1: Argument Sort

• توابع استدلال - قسمت 1: استدلال کجا Argument Functions - Part 1: Argument Where

• درهم ریختن داده ها Shuffling Data

• ریخته گری آرایه ها Casting Arrays

• حذف نمادها از آرایه ها Stripping Symbols from Arrays

• انباشتن آرایه ها Stacking Arrays

• آرایه های پیوسته Concatenating Arrays

• یافتن مقادیر منحصر به فرد در آرایه ها Finding Unique Values in Arrays

یک مثال کاربردی NumPy A NumPy Practical Example

• راه اندازی: مقدمه ای بر مثال عملی Setting Up: Introduction to the Practical Example

• تنظیم: وارد کردن مجموعه داده Setting Up: Importing the Data Set

• راه‌اندازی: بررسی داده‌های ناقص Setting Up: Checking for Incomplete Data

• تنظیم: تقسیم مجموعه داده Setting Up: Splitting the Dataset

• راه اندازی: ایجاد نقاط بازرسی Setting Up: Creating Checkpoints

• دستکاری داده های متنی: تاریخ صدور Manipulating Text Data: Issue Date

• دستکاری داده های متنی: وضعیت و مدت وام Manipulating Text Data: Loan Status and Term

• دستکاری داده های متنی: درجه و درجه فرعی Manipulating Text Data: Grade and Sub Grade

• دستکاری داده های متنی: وضعیت تأیید و URL Manipulating Text Data: Verification Status & URL

• دستکاری داده های متنی: آدرس ایالت Manipulating Text Data: State Address

• دستکاری داده های متنی: تبدیل رشته ها و ایجاد یک چک پوینت Manipulating Text Data: Converting Strings and Creating a Checkpoint

• دستکاری داده های عددی: جایگزین مقادیر پرکننده Manipulating Numeric Data: Substitute Filler Values

• دستکاری داده های عددی: تغییر ارز - نرخ مبادله Manipulating Numeric Data: Currency Change – The Exchange Rate

• دستکاری داده های عددی: تغییر ارز - از USD به EUR Manipulating Numeric Data: Currency Change - From USD to EUR

• تکمیل مجموعه داده Completing the Dataset