آموزش تجزیه و تحلیل داده ها با پانداها و پایتون

Data Analysis with Pandas and Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: با کتابخانه قدرتمند پانداهای پایتون، داده ها را به سرعت و به راحتی تجزیه و تحلیل کنید! همه مجموعه داده ها شامل --- مبتدیان خوش آمدید! انجام بسیاری از عملیات داده در کتابخانه محبوب پانداهای پایتون از جمله گروه بندی، چرخش، پیوستن و موارد دیگر! یادگیری صدها روش و ویژگی در اشیاء پانداهای متعدد داشتن درک قوی از دستکاری مجموعه داده های 1 بعدی، دو بعدی و سه بعدی حل مسائل رایج در مجموعه داده های شکسته یا ناقص , vlookups, Pivot Tables و غیره

توصیفات دانش آموز:

  • مربی مطالب را می‌داند و در مورد هر موضوعی که بحث می‌کند توضیحات مفصلی دارد. همچنین دارای وضوح است و دانش آموزان را در مورد مشکلات احتمالی هشدار می دهد. او توضیح بسیار منطقی دارد و پیروی از او آسان است. من این کلاس را به شدت توصیه می کنم و به دنبال گرفتن یک کلاس جدید از او هستم. - دیانا

  • این عالی است و من نمی توانم به اندازه کافی مربی را تکمیل کنم. بسیار واضح، مرتبط، و با کیفیت بالا - با نکات و توصیه های کاربردی مفید. این را به کسانی که می خواهند پاندا را یاد بگیرند توصیه می کنم. درس ها به خوبی ساخته شده اند. من واقعاً از اینکه این کار چقدر خوب انجام شده شگفت زده هستم. من 5 ستاره زیادی نمی دهم، اما این تا کنون آن را به دست آورده است. - مایکل
    ​​

  • این دوره بسیار کامل، واضح و اندیشیده شده است. این بهترین دوره Udemy است که من تا کنون گذرانده ام. (این سومین دوره من است.) آموزش عالی است! - جیمز


به جامع ترین دوره پانداهای موجود در Udemy خوش آمدید! یک انتخاب عالی هم برای مبتدیان و هم برای متخصصانی که به دنبال گسترش دانش خود در مورد یکی از محبوب ترین کتابخانه های پایتون در جهان هستند!

تجزیه و تحلیل داده با پانداها و پایتون بیش از 19 ساعت آموزش تصویری عمیق را در قدرتمندترین جعبه ابزار تحلیل داده موجود امروز ارائه می دهد. دروس عبارتند از:

  • نصب

  • مرتب سازی

  • فیلتر کردن

  • گروه‌بندی

  • جمع آوری

  • درحال تکرار

  • چرخش

  • منگ

  • حذف

  • ادغام

  • تجسم

و بیشتر!

چرا پانداها را یاد بگیریم؟

اگر زمانی را در یک نرم افزار صفحه گسترده مانند Microsoft Excel، Apple Numbers یا Google Sheets گذرانده اید و مشتاق هستید که مهارت های تجزیه و تحلیل داده های خود را به سطح بعدی ارتقا دهید، این دوره برای شما مناسب است!


تجزیه و تحلیل داده ها با پانداها و پایتون شما را با کتابخانه محبوب پانداها که بر روی زبان برنامه نویسی پایتون ساخته شده است آشنا می کند.

پانداها یک ابزار نیروگاهی است که به شما امکان می‌دهد هر کاری و هر کاری را با مجموعه داده‌های عظیم انجام دهید - تجزیه و تحلیل، سازمان‌دهی، مرتب‌سازی، فیلتر کردن، چرخش، جمع‌آوری، مونگینگ، تمیز کردن، محاسبه و موارد دیگر!

من آن را "اکسل در مورد استروئیدها" می نامم!

در طول بیش از 19 ساعت، من شما را گام به گام از طریق پانداها، از نصب تا تجسم، راهنمایی خواهم کرد! ما صدها روش مختلف، ویژگی‌ها، ویژگی‌ها و قابلیت‌های موجود در این کتابخانه عالی را پوشش خواهیم داد. برای نشان دادن تطبیق پذیری و کارایی باورنکردنی این بسته، به تعداد زیادی مجموعه داده مختلف، کوتاه و بلند، شکسته و بکر شیرجه خواهیم زد.

تجزیه و تحلیل داده ها با پانداها و پایتون با ده ها مجموعه داده برای استفاده شما همراه است. درست شیرجه بزنید و درس‌های من را دنبال کنید تا ببینید شروع کار با پانداها چقدر آسان است!

چه شما یک تحلیلگر داده جدید هستید یا سال ها (*سرفه* خیلی طولانی *سرفه*) را در اکسل گذرانده اید، تجزیه و تحلیل داده ها با پانداها و پایتون به شما معرفی باورنکردنی یکی از قدرتمندترین ابزارهای داده موجود امروزی را ارائه می دهد!


سرفصل ها و درس ها

نصب و راه اندازی Installation and Setup

  • مقدمه ای بر تجزیه و تحلیل داده ها با پانداها و پایتون Introduction to Data Analysis with Pandas and Python

  • درمورد من About Me

  • فایل های دوره تکمیل شده Completed Course Files

  • macOS - Anaconda Distribution، محیط توسعه پایتون ما را دانلود کنید macOS - Download the Anaconda Distribution, our Python development environment

  • macOS - Anaconda Distribution را نصب کنید macOS - Install Anaconda Distribution

  • macOS - به برنامه ترمینال دسترسی پیدا کنید macOS - Access the Terminal Application

  • macOS - محیط conda ایجاد کنید و پانداها و نوت بوک Jupyter را نصب کنید macOS - Create conda Environment and Install pandas and Jupyter Notebook

  • macOS - بسته بندی مواد دوره + فرآیند شروع و خاموش شدن را باز کنید macOS - Unpack Course Materials + The Start and Shutdown Process

  • ویندوز - ببینید سیستم شما 32 بیتی است یا 64 بیتی Windows - Find Out if Your System is 32-bit or 64-bit

  • Windows - Anaconda Distribution را دانلود و نصب کنید Windows - Download and Install the Anaconda Distribution

  • ویندوز - محیط conda ایجاد کنید و پانداها و نوت بوک Jupyter را نصب کنید Windows - Create conda Environment and Install pandas and Jupyter Notebook

  • ویندوز - بسته بندی مواد دوره + فرآیند شروع و خاموش کردن Windows - Unpack Course Materials + The Startdown and Shutdown Process

  • معرفی رابط نوت بوک Jupyter Intro to the Jupyter Notebook Interface

  • انواع سلول ها و حالت های سلول در نوت بوک Jupyter Cell Types and Cell Modes in Jupyter Notebook

  • اجرای سلول کد در نوت بوک Jupyter Code Cell Execution in Jupyter Notebook

  • میانبرهای محبوب صفحه کلید در نوت بوک Jupyter Popular Keyboard Shortcuts in Jupyter Notebook

  • وارد کردن کتابخانه ها به نوت بوک Jupyter Import Libraries into Jupyter Notebook

  • عیب یابی مشکلات با نوت بوک Jupyter Troubleshooting Issues with Jupyter Notebook

  • راه اندازی و نصب Setup & Installation

نصب و راه اندازی Installation and Setup

  • مقدمه ای بر تجزیه و تحلیل داده ها با پانداها و پایتون Introduction to Data Analysis with Pandas and Python

  • درمورد من About Me

  • فایل های دوره تکمیل شده Completed Course Files

  • macOS - Anaconda Distribution، محیط توسعه پایتون ما را دانلود کنید macOS - Download the Anaconda Distribution, our Python development environment

  • macOS - Anaconda Distribution را نصب کنید macOS - Install Anaconda Distribution

  • macOS - به برنامه ترمینال دسترسی پیدا کنید macOS - Access the Terminal Application

  • macOS - محیط conda ایجاد کنید و پانداها و نوت بوک Jupyter را نصب کنید macOS - Create conda Environment and Install pandas and Jupyter Notebook

  • macOS - بسته بندی مواد دوره + فرآیند شروع و خاموش شدن را باز کنید macOS - Unpack Course Materials + The Start and Shutdown Process

  • ویندوز - ببینید سیستم شما 32 بیتی است یا 64 بیتی Windows - Find Out if Your System is 32-bit or 64-bit

  • Windows - Anaconda Distribution را دانلود و نصب کنید Windows - Download and Install the Anaconda Distribution

  • ویندوز - محیط conda ایجاد کنید و پانداها و نوت بوک Jupyter را نصب کنید Windows - Create conda Environment and Install pandas and Jupyter Notebook

  • ویندوز - بسته بندی مواد دوره + فرآیند شروع و خاموش کردن Windows - Unpack Course Materials + The Startdown and Shutdown Process

  • معرفی رابط نوت بوک Jupyter Intro to the Jupyter Notebook Interface

  • انواع سلول ها و حالت های سلول در نوت بوک Jupyter Cell Types and Cell Modes in Jupyter Notebook

  • اجرای سلول کد در نوت بوک Jupyter Code Cell Execution in Jupyter Notebook

  • میانبرهای محبوب صفحه کلید در نوت بوک Jupyter Popular Keyboard Shortcuts in Jupyter Notebook

  • وارد کردن کتابخانه ها به نوت بوک Jupyter Import Libraries into Jupyter Notebook

  • عیب یابی مشکلات با نوت بوک Jupyter Troubleshooting Issues with Jupyter Notebook

  • راه اندازی و نصب Setup & Installation

جایزه: دوره سقوط پایتون BONUS: Python Crash Course

  • مقدمه ای بر دوره سقوط پایتون Intro to the Python Crash Course

  • نظرات Comments

  • انواع داده های پایه Basic Data Types

  • اپراتورها Operators

  • متغیرها Variables

  • متغیرها را اعلام کنید Declare Variables

  • راه حل تمرین کدنویسی: متغیرها را اعلام کنید Coding Exercise Solution: Declare Variables

  • توابع داخلی Built-in Functions

  • توابع داخلی Built-in Functions

  • راه حل تمرین کدنویسی: توابع داخلی Coding Exercise Solution: Built-in Functions

  • توابع سفارشی Custom Functions

  • توابع سفارشی Custom Functions

  • راه حل تمرین کدنویسی: توابع سفارشی Coding Exercise Solution: Custom Functions

  • روش های رشته ای String Methods

  • روش های رشته ای String Methods

  • راه حل تمرین کدنویسی: روش های رشته ای Coding Exercise Solution: String Methods

  • لیست ها Lists

  • ایجاد لیست ها Creating Lists

  • راه حل تمرین کدنویسی: ایجاد لیست Coding Exercise Solution: Creating Lists

  • موقعیت های شاخص و برش Index Positions and Slicing

  • موقعیت های شاخص و برش Index Positions and Slicing

  • راه حل تمرین کدنویسی: موقعیت های شاخص و برش Coding Exercise Solution: Index Positions and Slicing

  • لغت نامه ها Dictionaries

  • ایجاد فرهنگ لغت Creating Dictionaries

  • راه حل تمرین کدنویسی: ایجاد فرهنگ لغت Coding Exercise Solution: Creating Dictionaries

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • دوره سقوط پایتون Python Crash Course

جایزه: دوره سقوط پایتون BONUS: Python Crash Course

  • مقدمه ای بر دوره سقوط پایتون Intro to the Python Crash Course

  • نظرات Comments

  • انواع داده های پایه Basic Data Types

  • اپراتورها Operators

  • متغیرها Variables

  • متغیرها را اعلام کنید Declare Variables

  • راه حل تمرین کدنویسی: متغیرها را اعلام کنید Coding Exercise Solution: Declare Variables

  • توابع داخلی Built-in Functions

  • توابع داخلی Built-in Functions

  • راه حل تمرین کدنویسی: توابع داخلی Coding Exercise Solution: Built-in Functions

  • توابع سفارشی Custom Functions

  • توابع سفارشی Custom Functions

  • راه حل تمرین کدنویسی: توابع سفارشی Coding Exercise Solution: Custom Functions

  • روش های رشته ای String Methods

  • روش های رشته ای String Methods

  • راه حل تمرین کدنویسی: روش های رشته ای Coding Exercise Solution: String Methods

  • لیست ها Lists

  • ایجاد لیست ها Creating Lists

  • راه حل تمرین کدنویسی: ایجاد لیست Coding Exercise Solution: Creating Lists

  • موقعیت های شاخص و برش Index Positions and Slicing

  • موقعیت های شاخص و برش Index Positions and Slicing

  • راه حل تمرین کدنویسی: موقعیت های شاخص و برش Coding Exercise Solution: Index Positions and Slicing

  • لغت نامه ها Dictionaries

  • ایجاد فرهنگ لغت Creating Dictionaries

  • راه حل تمرین کدنویسی: ایجاد فرهنگ لغت Coding Exercise Solution: Creating Dictionaries

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • دوره سقوط پایتون Python Crash Course

سلسله Series

  • نوت بوک Jupyter را برای ماژول سری ایجاد کنید Create Jupyter Notebook for the Series Module

  • یک شیء سری از لیست پایتون ایجاد کنید Create A Series Object from a Python List

  • یک شیء سری از دیکشنری پایتون ایجاد کنید Create A Series Object from a Python Dictionary

  • ایجاد یک شیء سری v2 Create a Series Object v2

  • راه حل تمرین کدنویسی: یک شی سری ایجاد کنید Coding Exercise Solution: Create a Series Object

  • مقدمه ای بر روش ها Intro to Methods

  • مقدمه ای بر ویژگی ها Intro to Attributes

  • ویژگی ها و روش ها در یک سری Attributes and Methods on a Series

  • راه حل تمرین کدنویسی: ویژگی ها و روش ها در یک سری Coding Exercise Solution: Attributes and Methods on a Series

  • پارامترها و آرگومان ها Parameters and Arguments

  • پارامترها و آرگومان ها Parameters and Arguments

  • راه حل تمرین کدنویسی: پارامترها و آرگومان ها Coding Exercise Solution: Parameters and Arguments

  • وارد کردن سری با تابع pd.read_csv Import Series with the pd.read_csv Function

  • وارد کردن سری با تابع read_csv Import Series with the read_csv Function

  • راه حل تمرین کدنویسی: وارد کردن سری با تابع read_csv Coding Exercise Solution: Import Series with the read_csv Function

  • از روش‌های head and tail برای برگرداندن ردیف‌ها از ابتدا و انتهای مجموعه داده استفاده کنید Use the head and tail Methods to Return Rows from Beginning and End of Dataset

  • روش های سر و دم The head and tail Methods

  • راه حل تمرین کدگذاری: روش های سر و دم Coding Exercise Solution: The head and tail Methods

  • انتقال سری به توابع داخلی پایتون Passing Series to Python Built-In Functions

  • روش sort_values The sort_values Method

  • روش sort_values The sort_values Method

  • راه حل تمرین کدنویسی: روش sort_values Coding Exercise Solution: The sort_values Method

  • روش sort_index The sort_index Method

  • روش sort_index The sort_index Method

  • راه حل تمرین کدنویسی: روش sort_index Coding Exercise Solution: The sort_index Method

  • گنجاندن با Python در کلمه کلیدی را بررسی کنید Check for Inclusion with Python's in Keyword

  • گنجاندن با Python در کلمه کلیدی را بررسی کنید Check for Inclusion with Python's in Keyword

  • راه حل تمرین کدنویسی: گنجاندن با Python در کلمه کلیدی را بررسی کنید Coding Exercise Solution: Check for Inclusion with Python's in Keyword

  • استخراج مقادیر سری بر اساس موقعیت شاخص Extract Series Values by Index Position

  • استخراج مقادیر سری با برچسب شاخص Extract Series Values by Index Label

  • استخراج مقادیر سری بر اساس موقعیت شاخص یا برچسب شاخص Extract Series Values by Index Position or Index Label

  • راه حل تمرین کدنویسی: استخراج مقادیر سری بر اساس موقعیت شاخص یا برچسب شاخص Coding Exercise Solution: Extract Series Values by Index Position or Index Label

  • روش دریافت The get Method

  • رونویسی یک مقدار سری Overwrite a Series Value

  • روش کپی The copy Method

  • پارامتر inplace The inplace Parameter

  • روش های ریاضی روی اشیاء سری Math Methods on Series Objects

  • صدا و سیما Broadcasting

  • از روش value_counts برای مشاهده تعداد مقادیر منحصر به فرد در یک سری استفاده کنید Use the value_counts Method to See Counts of Unique Values within a Series

  • روش value_counts The value_counts Method

  • راه حل تمرین کدنویسی: روش value_counts Coding Exercise Solution: The value_counts Method

  • از متد اعمال برای فراخوانی یک تابع در مقادیر هر سری استفاده کنید Use the apply Method to Invoke a Function on Every Series Values

  • روش نقشه The map Method

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • بررسی ماژول سری A Review of the Series Module

سلسله Series

  • نوت بوک Jupyter را برای ماژول سری ایجاد کنید Create Jupyter Notebook for the Series Module

  • یک شیء سری از لیست پایتون ایجاد کنید Create A Series Object from a Python List

  • یک شیء سری از دیکشنری پایتون ایجاد کنید Create A Series Object from a Python Dictionary

  • ایجاد یک شیء سری v2 Create a Series Object v2

  • راه حل تمرین کدنویسی: یک شی سری ایجاد کنید Coding Exercise Solution: Create a Series Object

  • مقدمه ای بر روش ها Intro to Methods

  • مقدمه ای بر ویژگی ها Intro to Attributes

  • ویژگی ها و روش ها در یک سری Attributes and Methods on a Series

  • راه حل تمرین کدنویسی: ویژگی ها و روش ها در یک سری Coding Exercise Solution: Attributes and Methods on a Series

  • پارامترها و آرگومان ها Parameters and Arguments

  • پارامترها و آرگومان ها Parameters and Arguments

  • راه حل تمرین کدنویسی: پارامترها و آرگومان ها Coding Exercise Solution: Parameters and Arguments

  • وارد کردن سری با تابع pd.read_csv Import Series with the pd.read_csv Function

  • وارد کردن سری با تابع read_csv Import Series with the read_csv Function

  • راه حل تمرین کدنویسی: وارد کردن سری با تابع read_csv Coding Exercise Solution: Import Series with the read_csv Function

  • از روش‌های head and tail برای برگرداندن ردیف‌ها از ابتدا و انتهای مجموعه داده استفاده کنید Use the head and tail Methods to Return Rows from Beginning and End of Dataset

  • روش های سر و دم The head and tail Methods

  • راه حل تمرین کدگذاری: روش های سر و دم Coding Exercise Solution: The head and tail Methods

  • انتقال سری به توابع داخلی پایتون Passing Series to Python Built-In Functions

  • روش sort_values The sort_values Method

  • روش sort_values The sort_values Method

  • راه حل تمرین کدنویسی: روش sort_values Coding Exercise Solution: The sort_values Method

  • روش sort_index The sort_index Method

  • روش sort_index The sort_index Method

  • راه حل تمرین کدنویسی: روش sort_index Coding Exercise Solution: The sort_index Method

  • گنجاندن با Python در کلمه کلیدی را بررسی کنید Check for Inclusion with Python's in Keyword

  • گنجاندن با Python در کلمه کلیدی را بررسی کنید Check for Inclusion with Python's in Keyword

  • راه حل تمرین کدنویسی: گنجاندن با Python در کلمه کلیدی را بررسی کنید Coding Exercise Solution: Check for Inclusion with Python's in Keyword

  • استخراج مقادیر سری بر اساس موقعیت شاخص Extract Series Values by Index Position

  • استخراج مقادیر سری با برچسب شاخص Extract Series Values by Index Label

  • استخراج مقادیر سری بر اساس موقعیت شاخص یا برچسب شاخص Extract Series Values by Index Position or Index Label

  • راه حل تمرین کدنویسی: استخراج مقادیر سری بر اساس موقعیت شاخص یا برچسب شاخص Coding Exercise Solution: Extract Series Values by Index Position or Index Label

  • روش دریافت The get Method

  • رونویسی یک مقدار سری Overwrite a Series Value

  • روش کپی The copy Method

  • پارامتر inplace The inplace Parameter

  • روش های ریاضی روی اشیاء سری Math Methods on Series Objects

  • صدا و سیما Broadcasting

  • از روش value_counts برای مشاهده تعداد مقادیر منحصر به فرد در یک سری استفاده کنید Use the value_counts Method to See Counts of Unique Values within a Series

  • روش value_counts The value_counts Method

  • راه حل تمرین کدنویسی: روش value_counts Coding Exercise Solution: The value_counts Method

  • از متد اعمال برای فراخوانی یک تابع در مقادیر هر سری استفاده کنید Use the apply Method to Invoke a Function on Every Series Values

  • روش نقشه The map Method

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • بررسی ماژول سری A Review of the Series Module

DataFrames I: مقدمه DataFrames I: Introduction

  • معرفی ماژول DataFrames I Intro to DataFrames I Module

  • روش‌ها و ویژگی‌ها بین سری و DataFrame Methods and Attributes between Series and DataFrames

  • تفاوت بین روش های مشترک Differences between Shared Methods

  • یک ستون را از یک DataFrame انتخاب کنید Select One Column from a DataFrame

  • یک ستون را از یک DataFrame انتخاب کنید Select One Column from a DataFrame

  • راه حل تمرین کدنویسی: یک ستون را از یک DataFrame انتخاب کنید Coding Exercise Solution: Select One Column from a DataFrame

  • دو یا چند ستون را از یک DataFrame انتخاب کنید Select Two or More Columns from a DataFrame

  • دو یا چند ستون را از یک DataFrame انتخاب کنید Select Two or More Columns from a DataFrame

  • راه حل تمرین کدنویسی: دو یا چند ستون را از یک DataFrame انتخاب کنید Coding Exercise Solution: Select Two or More Columns from a DataFrame

  • اضافه کردن ستون جدید به DataFrame Add New Column to DataFrame

  • ایجاد ستون جدید از ستون موجود Create New Column from Existing Column

  • مروری بر روش value_counts A Review of the value_counts Method

  • سطرهای DataFrame با مقادیر تهی را با روش dropna رها کنید Drop DataFrame Rows with Null Values with the dropna Method

  • ردیف های DataFrame با مقادیر از دست رفته را حذف کنید Delete DataFrame Rows with Missing Values

  • راه حل تمرین کدنویسی: ردیف های DataFrame با مقادیر از دست رفته را حذف کنید Coding Exercise Solution: Delete DataFrame Rows with Missing Values

  • مقادیر DataFrame از دست رفته را با روش fillna پر کنید Fill in Missing DataFrame Values with the fillna Method

  • روش astype I The astype Method I

  • روش آتیپ II The astype Method II

  • روش astype The astype Method

  • راه حل تمرین کدگذاری: روش astype Coding Exercise Solution: The astype Method

  • یک DataFrame را با روش sort_values، قسمت اول مرتب کنید Sort a DataFrame with the sort_values Method, Part I

  • یک DataFrame را با روش sort_values، قسمت دوم مرتب کنید Sort a DataFrame with the sort_values Method, Part II

  • روش sort_values ​​در DataFrame v3 The sort_values Method on a DataFrame v3

  • راه حل تمرین کدگذاری: روش sort_values ​​در یک DataFrame Coding Exercise Solution: The sort_values Method on a DataFrame

  • فهرست DataFrame را با روش sort_index مرتب کنید Sort DataFrame Index with the sort_index Method

  • رتبه بندی مقادیر سری با روش رتبه Rank Series Values with the rank Method

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • مروری بر ماژول DataFrames I A Review of the DataFrames I Module

DataFrames I: مقدمه DataFrames I: Introduction

  • معرفی ماژول DataFrames I Intro to DataFrames I Module

  • روش‌ها و ویژگی‌ها بین سری و DataFrame Methods and Attributes between Series and DataFrames

  • تفاوت بین روش های مشترک Differences between Shared Methods

  • یک ستون را از یک DataFrame انتخاب کنید Select One Column from a DataFrame

  • یک ستون را از یک DataFrame انتخاب کنید Select One Column from a DataFrame

  • راه حل تمرین کدنویسی: یک ستون را از یک DataFrame انتخاب کنید Coding Exercise Solution: Select One Column from a DataFrame

  • دو یا چند ستون را از یک DataFrame انتخاب کنید Select Two or More Columns from a DataFrame

  • دو یا چند ستون را از یک DataFrame انتخاب کنید Select Two or More Columns from a DataFrame

  • راه حل تمرین کدنویسی: دو یا چند ستون را از یک DataFrame انتخاب کنید Coding Exercise Solution: Select Two or More Columns from a DataFrame

  • اضافه کردن ستون جدید به DataFrame Add New Column to DataFrame

  • ایجاد ستون جدید از ستون موجود Create New Column from Existing Column

  • مروری بر روش value_counts A Review of the value_counts Method

  • سطرهای DataFrame با مقادیر تهی را با روش dropna رها کنید Drop DataFrame Rows with Null Values with the dropna Method

  • ردیف های DataFrame با مقادیر از دست رفته را حذف کنید Delete DataFrame Rows with Missing Values

  • راه حل تمرین کدنویسی: ردیف های DataFrame با مقادیر از دست رفته را حذف کنید Coding Exercise Solution: Delete DataFrame Rows with Missing Values

  • مقادیر DataFrame از دست رفته را با روش fillna پر کنید Fill in Missing DataFrame Values with the fillna Method

  • روش astype I The astype Method I

  • روش آتیپ II The astype Method II

  • روش astype The astype Method

  • راه حل تمرین کدگذاری: روش astype Coding Exercise Solution: The astype Method

  • یک DataFrame را با روش sort_values، قسمت اول مرتب کنید Sort a DataFrame with the sort_values Method, Part I

  • یک DataFrame را با روش sort_values، قسمت دوم مرتب کنید Sort a DataFrame with the sort_values Method, Part II

  • روش sort_values ​​در DataFrame v3 The sort_values Method on a DataFrame v3

  • راه حل تمرین کدگذاری: روش sort_values ​​در یک DataFrame Coding Exercise Solution: The sort_values Method on a DataFrame

  • فهرست DataFrame را با روش sort_index مرتب کنید Sort DataFrame Index with the sort_index Method

  • رتبه بندی مقادیر سری با روش رتبه Rank Series Values with the rank Method

  • نوت بوک Jupyter را برای این بخش تکمیل کرد Completed Jupyter Notebook for this Section

  • مروری بر ماژول DataFrames I A Review of the DataFrames I Module

DataFrames II: فیلتر کردن داده ها DataFrames II: Filtering Data

  • مجموعه داده + بهینه سازی حافظه این ماژول This Module's Dataset + Memory Optimization

  • یک DataFrame را بر اساس یک شرط فیلتر کنید Filter a DataFrame Based on A Condition

  • یک DataFrame را بر اساس یک شرایط فیلتر کنید Filter a DataFrame Based on a Condition

  • راه حل تمرین کدنویسی: یک DataFrame را بر اساس یک شرط فیلتر کنید Coding Exercise Solution: Filter a DataFrame Based on A Condition

  • فیلتر دیتا فریم با بیش از یک شرط (AND - &) Filter DataFrame with More than One Condition (AND - &)

  • فیلتر دیتا فریم با بیش از یک شرط (AND - &) Filter DataFrame with More than One Condition (AND - &)

  • راه حل تمرین کدنویسی: فیلتر دیتا فریم با بیش از یک شرط (AND) Coding Exercise Solution: Filter DataFrame with More than One Condition (AND)

  • فیلتر دیتا فریم با بیش از یک شرط (OR - |) Filter DataFrame with More than One Condition (OR - |)

  • فیلتر دیتا فریم با بیش از یک شرط (OR - |) Filter DataFrame with More than One Condition (OR - |)

  • راه حل تمرین کدنویسی: فیلتر دیتا فریم با بیش از یک شرط (OR) Coding Exercise Solution: Filter DataFrame with More than One Condition (OR)

  • گنجاندن را با روش isin بررسی کنید Check for Inclusion with the isin Method

  • گنجاندن را با روش isin بررسی کنید Check for Inclusion with the isin Method

  • راه حل تمرین کدنویسی: گنجاندن را با روش isin بررسی کنید Coding Exercise Solution: Check for Inclusion with the isin Method

  • مقادیر Null و Present DataFrame را با متدهای isnull و notnull بررسی کنید Check for Null and Present DataFrame Values with the isnull and notnull Methods

  • گنجاندن در محدوده ای از مقادیر را با روش بین بررسی کنید Check For Inclusion Within a Range of Values with the between Method

  • روش بین The between Method

  • راه حل تمرین کدگذاری: روش بین Coding Exercise Solution: The between Method

  • ردیف های DataFrame تکراری را با روش تکراری بررسی کنید Check for Duplicate DataFrame Rows with the duplicated Method

  • ردیف های Duplicate DataFrame را با روش drop_duplicates حذف کنید Delete Duplicate DataFrame Rows with the drop_duplicates Method

  • با روش های منحصر به فرد و منحصر به فرد، ارزش های منحصر به فرد را شناسایی و شمارش کنید Identify and Count Unique Values with the unique and nunique Methods

DataFrames II: فیلتر کردن داده ها DataFrames II: Filtering Data

  • مجموعه داده + بهینه سازی حافظه این ماژول This Module's Dataset + Memory Optimization

  • یک DataFrame را بر اساس یک شرط فیلتر کنید Filter a DataFrame Based on A Condition

  • یک DataFrame را بر اساس یک شرایط فیلتر کنید Filter a DataFrame Based on a Condition

  • راه حل تمرین کدنویسی: یک DataFrame را بر اساس یک شرط فیلتر کنید Coding Exercise Solution: Filter a DataFrame Based on A Condition

  • فیلتر دیتا فریم با بیش از یک شرط (AND - &) Filter DataFrame with More than One Condition (AND - &)

  • فیلتر دیتا فریم با بیش از یک شرط (AND - &) Filter DataFrame with More than One Condition (AND - &)

  • راه حل تمرین کدنویسی: فیلتر دیتا فریم با بیش از یک شرط (AND) Coding Exercise Solution: Filter DataFrame with More than One Condition (AND)

  • فیلتر دیتا فریم با بیش از یک شرط (OR - |) Filter DataFrame with More than One Condition (OR - |)

  • فیلتر دیتا فریم با بیش از یک شرط (OR - |) Filter DataFrame with More than One Condition (OR - |)

  • راه حل تمرین کدنویسی: فیلتر دیتا فریم با بیش از یک شرط (OR) Coding Exercise Solution: Filter DataFrame with More than One Condition (OR)

  • گنجاندن را با روش isin بررسی کنید Check for Inclusion with the isin Method

  • گنجاندن را با روش isin بررسی کنید Check for Inclusion with the isin Method

  • راه حل تمرین کدنویسی: گنجاندن را با روش isin بررسی کنید Coding Exercise Solution: Check for Inclusion with the isin Method

  • مقادیر Null و Present DataFrame را با متدهای isnull و notnull بررسی کنید Check for Null and Present DataFrame Values with the isnull and notnull Methods

  • گنجاندن در محدوده ای از مقادیر را با روش بین بررسی کنید Check For Inclusion Within a Range of Values with the between Method

  • روش بین The between Method

  • راه حل تمرین کدگذاری: روش بین Coding Exercise Solution: The between Method

  • ردیف های DataFrame تکراری را با روش تکراری بررسی کنید Check for Duplicate DataFrame Rows with the duplicated Method

  • ردیف های Duplicate DataFrame را با روش drop_duplicates حذف کنید Delete Duplicate DataFrame Rows with the drop_duplicates Method

  • با روش های منحصر به فرد و منحصر به فرد، ارزش های منحصر به فرد را شناسایی و شمارش کنید Identify and Count Unique Values with the unique and nunique Methods

DataFrames III: استخراج داده ها DataFrames III: Data Extraction

  • معرفی ماژول DataFrames III + Import Dataset Intro to the DataFrames III Module + Import Dataset

  • از متدهای set_index و reset_index برای تعریف یک شاخص DataFrame جدید استفاده کنید Use the set_index and reset_index methods to define a new DataFrame index

  • سطرها را با برچسب شاخص با loc Accessor بازیابی کنید Retrieve Rows by Index Label with loc Accessor

  • بازیابی سطرها بر اساس موقعیت شاخص با iloc Accessor Retrieve Rows by Index Position with iloc Accessor

  • ارسال آرگومان های دوم به loc و iloc Accessor Passing second arguments to the loc and iloc Accessors

  • مقدار جدید را برای یک سلول خاص یا سلول های پشت سر هم تنظیم کنید Set New Value for a Specific Cell or Cells In a Row

  • چندین مقدار را در یک DataFrame تنظیم کنید Set Multiple Values in a DataFrame

  • تغییر نام برچسب ها یا ستون های فهرست در یک DataFrame Rename Index Labels or Columns in a DataFrame

  • سطرها یا ستون ها را از DataFrame حذف کنید Delete Rows or Columns from a DataFrame

  • نمونه تصادفی با روش نمونه ایجاد کنید Create Random Sample with the sample Method

  • از nsmallest/nlargest متدها برای بدست آوردن ردیف هایی با کوچکترین/بزرگترین مقادیر استفاده کنید. Use the nsmallest / nlargest methods to get rows with smallest / largest values.

  • یک DataFrame را با روش Where فیلتر کنید Filter A DataFrame with the where method

  • یک DataFrame را با روش query فیلتر کنید Filter A DataFrame with the query method

  • مروری بر روش اعمال بر روی یک شیء سری پاندا A Review of the apply Method on a pandas Series Object

  • با استفاده از Method روی هر سطر DataFrame یک تابع اعمال کنید Apply a Function to every DataFrame Row with the apply Method

  • با روش کپی یک کپی از یک DataFrame ایجاد کنید Create a Copy of a DataFrame with the copy Method

DataFrames III: استخراج داده ها DataFrames III: Data Extraction

  • معرفی ماژول DataFrames III + Import Dataset Intro to the DataFrames III Module + Import Dataset

  • از متدهای set_index و reset_index برای تعریف یک شاخص DataFrame جدید استفاده کنید Use the set_index and reset_index methods to define a new DataFrame index

  • سطرها را با برچسب شاخص با loc Accessor بازیابی کنید Retrieve Rows by Index Label with loc Accessor

  • بازیابی سطرها بر اساس موقعیت شاخص با iloc Accessor Retrieve Rows by Index Position with iloc Accessor

  • ارسال آرگومان های دوم به loc و iloc Accessor Passing second arguments to the loc and iloc Accessors

  • مقدار جدید را برای یک سلول خاص یا سلول های پشت سر هم تنظیم کنید Set New Value for a Specific Cell or Cells In a Row

  • چندین مقدار را در یک DataFrame تنظیم کنید Set Multiple Values in a DataFrame

  • تغییر نام برچسب ها یا ستون های فهرست در یک DataFrame Rename Index Labels or Columns in a DataFrame

  • سطرها یا ستون ها را از DataFrame حذف کنید Delete Rows or Columns from a DataFrame

  • نمونه تصادفی با روش نمونه ایجاد کنید Create Random Sample with the sample Method

  • از nsmallest/nlargest متدها برای بدست آوردن ردیف هایی با کوچکترین/بزرگترین مقادیر استفاده کنید. Use the nsmallest / nlargest methods to get rows with smallest / largest values.

  • یک DataFrame را با روش Where فیلتر کنید Filter A DataFrame with the where method

  • یک DataFrame را با روش query فیلتر کنید Filter A DataFrame with the query method

  • مروری بر روش اعمال بر روی یک شیء سری پاندا A Review of the apply Method on a pandas Series Object

  • با استفاده از Method روی هر سطر DataFrame یک تابع اعمال کنید Apply a Function to every DataFrame Row with the apply Method

  • با روش کپی یک کپی از یک DataFrame ایجاد کنید Create a Copy of a DataFrame with the copy Method

کار با داده های متنی Working with Text Data

  • مقدمه ای بر بخش کار با داده های متنی Intro to the Working with Text Data Section

  • روش‌های رشته‌ای رایج - پایین، بالا، عنوان و لنز Common String Methods - lower, upper, title, and len

  • روش های رایج رشته Common String Methods

  • راه حل تمرین کدنویسی: روش های رشته ای رایج Coding Exercise Solution: Common String Methods

  • از متد str.replace برای جایگزینی تمام رخدادهای کاراکتر با دیگری استفاده کنید Use the str.replace method to replace all occurrences of character with another

  • ردیف های DataFrame را با روش های رشته ای فیلتر کنید Filter a DataFrame's Rows with String Methods

  • روش‌های رشته DataFrame بیشتر - strip، lstrip و rstrip More DataFrame String Methods - strip, lstrip, and rstrip

  • فراخوانی روش‌های رشته‌ای در فهرست و ستون‌های DataFrame Invoke String Methods on DataFrame Index and Columns

  • تقسیم رشته ها بر اساس کاراکترها با روش str.split Split Strings by Characters with the str.split Method

  • بیشتر با روش str.split در یک سری تمرین کنید More Practice with the str.split method on a Series

  • بررسی پارامترهای expand و n روش str.split Exploring the expand and n Parameters of the str.split Method

کار با داده های متنی Working with Text Data

  • مقدمه ای بر بخش کار با داده های متنی Intro to the Working with Text Data Section

  • روش‌های رشته‌ای رایج - پایین، بالا، عنوان و لنز Common String Methods - lower, upper, title, and len

  • روش های رایج رشته Common String Methods

  • راه حل تمرین کدنویسی: روش های رشته ای رایج Coding Exercise Solution: Common String Methods

  • از متد str.replace برای جایگزینی تمام رخدادهای کاراکتر با دیگری استفاده کنید Use the str.replace method to replace all occurrences of character with another

  • ردیف های DataFrame را با روش های رشته ای فیلتر کنید Filter a DataFrame's Rows with String Methods

  • روش‌های رشته DataFrame بیشتر - strip، lstrip و rstrip More DataFrame String Methods - strip, lstrip, and rstrip

  • فراخوانی روش‌های رشته‌ای در فهرست و ستون‌های DataFrame Invoke String Methods on DataFrame Index and Columns

  • تقسیم رشته ها بر اساس کاراکترها با روش str.split Split Strings by Characters with the str.split Method

  • بیشتر با روش str.split در یک سری تمرین کنید More Practice with the str.split method on a Series

  • بررسی پارامترهای expand و n روش str.split Exploring the expand and n Parameters of the str.split Method

چند شاخص MultiIndex

  • معرفی ماژول MultiIndex Intro to the MultiIndex Module

  • با روش set_index یک MultiIndex روی DataFrame ایجاد کنید Create a MultiIndex on a DataFrame with the set_index Method

  • یک MultiIdex در یک DataFrame ایجاد کنید Create a MultiIndex on a DataFrame

  • راه حل تمرین کدنویسی: یک MultiIndex در یک DataFrame ایجاد کنید Coding Exercise Solution: Create a MultiIndex on a DataFrame

  • مقادیر سطح شاخص را با روش get_level_values ​​استخراج کنید Extract Index Level Values with the get_level_values Method

  • مقادیر سطح شاخص را با روش get_level_values ​​استخراج کنید Extract Index Level Values with the get_level_values Method

  • راه حل تمرین کدنویسی: مقادیر سطح شاخص را با get_level_values ​​M استخراج کنید Coding Exercise Solution: Extract Index Level Values with the get_level_values M

  • نام سطح Index را با روش set_names تغییر دهید Change Index Level Name with the set_names Method

  • روش sort_index در یک DataFrame MultiIndex The sort_index Method on a MultiIndex DataFrame

  • استخراج ردیف ها از یک DataFrame MultiIndex Extract Rows from a MultiIndex DataFrame

  • استخراج ردیف ها از یک DataFrame MultiIndex Extract Rows from a MultiIndex DataFrame

  • راه حل تمرین کدنویسی: ردیف ها را از یک DataFrame MultiIndex استخراج کنید Coding Exercise Solution: Extract Rows from a MultiIndex DataFrame

  • روش جابجایی در یک DataFrame MultiIndex The transpose Method on a MultiIndex DataFrame

  • روش swaplevel The swaplevel Method

  • روش پشته The stack Method

  • روش unstack، قسمت 1 The unstack Method, Part 1

  • روش unstack، قسمت 2 The unstack Method, Part 2

  • روش unstack، قسمت 3 The unstack Method, Part 3

  • روش محوری The pivot Method

  • از روش pivot_table برای ایجاد خلاصه ای از DataFrame استفاده کنید Use the pivot_table method to create an aggregate summary of a DataFrame

  • از روش pd.melt برای ایجاد یک مجموعه داده باریک از یک مجموعه گسترده استفاده کنید Use the pd.melt method to create a narrow dataset from a wide one

  • روش pd.melt The pd.melt Method

  • راه حل تمرین کدنویسی: روش pd.melt Coding Exercise Solution: The pd.melt Method

چند شاخص MultiIndex

  • معرفی ماژول MultiIndex Intro to the MultiIndex Module

  • با روش set_index یک MultiIndex روی DataFrame ایجاد کنید Create a MultiIndex on a DataFrame with the set_index Method

  • یک MultiIdex در یک DataFrame ایجاد کنید Create a MultiIndex on a DataFrame

  • راه حل تمرین کدنویسی: یک MultiIndex در یک DataFrame ایجاد کنید Coding Exercise Solution: Create a MultiIndex on a DataFrame

  • مقادیر سطح شاخص را با روش get_level_values ​​استخراج کنید Extract Index Level Values with the get_level_values Method

  • مقادیر سطح شاخص را با روش get_level_values ​​استخراج کنید Extract Index Level Values with the get_level_values Method

  • راه حل تمرین کدنویسی: مقادیر سطح شاخص را با get_level_values ​​M استخراج کنید Coding Exercise Solution: Extract Index Level Values with the get_level_values M

  • نام سطح Index را با روش set_names تغییر دهید Change Index Level Name with the set_names Method

  • روش sort_index در یک DataFrame MultiIndex The sort_index Method on a MultiIndex DataFrame

  • استخراج ردیف ها از یک DataFrame MultiIndex Extract Rows from a MultiIndex DataFrame

  • استخراج ردیف ها از یک DataFrame MultiIndex Extract Rows from a MultiIndex DataFrame

  • راه حل تمرین کدنویسی: ردیف ها را از یک DataFrame MultiIndex استخراج کنید Coding Exercise Solution: Extract Rows from a MultiIndex DataFrame

  • روش جابجایی در یک DataFrame MultiIndex The transpose Method on a MultiIndex DataFrame

  • روش swaplevel The swaplevel Method

  • روش پشته The stack Method

  • روش unstack، قسمت 1 The unstack Method, Part 1

  • روش unstack، قسمت 2 The unstack Method, Part 2

  • روش unstack، قسمت 3 The unstack Method, Part 3

  • روش محوری The pivot Method

  • از روش pivot_table برای ایجاد خلاصه ای از DataFrame استفاده کنید Use the pivot_table method to create an aggregate summary of a DataFrame

  • از روش pd.melt برای ایجاد یک مجموعه داده باریک از یک مجموعه گسترده استفاده کنید Use the pd.melt method to create a narrow dataset from a wide one

  • روش pd.melt The pd.melt Method

  • راه حل تمرین کدنویسی: روش pd.melt Coding Exercise Solution: The pd.melt Method

شی GroupBy The GroupBy Object

  • معرفی ماژول GroupBy Intro to the GroupBy Module

  • اولین عملیات با groupby Object First Operations with groupby Object

  • با متد get_group یک گروه را از یک شی GroupBy بازیابی کنید Retrieve a group from a GroupBy object with the get_group Method

  • روش‌ها در ستون‌های Groupby Object و DataFrame Methods on the Groupby Object and DataFrame Columns

  • گروه بندی بر اساس چند ستون Grouping by Multiple Columns

  • روش agg The agg Method

  • تکرار از طریق گروه ها Iterating through Groups

شی GroupBy The GroupBy Object

  • معرفی ماژول GroupBy Intro to the GroupBy Module

  • اولین عملیات با groupby Object First Operations with groupby Object

  • با متد get_group یک گروه را از یک شی GroupBy بازیابی کنید Retrieve a group from a GroupBy object with the get_group Method

  • روش‌ها در ستون‌های Groupby Object و DataFrame Methods on the Groupby Object and DataFrame Columns

  • گروه بندی بر اساس چند ستون Grouping by Multiple Columns

  • روش agg The agg Method

  • تکرار از طریق گروه ها Iterating through Groups

ادغام، پیوستن و الحاق دیتا فریم ها Merging, Joining, and Concatenating DataFrames

  • معرفی بخش ادغام، پیوستن و الحاق Intro to the Merging, Joining, and Concatenating Section

  • روش pd.concat، قسمت 1 The pd.concat Method, Part 1

  • روش pd.concat، قسمت 2 The pd.concat Method, Part 2

  • پیوندهای داخلی، قسمت 1 Inner Joins, Part 1

  • پیوندهای داخلی، قسمت 2 Inner Joins, Part 2

  • اتصالات بیرونی Outer Joins

  • الحاقات چپ Left Joins

  • پارامترهای left_on و right_on The left_on and right_on Parameters

  • ادغام بر اساس شاخص ها با پارامترهای left_index و right_index Merging by Indexes with the left_index and right_index Parameters

  • متد ()join The .join() Method

  • متد ()pd.merge The pd.merge() Method

ادغام، پیوستن و الحاق دیتا فریم ها Merging, Joining, and Concatenating DataFrames

  • معرفی بخش ادغام، پیوستن و الحاق Intro to the Merging, Joining, and Concatenating Section

  • روش pd.concat، قسمت 1 The pd.concat Method, Part 1

  • روش pd.concat، قسمت 2 The pd.concat Method, Part 2

  • پیوندهای داخلی، قسمت 1 Inner Joins, Part 1

  • پیوندهای داخلی، قسمت 2 Inner Joins, Part 2

  • اتصالات بیرونی Outer Joins

  • الحاقات چپ Left Joins

  • پارامترهای left_on و right_on The left_on and right_on Parameters

  • ادغام بر اساس شاخص ها با پارامترهای left_index و right_index Merging by Indexes with the left_index and right_index Parameters

  • متد ()join The .join() Method

  • متد ()pd.merge The pd.merge() Method

کار با تاریخ و زمان در مجموعه داده ها Working with Dates and Times in Datasets

  • معرفی ماژول کار با تاریخ و زمان Intro to the Working with Dates and Times Module

  • بررسی ماژول datetime پایتون Review of Python's datetime Module

  • شیء مهر زمانی پانداها The pandas Timestamp Object

  • شیء DateTimeIndex پانداها The pandas DateTimeIndex Object

  • متد ()pd.to_datetime The pd.to_datetime() Method

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 1 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 1

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 2 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 2

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 3 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 3

  • dt Accessor The .dt Accessor

  • Pandas-datareader Library را نصب کنید Install pandas-datareader Library

  • رفع خطاهای API در درس بعدی Fixing API Errors in Next Lesson

  • وارد کردن مجموعه داده های مالی با کتابخانه pandas_datareader Import Financial Data Set with pandas_datareader Library

  • انتخاب سطرها از DataFrame با DateTimeIndex Selecting Rows from a DataFrame with a DateTimeIndex

  • ویژگی‌ها و روش‌های شی مُهر زمانی Timestamp Object Attributes and Methods

  • شیء pd.DateOffset The pd.DateOffset Object

  • افست های سری زمانی Timeseries Offsets

  • شی Timedelta The Timedelta Object

  • Timedelta ها در یک مجموعه داده Timedeltas in a Dataset

کار با تاریخ و زمان در مجموعه داده ها Working with Dates and Times in Datasets

  • معرفی ماژول کار با تاریخ و زمان Intro to the Working with Dates and Times Module

  • بررسی ماژول datetime پایتون Review of Python's datetime Module

  • شیء مهر زمانی پانداها The pandas Timestamp Object

  • شیء DateTimeIndex پانداها The pandas DateTimeIndex Object

  • متد ()pd.to_datetime The pd.to_datetime() Method

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 1 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 1

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 2 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 2

  • محدوده تاریخ ها را با متد ()pd.date_range، قسمت 3 ایجاد کنید Create Range of Dates with the pd.date_range() Method, Part 3

  • dt Accessor The .dt Accessor

  • Pandas-datareader Library را نصب کنید Install pandas-datareader Library

  • رفع خطاهای API در درس بعدی Fixing API Errors in Next Lesson

  • وارد کردن مجموعه داده های مالی با کتابخانه pandas_datareader Import Financial Data Set with pandas_datareader Library

  • انتخاب سطرها از DataFrame با DateTimeIndex Selecting Rows from a DataFrame with a DateTimeIndex

  • ویژگی‌ها و روش‌های شی مُهر زمانی Timestamp Object Attributes and Methods

  • شیء pd.DateOffset The pd.DateOffset Object

  • افست های سری زمانی Timeseries Offsets

  • شی Timedelta The Timedelta Object

  • Timedelta ها در یک مجموعه داده Timedeltas in a Dataset

ورودی و خروجی در پانداها Input and Output in pandas

  • مقدمه بخش ورودی و خروجی Intro to the Input and Output Section

  • یک URL به روش pd.read_csv ارسال کنید Pass a URL to the pd.read_csv Method

  • تبدیل سریع شی Quick Object Conversions

  • فایل CSV را با روش to_csv صادر کنید Export CSV File with the to_csv Method

  • برای خواندن و نوشتن فایل های اکسل، کتابخانه های xlrd و openpyxl را نصب کنید Install xlrd and openpyxl Libraries to Read and Write Excel Files

  • با روش read_excel فایل اکسل را به پانداها وارد کنید Import Excel File into pandas with the read_excel Method

  • فایل اکسل را با روش to_excel صادر کنید Export Excel File with the to_excel Method

  • ورودی و خروجی Input and Output

ورودی و خروجی در پانداها Input and Output in pandas

  • مقدمه بخش ورودی و خروجی Intro to the Input and Output Section

  • یک URL به روش pd.read_csv ارسال کنید Pass a URL to the pd.read_csv Method

  • تبدیل سریع شی Quick Object Conversions

  • فایل CSV را با روش to_csv صادر کنید Export CSV File with the to_csv Method

  • برای خواندن و نوشتن فایل های اکسل، کتابخانه های xlrd و openpyxl را نصب کنید Install xlrd and openpyxl Libraries to Read and Write Excel Files

  • با روش read_excel فایل اکسل را به پانداها وارد کنید Import Excel File into pandas with the read_excel Method

  • فایل اکسل را با روش to_excel صادر کنید Export Excel File with the to_excel Method

  • ورودی و خروجی Input and Output

تجسم Visualization

  • مقدمه بخش تجسم Intro to Visualization Section

  • از روش نمودار برای ارائه نمودار خطی استفاده کنید Use the plot Method to Render a Line Chart

  • اصلاح زیبایی شناسی طرح با الگوهای matplotlib Modifying Plot Aesthetics with matplotlib Templates

  • ایجاد نمودارهای نواری برای نمایش تعداد Creating Bar Graphs to Show Counts

  • ایجاد نمودارهای دایره ای برای نشان دادن نسبت ها Creating Pie Charts to Represent Proportions

  • تجسم Visualization

تجسم Visualization

  • مقدمه بخش تجسم Intro to Visualization Section

  • از روش نمودار برای ارائه نمودار خطی استفاده کنید Use the plot Method to Render a Line Chart

  • اصلاح زیبایی شناسی طرح با الگوهای matplotlib Modifying Plot Aesthetics with matplotlib Templates

  • ایجاد نمودارهای نواری برای نمایش تعداد Creating Bar Graphs to Show Counts

  • ایجاد نمودارهای دایره ای برای نشان دادن نسبت ها Creating Pie Charts to Represent Proportions

  • تجسم Visualization

گزینه ها و تنظیمات در پانداها Options and Settings in pandas

  • مقدمه ای بر ماژول گزینه ها و تنظیمات Introduction to the Options and Settings Module

  • تغییر گزینه های پانداها با ویژگی ها و نحو نقطه Changing pandas Options with Attributes and Dot Syntax

  • تغییر گزینه های پاندا با روش ها Changing pandas Options with Methods

  • گزینه دقیق The precision Option

گزینه ها و تنظیمات در پانداها Options and Settings in pandas

  • مقدمه ای بر ماژول گزینه ها و تنظیمات Introduction to the Options and Settings Module

  • تغییر گزینه های پانداها با ویژگی ها و نحو نقطه Changing pandas Options with Attributes and Dot Syntax

  • تغییر گزینه های پاندا با روش ها Changing pandas Options with Methods

  • گزینه دقیق The precision Option

نتیجه Conclusion

  • نتیجه Conclusion

  • جایزه! Bonus!

نتیجه Conclusion

  • نتیجه Conclusion

  • جایزه! Bonus!

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل داده ها با پانداها و پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 320,000 تومان (5 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 2 دوره است و 2 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
21.5 hours
207
Udemy (یودمی) udemy-small
11 دی 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
179,315
4.7 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Boris Paskhaver Boris Paskhaver

مهندس نرم افزار | مشاور | نویسنده سلام من یک مهندس ، نویسنده و مشاور نرم افزار ساکن شهر نیویورک هستم که از سال 2016 در Udemy تدریس می کنم. من مانند بسیاری از همتایانم رویکرد متعارفی را برای نقش فعلی خود به عنوان یک توسعه دهنده وب دنبال نکردم. پس از فارغ التحصیلی از دانشگاه نیویورک در سال 2013 در رشته اقتصاد بازاریابی و بازاریابی ، من به عنوان تحلیلگر بازرگانی ، مدیر سیستم ها و تحلیلگر داده در شرکت های مختلف از جمله آژانس بازاریابی دیجیتال ، یک شرکت خدمات مالی و یک فناوری بین المللی کار کردم. نیروگاه در یکی از آن نقش ها ، من آنقدر خوش شانس بودم که برای ساخت چندین پروژه با پایتون و جاوا اسکریپت به چالش کشیده شدم. هیچ آموزش رسمی علوم کامپیوتر برای من وجود نداشت. من کاملاً تصادفی کدگذاری را کشف کردم. یک علاقه کاری کوچک به سرعت به یک سرگرمی پرشور آخر هفته تبدیل شد. سرانجام ، من نقش سابق خود را برای اتمام برنامه آکادمی ، یک بوتکمپ سخت افزاری توسعه وب در NYC ، ترک کردم. بقیه تاریخ است. من همیشه مجذوب تقاطع فناوری و آموزش بوده ام ، خصوصاً اینکه با بسیاری از منابع سنتی که مردم برای یادگیری نحوه برنامه نویسی از آنها استفاده می کنند دست و پنجه نرم می کردم. که جزئیات پیچیده را به قطعات کوچک و قابل هضم تقسیم می کند. من دوست دارم بسازم.

Boris Paskhaver Boris Paskhaver

مهندس نرم افزار | مشاور | نویسنده سلام من یک مهندس ، نویسنده و مشاور نرم افزار ساکن شهر نیویورک هستم که از سال 2016 در Udemy تدریس می کنم. من مانند بسیاری از همتایانم رویکرد متعارفی را برای نقش فعلی خود به عنوان یک توسعه دهنده وب دنبال نکردم. پس از فارغ التحصیلی از دانشگاه نیویورک در سال 2013 در رشته اقتصاد بازاریابی و بازاریابی ، من به عنوان تحلیلگر بازرگانی ، مدیر سیستم ها و تحلیلگر داده در شرکت های مختلف از جمله آژانس بازاریابی دیجیتال ، یک شرکت خدمات مالی و یک فناوری بین المللی کار کردم. نیروگاه در یکی از آن نقش ها ، من آنقدر خوش شانس بودم که برای ساخت چندین پروژه با پایتون و جاوا اسکریپت به چالش کشیده شدم. هیچ آموزش رسمی علوم کامپیوتر برای من وجود نداشت. من کاملاً تصادفی کدگذاری را کشف کردم. یک علاقه کاری کوچک به سرعت به یک سرگرمی پرشور آخر هفته تبدیل شد. سرانجام ، من نقش سابق خود را برای اتمام برنامه آکادمی ، یک بوتکمپ سخت افزاری توسعه وب در NYC ، ترک کردم. بقیه تاریخ است. من همیشه مجذوب تقاطع فناوری و آموزش بوده ام ، خصوصاً اینکه با بسیاری از منابع سنتی که مردم برای یادگیری نحوه برنامه نویسی از آنها استفاده می کنند دست و پنجه نرم می کردم. که جزئیات پیچیده را به قطعات کوچک و قابل هضم تقسیم می کند. من دوست دارم بسازم.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.