آموزش درگیری داده با پایتون

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

ادغام و ادغام داده ها از منابع مختلف Concatenating and Merging Data from Different Sources

• معرفی دوره و ماژول Course and Module Introduction

• پیش نیازهای نرم افزار و دوره Software and Course Prerequisites

• مجموعه داده های بهم پیوسته Concatenating Datasets

• ادغام مجموعه داده ها Merging Datasets

• ادغام کلیدها Merge Keys

• پارامتر How The How Parameter

• نسخه ی نمایشی: ابهام زدایی در ستون های ادغام شده و به روزرسانی فریم داده ها Demo: Disambiguating Merged Columns and Updating Dataframes

• خلاصه Summary

ترکیب داده ها به گروه ها Combining Data into Groups

• معرفی ماژول Module Introduction

• عملکرد GroupBy The GroupBy Function

• نسخه ی نمایشی: چرا و چگونه از عملکرد GroupBy استفاده کنیم Demo: Why and How to Use the GroupBy Function

• فیلتر و تبدیل با GroupBy Filter and Transform with GroupBy

• نسخه ی نمایشی: گروه بندی داده های چند ایندکس Demo: Grouping Multi-index Data

عادی سازی داده ها با Pandas Normalizing Data with Pandas

• معرفی ماژول Module Introduction

• عادی سازی داده ها - چه و چرا Normalizing Data - What and Why

• مقیاس گذاری ویژگی ساده Simple Feature Scaling

• حداقل مقیاس بندی Min-max Scaling

• نرمال سازی با نمره Z Z-score Normalization

• نکاتی که برای نرمال سازی و جمع بندی داده ها باید در نظر گرفت Points to Consider for Data Normalization and Summary

تغییر شکل داده ها با پایتون Reshaping Data with Python

• معرفی ماژول Module Introduction

• مقدمه ای بر تغییر شکل داده ها Introduction to Data Reshaping

• با عملکرد محوری داده های طولانی را برای داده های گسترده تغییر شکل دهید Reshape Long Data to Wide Data with the Pivot Function

• با استفاده از عملکرد ذوب داده های گسترده را به طولانی تغییر شکل دهید Reshape Wide Data to Long Using the Melt Function

• با استفاده از توابع Stack و Unstack داده ها را مجدداً شکل دهید Reshape Data Using the Stack and Unstack Functions

• تغییر شکل و تجمیع با جدول محوری Reshaping and Aggregation with Pivot Table

• خلاصه Summary

رمزگذاری داده با پایتون Data Encoding with Python

• معرفی ماژول Module Introduction

• رمزگذاری داغ One-hot Encoding

• نسخه ی نمایشی: مقادیر دسته بندی را با استفاده از رمزگذاری یکجا تبدیل کنید Demo: Convert Categorical Values Using One-hot Encoding

• متغیرهای ساختگی را با Pandas ایجاد کنید Create Dummy Variables with Pandas

• با عملکرد Crosstab جدول فرکانس ایجاد کنید Create Frequency Table with the Crosstab Function

• خلاصه و بازخورد Summary and Feedback