آموزش دستکاری داده ها در پایتون - Master Python، NumPy و Pandas [ویدئو]

سرفصل ها و درس ها

رفرش سریع پایتون (اختیاری) Python Quick Refresher (Optional)

• به دوره خوش آمدید! Welcome to the course!

• مقدمه ای بر پایتون Introduction to Python

• راه اندازی پایتون Setting up Python

• ژوپیتر چیست؟ What is Jupyter?

• نصب آناکوندا: ویندوز، مک و اوبونتو Anaconda Installation: Windows, Mac, and Ubuntu

• چگونه پایتون را در Jupyter پیاده سازی کنیم؟ How to Implement Python in Jupyter?

• مدیریت دایرکتوری ها در نوت بوک Jupyter Managing Directories in Jupyter Notebook

• ورودی خروجی Input/Output

• کار با انواع داده های مختلف Working with Different Datatypes

• متغیرها Variables

• عملگرهای حسابی Arithmetic Operators

• اپراتورهای مقایسه Comparison Operators

• عملگرهای منطقی Logical Operators

• اظهارات مشروط Conditional Statements

• حلقه ها Loops

• دنباله ها: فهرست ها Sequences: Lists

• توالی: فرهنگ لغت Sequences: Dictionaries

• سکانس: تاپل Sequences: Tuples

• توابع: توابع داخلی Functions: Built-in Functions

• توابع: توابع تعریف شده توسط کاربر Functions: User-Defined Functions

کتابخانه های ضروری پایتون برای علم داده Essential Python Libraries for Data Science

• نصب کتابخانه ها Installing Libraries

• واردات کتابخانه ها Importing Libraries

• کتابخانه پاندا برای علم داده Pandas Library for Data Science

• کتابخانه NumPy برای علم داده NumPy Library for Data Science

• پانداها در مقابل NumPy Pandas versus NumPy

• کتابخانه Matplotlib برای علوم داده Matplotlib Library for Data Science

• کتابخانه Seaborn برای علوم داده Seaborn Library for Data Science

ویژگی های بنیادی NumPy Fundamental NumPy Properties

• آشنایی با آرایه های NumPy Introduction to NumPy Arrays

• ایجاد آرایه های NumPy Creating NumPy Arrays

• نمایه سازی آرایه های NumPy Indexing NumPy Arrays

• شکل آرایه Array Shape

• تکرار بر روی آرایه های NumPy Iterating Over NumPy Arrays

ریاضیات برای علم داده Mathematics for Data Science

• آرایه های اصلی NumPy: zeros() Basic NumPy Arrays: zeros()

• آرایه های پایه NumPy: ones() Basic NumPy Arrays: ones()

• آرایه های پایه NumPy: full() Basic NumPy Arrays: full()

• افزودن اسکالر Adding a Scalar

• تفریق یک اسکالر Subtracting a Scalar

• ضرب در اسکالر Multiplying by a Scalar

• تقسیم بر اسکالر Dividing by a Scalar

• بالا بردن به یک قدرت Raise to a Power

• جابجا شود Transpose

• عنصر عاقلانه اضافه Element-Wise Addition

• تفریق المان Element-Wise Subtraction

• ضرب عنصر عاقلانه Element-Wise Multiplication

• بخش عاقلانه Element-Wise Division

• ضرب ماتریس Matrix Multiplication

• آمار Statistics

دیتا فریم ها و سری های پایتون پانداها Python Pandas DataFrames and Series

• دیتا فریم پایتون پاندا چیست؟ What is a Python Pandas DataFrame?

• سری پانداهای پایتون چیست؟ What is a Python Pandas Series?

• DataFrame در مقابل Series DataFrame versus Series

• ایجاد یک DataFrame با استفاده از لیست ها Creating a DataFrame Using Lists

• ایجاد دیتا فریم با استفاده از دیکشنری Creating a DataFrame Using a Dictionary

• بارگیری داده های CSV در پایتون Loading CSV Data into Python

• تغییر ستون شاخص Changing the Index Column

• درجا Inplace

• بررسی DataFrame: Head and Tail Examining the DataFrame: Head and Tail

• خلاصه آماری DataFrame Statistical Summary of the DataFrame

• برش سطرها با استفاده از عملگرهای براکت Slicing Rows Using Bracket Operators

• نمایه سازی ستون ها با استفاده از عملگرهای براکت Indexing Columns Using Bracket Operators

• لیست بولی Boolean List

• فیلتر کردن ردیف ها Filtering Rows

• فیلتر کردن ردیف ها با استفاده از عملگرهای «&» و «|». Filtering rows using ‘&’ and ‘|’ Operators

• فیلتر کردن داده ها با استفاده از loc() Filtering Data Using loc()

• فیلتر کردن داده ها با استفاده از iloc() Filtering Data Using iloc()

• افزودن و حذف سطرها و ستون ها Adding and Deleting Rows and Columns

• مرتب سازی مقادیر Sorting Values

• صادرات و ذخیره پانداس دیتا فریم Exporting and Saving Pandas DataFrames

• الحاق DataFrames Concatenating DataFrames

• دسته بندی بر اساس() Groupby()

پاکسازی داده ها Data Cleaning

• مقدمه ای بر پاکسازی داده ها Introduction to Data Cleaning

• کیفیت داده ها Quality of Data

• نمونه هایی از ناهنجاری ها Examples of Anomalies

• تشخیص ناهنجاری مبتنی بر میانه Median-based Anomaly Detection

• تشخیص ناهنجاری مبتنی بر میانگین Mean-Based Anomaly Detection

• تشخیص ناهنجاری مبتنی بر Z-Score Z-Score-Based Anomaly Detection

• محدوده بین چارکی برای تشخیص ناهنجاری Interquartile Range for Anomaly Detection

• مقابله با ارزش های گمشده Dealing with Missing Values

• عبارات با قاعده Regular Expressions

• مقیاس بندی ویژگی ها Feature Scaling

تجسم داده ها با استفاده از پایتون Data Visualization using Python

• معرفی Introduction

• راه اندازی Matplotlib Setting Up Matplotlib

• رسم نمودارهای خط با استفاده از Matplotlib Plotting Line Plots using Matplotlib

• عنوان، برچسب‌ها و افسانه Title, Labels, and Legend

• ترسیم هیستوگرام ها Plotting Histograms

• ترسیم نمودارهای میله ای Plotting Bar Charts

• ترسیم نمودارهای پای Plotting Pie Charts

• ترسیم پلات های پراکنده Plotting Scatter Plots

• توطئه های ورود به سیستم Plotting Log Plots

• ترسیم توطئه های قطبی Plotting Polar Plots

• رسیدگی به تاریخ ها Handling Dates

• ایجاد چندین طرح فرعی در یک شکل Creating Multiple Subplots in One Figure

تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• معرفی Introduction

• تجزیه و تحلیل داده های اکتشافی چیست؟ What is Exploratory Data Analysis?

• تحلیل تک متغیره Univariate Analysis

• تحلیل تک متغیره: داده های پیوسته Univariate Analysis: Continuous Data

• تجزیه و تحلیل تک متغیره: داده های طبقه ای Univariate Analysis: Categorical Data

• تجزیه و تحلیل دو متغیره: پیوسته و پیوسته Bivariate Analysis: Continuous and Continuous

• تجزیه و تحلیل دو متغیره: مقوله ای و مقوله ای Bivariate Analysis: Categorical and Categorical

• تحلیل دو متغیره: مستمر و مقوله ای Bivariate Analysis: Continuous and Categorical

• تشخیص نقاط پرت Detecting Outliers

• تبدیل متغیر طبقه ای Categorical Variable Transformation

سری زمانی در پایتون Time Series in Python

• مقدمه ای بر سری زمانی Introduction to Time Series

• دریافت اطلاعات سهام با استفاده از yfinance Getting Stock Data Using yfinance

• تبدیل یک مجموعه داده به سری زمانی Converting a Dataset into Time Series

• کار با سری زمانی Working with Time Series

• تجسم داده های سری زمانی با پایتون Time Series Data Visualization with Python