تجزیه و تحلیل داده ها با پانداها و پایتون [ویدئو]

Data Analysis with Pandas and Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با موارد ضروری شروع می شود و شما را با راه اندازی Anaconda و Jupyter Lab برای پایتون و پانداها آشنا می کند. قبل از فرو رفتن در پانداها برای تجزیه و تحلیل داده ها، دانش اساسی در پایتون به دست خواهید آورد. سپس تمرکز به ساختارهای سری و DataFrame می‌رود و مهارت‌هایی را برای مدیریت و دستکاری موثر داده‌ها در اختیار شما قرار می‌دهد. علاوه بر این، این دوره شامل رسیدگی به تاریخ ها و زمان ها، و انجام عملیات های مختلف ورودی و خروجی فایل، ضروری برای وظایف تجزیه و تحلیل داده های دنیای واقعی است. بخش‌های پیشرفته با استفاده از Matplotlib به تجسم داده‌ها می‌پردازند و به شما امکان می‌دهند نمودارها و نمودارهای تأثیرگذار ایجاد کنید. همچنین گزینه‌ها و تنظیمات پیشرفته پانداها را بررسی خواهید کرد و قابلیت‌های دستکاری داده‌های خود را افزایش خواهید داد. در پایان این دوره، درک جامعی از تکنیک های تجزیه و تحلیل داده ها خواهید داشت. شما مجهز به مدیریت مجموعه داده های پیچیده، انجام تجزیه و تحلیل دقیق، و ارائه داده ها به صورت بصری خواهید بود، و درهایی را به روی تجزیه و تحلیل و دستکاری داده های پیشرفته در تنظیمات حرفه ای باز می کنید. منابع: https://github.com/PacktPublishing/Data-Analysis-with-Pandas-and-Python درک و استفاده از انواع داده های پایه و پیشرفته پایتون. عملیات سری Master و DataFrame در پانداها. انواع داده های پیچیده مانند تاریخ و زمان را مدیریت کنید. عملیات ورودی و خروجی را با انواع فایل های مختلف انجام دهید. انواع مختلف تجسم داده ها را ایجاد و سفارشی کنید. تجزیه و تحلیل داده ها را با تنظیمات و عملکردهای پیشرفته Pandas بهینه کنید. ایده آل برای تحلیلگران داده، دانشمندان مشتاق داده، و حرفه ای هایی که علاقه مند به تسلط بر دستکاری و تجزیه و تحلیل داده ها هستند. این دوره برای کسانی که دانش اولیه پایتون را دارند، به دنبال کاوش عمیق در تجزیه و تحلیل داده ها با استفاده از پانداها هستند. چه بخواهید مهارت‌های خود را برای رشد حرفه‌ای تقویت کنید یا از تکنیک‌های تجزیه و تحلیل داده‌ها در نقش فعلی خود استفاده کنید، این دوره یک مسیر یادگیری جامع از مبانی پایتون تا تکنیک‌های مدیریت داده و تجسم پیشرفته در پانداها را ارائه می‌دهد. راهنمای گام به گام دقیق در مورد نصب و راه اندازی ابزارهای تجزیه و تحلیل داده های کلیدی. * پوشش جامع قابلیت های پانداها، از اصول اولیه تا تکنیک های پیشرفته. * روی برنامه های کاربردی دنیای واقعی تمرکز کنید و توانایی خود را برای تجزیه و تحلیل مجموعه داده های پیچیده افزایش دهید.

سرفصل ها و درس ها

نصب و راه اندازی Installation and Setup

  • مقدمه دوره Introduction to the Course

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

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

  • از Anaconda Navigator برای ایجاد یک محیط جدید استفاده کنید Use Anaconda Navigator to Create a New Environment

  • بسته بندی مواد دوره + فرآیند شروع و خاموش شدن Unpack Course Materials + The Startdown and Shutdown Process

  • مقدمه ای بر رابط آزمایشگاه ژوپیتر Intro to the Jupyter Lab Interface

  • اجرای سلول کد Code Cell Execution

  • کتابخانه ها را به آزمایشگاه ژوپیتر وارد کنید Import Libraries into Jupyter Lab

دوره سقوط پایتون Python Crash Course

  • نظرات Comments

  • انواع داده های پایه Basic Data Types

  • اپراتورها Operators

  • متغیرها Variables

  • توابع داخلی Built-in Functions

  • توابع سفارشی Custom Functions

  • روش های رشته ای String Methods

  • لیست ها Lists

  • موقعیت های شاخص و برش Index Positions and Slicing

  • لغت نامه ها Dictionaries

  • کلاس ها Classes

  • پیمایش کتابخانه ها با استفاده از آزمایشگاه Jupyter Navigating Libraries using Jupyter Lab

سلسله Series

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

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

  • مقدمه ای بر روش های سری Intro to Series Methods

  • مقدمه ای بر ویژگی ها Intro to Attributes

  • پارامترها و آرگومان ها Parameters and Arguments

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

  • روش های سر و دم The head and tail Methods

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

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

  • روش sort_values The sort_values Method

  • روش sort_index The sort_index Method

  • 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

  • روش دریافت The get Method

  • رونویسی یک مقدار سری Overwrite a Series Value

  • روش کپی The copy Method

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

  • صدا و سیما Broadcasting

  • روش value_counts The value_counts Method

  • روش اعمال The apply Method

  • روش نقشه The map Method

DataFrames I: مقدمه DataFrames I: Introduction

  • 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

  • چندین ستون را از یک DataFrame انتخاب کنید Select Multiple Columns from a DataFrame

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

  • مروری بر روش value_counts A Review of the value_counts Method

  • سطرهای DataFrame با مقادیر از دست رفته را رها کنید Drop DataFrame Rows with Missing Values

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

  • روش astype I The astype Method I

  • روش آتیپ II The astype Method II

  • یک DataFrame را با روش sort_values ​​مرتب کنید Sort a DataFrame with the sort_values Method I

  • یک DataFrame را با روش sort_values ​​مرتب کنید Sort a DataFrame with the sort_values Method II

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

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

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 شرایط فیلتر کنید Filter a DataFrame Based on a Condition

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

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

  • روش isin The isin Method

  • روش های isnull و notnull The isnull and notnull Methods

  • روش بین The between Method

  • روش تکراری The duplicated Method

  • روش drop_duplicates The drop_duplicates Method

  • روش های منحصر به فرد و منحصر به فرد The unique and nunique Methods

DataFrames III: استخراج داده ها DataFrames III: Data Extraction

  • مجموعه داده این ماژول This Module's Dataset

  • روش set_index و reset_index The set_index and reset_index Methods

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

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

  • Arguments دوم برای loc و iloc Accessors Second Arguments to loc and iloc Accessors

  • بازنویسی مقدار در یک DataFrame Overwrite Value in a DataFrame

  • چند مقدار را در یک DataFrame بازنویسی کنید Overwrite 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

  • کوچکترین و بزرگترین روشها The nsmallest and nlargest Methods

  • فیلتر کردن با روش Where Filtering with the where Method

  • Apply Method با DataFrames The apply Method with DataFrames

کار با داده های متنی Working with Text Data

  • مجموعه داده این ماژول This Module's Dataset

  • روش های رایج رشته Common String Methods

  • فیلتر کردن با روش های رشته ای Filtering with String Methods

  • روش‌های رشته‌ای در فهرست و ستون‌ها String Methods on Index and Columns

  • روش تقسیم The split Method

  • بیشتر با اسپلیت ها تمرین کنید More Practice with Splits

  • بسط و n پارامتر روش تقسیم The expand and n Parameters of the split Method

چند شاخص MultiIndex

  • معرفی ماژول MultiIndex Intro to the MultiIndex Module

  • یک MultiIndex ایجاد کنید Create a MultiIndex

  • استخراج مقادیر سطح شاخص Extract Index Level Values

  • تغییر نام Index Lebels Rename Index Lebels

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

  • سطرها را از یک DataFrame MultiIndex استخراج کنید Extract Rows from a MultiIndex DataFrame

  • روش جابجایی The transpose Method

  • روش پشته The stack Method

  • روش unstack The unstack Method

  • روش محوری The pivot Method

  • روش ذوب The melt Method

  • روش pivot_table The pivot_table Method

دسته بندی بر اساس GroupBy

  • معرفی ماژول GroupBy Intro to the GroupBy Module

  • روش گروهی The groupby Method

  • یک گروه را با روش get_group بازیابی کنید Retrieve A Group with the get_group Method

  • روش‌ها روی شی GroupBy Methods on the GroupBy Object

  • گروه بندی بر اساس چند ستون Grouping by Multiple Columns

  • روش agg The agg Method

  • تکرار از طریق گروه ها Iterating through Groups

ادغام DataFrames Merging DataFrames

  • معرفی ماژول ادغام DataFrames Intro to the Merging DataFrames Module

  • تابع pd.concat I The pd.concat Function I

  • تابع pd.concat II The pd.concat Function II

  • الحاقات چپ Left Joins

  • پارامترهای left_on و right_on The left_on and right_on Parameters

  • Inner Joins I Inner Joins I

  • اتصالات داخلی II Inner Joins II

  • اتصالات تمام بیرونی Full-Outer Joins

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

  • روش پیوستن The join Method

کار با تاریخ و زمان Working with Dates and Times

  • مقدمه ای بر ماژول کار با تاریخ و زمان و بررسی زمان تاریخ پایتون Intro to the Working with Dates and Times Module and Review of Python's datetime

  • اشیاء Timestamp و DatetimeIndex The Timestamp and DatetimeIndex Objects

  • محدوده تاریخ ها را با تابع pd.date_range ایجاد کنید Create Range of Dates with pd.date_range Function

  • ویژگی dt The dt Attribute

  • انتخاب سطرها از یک DataFrame با DatetimeIndex Selecting Rows from a DataFrame with DatetimeIndex

  • شیء DateOffset The DateOffset Object

  • افست های تخصصی تاریخ Specialized Date Offsets

  • تایمدلتاها Timedeltas

ورودی و خروجی Input and Output

  • معرفی ماژول ورودی و خروجی Intro to the Input and Output Module

  • DataFrame را به فایل CSV صادر کنید Export DataFrame to CSV File

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

  • فایل اکسل را به پانداها وارد کنید Import Excel File into pandas

  • صادرات فایل اکسل از پانداها Export Excel File from pandas

تجسم Visualization

  • کتابخانه matplotlib را برای تجسم نصب کنید Install matplotlib Library for Visualization

  • روش طرح The plot Method

  • اصلاح زیبایی شناسی طرح با الگوها Modifying Plot Aesthetics with Templates

  • نمودار میله Bar Charts

  • نمودارهای پای Pie Charts

گزینه ها و تنظیمات Options and Settings

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

  • تغییر گزینه ها با ویژگی ها Changing Options with Attributes

  • تغییر گزینه ها با توابع Changing Options with Functions

  • گزینه دقیق The precision Option

نتیجه Conclusion

  • نتیجه Conclusion

نمایش نظرات

تجزیه و تحلیل داده ها با پانداها و پایتون [ویدئو]
جزییات دوره
19 h 26 m
137
Packtpub Packtpub
(آخرین آپدیت)
6
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

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.