تجزیه و تحلیل داده ها با پاندا و پایتون

تجزیه و تحلیل داده ها با Pandas و Python شما را با کتابخانه محبوب Pandas که در بالای زبان برنامه نویسی پایتون ساخته شده است آشنا می کند.
Pandas ابزاری است که به شما امکان می دهد هر کاری و همه چیز را با مجموعه داده های عظیم انجام دهید - تجزیه و تحلیل ، سازماندهی ، مرتب سازی ، فیلتر کردن ، محوری ، جمع آوری ، مبهم ، تمیز کردن ، محاسبه و موارد دیگر! از این رو ، ما آن را "بر روی استروئیدها" می نامیم! ما صدها روش ، ویژگی ها ، ویژگی ها و ویژگی های مختلف را که در داخل این کتابخانه عالی بسته بندی شده اند ، پوشش خواهیم داد. ما به تن از مجموعه داده های مختلف ، کوتاه و طولانی ، شکسته و بکر ، شیرجه می زنیم تا تطبیق پذیری و کارآیی باورنکردنی این بسته را نشان دهیم.
این دوره با ده ها مجموعه داده برای استفاده و بهبود مهارت های شما همراه است. به سمت راست غواصی کنید و همراه با درسهایی را دنبال کنید تا ببینید که شروع به کار با پاندا آسان است! اکنون با پاندا امکان پذیر است.

عنوان اصلی : Data Analysis with Pandas and Python

سرفصل های دوره :

نصب و راه اندازی:
مقدمه ای بر تجزیه و تحلیل داده ها با پانداها و پایتون
MacOS - توزیع Anaconda، محیط توسعه پایتون ما را دانلود کنید
MacOS - Anaconda Distribution را نصب کنید
MacOS - به برنامه ترمینال دسترسی پیدا کنید
MacOS - ایجاد محیط کوندا و نصب پانداها و نوت بوک Jupyter
MacOS - بسته بندی مواد دوره + فرآیند شروع و خاموش شدن
ویندوز - توزیع Anaconda را دانلود کنید
ویندوز - Anaconda Distribution را نصب کنید
ویندوز - محیط کوندا ایجاد کنید و پانداها و نوت بوک Jupyter را نصب کنید
ویندوز - بسته بندی مواد دوره + فرآیند شروع و خاموش شدن
مقدمه ای بر رابط نوت بوک Jupyter
انواع سلول و حالت های سلول در نوت بوک Jupyter
اجرای سلول کد در نوت بوک Jupyter
میانبرهای صفحه کلید محبوب در نوت بوک Jupyter
کتابخانه ها را به نوت بوک Jupyter وارد کنید
پاداش: دوره سقوط پایتون:
مقدمه ای بر دوره سقوط پایتون
نظرات
انواع داده های پایه
اپراتورها
متغیرها
توابع داخلی
توابع سفارشی
روش های رشته ای
لیست ها
موقعیت‌های فهرست و برش
فرهنگ لغت
سریال:
نوت بوک Jupyter را برای ماژول سری ایجاد کنید
یک شی سری از لیست پایتون ایجاد کنید
یک شیء سری از دیکشنری پایتون ایجاد کنید
مقدمه ای بر ویژگی های یک شیء سری
مقدمه ای بر روش ها بر روی یک شی سری
پارامترها و آرگومان ها
با روش pd.read_csv یک سری از مجموعه داده ایجاد کنید
از روش‌های Head and Tail برای برگرداندن ردیف‌ها از ابتدا و انتهای یک مجموعه داده استفاده کنید
ارسال اشیاء پاندا به توابع داخلی پایتون
دسترسی به ویژگی‌های سری بیشتر
از روش sort_values ​​برای مرتب کردن یک سری به ترتیب صعودی یا نزولی استفاده کنید
از پارامتر inplace برای جهش دائمی ساختار داده پانداها استفاده کنید
از روش sort_index برای مرتب کردن فهرست یک شیء سری Pandas استفاده کنید
از Python در کلمه کلیدی برای بررسی گنجاندن در مقادیر سری یا شاخص استفاده کنید
استخراج مقادیر سری بر اساس موقعیت شاخص
مقادیر سری را بر اساس برچسب شاخص استخراج کنید
از روش get برای بازیابی مقدار برای برچسب شاخص در یک سری استفاده کنید
روش های ریاضی روی اشیاء سری
از روش‌های idxmax و idxmin برای یافتن شاخص بزرگ‌ترین یا کوچک‌ترین مقدار استفاده کنید
از روش value_counts برای مشاهده تعداد مقادیر منحصر به فرد در یک سری استفاده کنید
از متد اعمال برای فراخوانی یک تابع در مقادیر هر سری استفاده کنید
روش Series#map
DataFrames I: مقدمه:
مقدمه ای بر ماژول DataFrames I
روش‌ها و ویژگی‌های مشترک بین سری و دیتا فریم
تفاوت‌های بین روش‌های مشترک
یک ستون را از یک DataFrame انتخاب کنید
دو یا چند ستون را از یک DataFrame انتخاب کنید
یک ستون جدید به DataFrame اضافه کنید
عملیات پخش بر روی DataFrames
مروری بر روش value_counts
ردیف های DataFrame را با مقادیر تهی با روش dropna رها کنید
مقادیر Null DataFrame را با روش fillna پر کنید
تبدیل انواع ستون DataFrame با روش astype
یک DataFrame را با روش sort_values، قسمت اول مرتب کنید
یک DataFrame را با روش sort_values، قسمت دوم مرتب کنید
فهرست DataFrame را با روش sort_index() مرتب کنید
رتبه بندی مقادیر سری با روش رتبه
DataFrames II: فیلتر کردن داده ها:
مجموعه داده این ماژول + بهینه سازی حافظه
یک DataFrame را بر اساس یک شرایط فیلتر کنید
فیلتر دیتا فریم با بیش از یک شرط (AND - &)
Filter DataFrame با بیش از یک شرط (OR - |)
گنجاندن را با متد isin() بررسی کنید
مقادیر Null و Present DataFrame را با متدهای isnull و notnull بررسی کنید
گنجاندن در محدوده ای از مقادیر را با روش بین بررسی کنید
ردیف های DataFrame تکراری را با روش تکراری بررسی کنید
ردیف های Duplicate DataFrame را با روش drop_duplicates حذف کنید
با روش های منحصر به فرد و منحصر به فرد، ارزش های منحصر به فرد را شناسایی و شمارش کنید
DataFrames III: استخراج داده:
معرفی ماژول DataFrames III + Import Dataset
از روش‌های set_index و reset_index برای تعریف یک فهرست جدید DataFrame استفاده کنید
بازیابی سطرها با برچسب شاخص با loc Accessor
بازیابی سطرها بر اساس موقعیت شاخص با iloc Accessor
ارسال آرگومان های دوم به loc و iloc Accessors
مقدار جدید را برای یک سلول خاص یا سلول های پشت سر هم تنظیم کنید
چندین مقدار را در یک DataFrame تنظیم کنید
تغییر نام برچسب ها یا ستون های فهرست در یک DataFrame
ردیف ها یا ستون ها را از DataFrame حذف کنید
نمونه تصادفی با روش نمونه ایجاد کنید
از nsmallest/بزرگترین متدها برای دریافت ردیف هایی با کوچکترین/بزرگترین مقادیر استفاده کنید.
یک DataFrame را با متد Where() فیلتر کنید
یک DataFrame را با روش query فیلتر کنید
مروری بر روش اعمال بر روی یک شیء سری پاندا
با استفاده از متد اعمال، یک تابع را به هر ردیف DataFrame اعمال کنید
یک کپی از یک DataFrame با روش کپی ایجاد کنید
کار با داده های متنی:
مقدمه ای بر بخش کار با داده های متنی
روش‌های رشته‌ای رایج - پایین، بالا، عنوان و لنز
از روش str.replace برای جایگزینی همه رخدادهای یک کاراکتر با دیگری استفاده کنید
ردیف های DataFrame را با روش های رشته ای فیلتر کنید
روش‌های رشته DataFrame بیشتر - strip، lstrip و rstrip
روش‌های رشته‌ای را در فهرست و ستون‌های DataFrame فراخوانی کنید
تقسیم رشته ها بر اساس کاراکترها با روش str.split
بیشتر با روش str.split در یک سری تمرین کنید
کاوش در پارامترهای expand و n روش str.split
MultiIndex:
مقدمه ای بر ماژول MultiIndex
با متد set_index یک MultiIndex روی DataFrame ایجاد کنید
مقادیر سطح شاخص را با روش get_level_values ​​استخراج کنید
نام سطح فهرست را با روش set_names تغییر دهید
روش sort_index در یک DataFrame MultiIndex
صفحات را از یک DataFrame MultiIndex استخراج کنید
روش جابجایی در یک DataFrame MultiIndex
روش ()swaplevel
روش .stack().
روش .unstack()، قسمت 1
روش .unstack() قسمت 2
روش .unstack() قسمت 3
روش محوری
از روش pivot_table برای ایجاد یک خلاصه کلی از یک DataFrame استفاده کنید
از روش pd.melt برای ایجاد یک مجموعه داده باریک از یک Wide استفاده کنید
The GroupBy Object:
معرفی ماژول GroupBy
اولین عملیات با شی GroupBy
بازیابی یک گروه از یک شی GroupBy با متد get_group
روش‌ها در ستون‌های GroupBy Object و DataFrame
گروه بندی بر اساس چند ستون
روش .agg().
تکرار از طریق گروه ها
ادغام، پیوستن و الحاق DataFrame ها:
مقدمه ای بر بخش ادغام، پیوستن و الحاق
روش pd.concat، قسمت 1
روش pd.concat، قسمت 2
روش اضافه کردن روی DataFrame
پیوندهای داخلی، قسمت 1
پیوندهای داخلی، قسمت 2
پیوستن های خارجی
پیوستن چپ
پارامترهای left_on و right_on
ادغام بر اساس شاخص ها با پارامترهای left_index و right_index
روش ()join
روش ()pd.merge
کار با تاریخ و زمان در مجموعه داده ها:
مقدمه ای بر ماژول کار با تاریخ و زمان
بررسی ماژول Datetime Python
شی مُهر زمان پانداها
شیء DateTimeIndex پانداها
روش ()pd.to_datetime
ایجاد محدوده تاریخ با متد ()pd.date_range، قسمت 1
ایجاد محدوده تاریخ ها با متد ()pd.date_range، قسمت 2
ایجاد محدوده تاریخ ها با متد ()pd.date_range، قسمت 3
دستگاه .dt
Pandas-datareader Library را نصب کنید
مجموعه داده های مالی را با کتابخانه pandas_datareader وارد کنید
انتخاب سطرها از DataFrame با DateTimeIndex
ویژگی‌ها و روش‌های شی مُهر زمانی
شیء pd.DateOffset
تغییر سری های زمانی
شی Timedelta
Timedeltas در یک مجموعه داده
ورودی و خروجی در پانداها:
مقدمه ای بر بخش ورودی و خروجی
یک URL به روش pd.read_csv ارسال کنید
تبدیل سریع شی
صادر کردن فایل CSV با روش to_csv
کتابخانه‌های xlrd و openpyxl را برای خواندن و نوشتن فایل‌های اکسل نصب کنید
فایل اکسل را با روش read_excel به پانداها وارد کنید
فایل اکسل را با روش to_excel صادر کنید
تجسم:
مقدمه ای بر بخش تجسم
از روش نمودار برای ارائه نمودار خطی استفاده کنید
تغییر زیبایی شناسی طرح با الگوهای matplotlib
ایجاد نمودارهای نواری برای نمایش تعداد
ایجاد نمودارهای دایره ای برای نشان دادن نسبت ها
گزینه‌ها و تنظیمات در پانداها:
مقدمه ای بر ماژول گزینه ها و تنظیمات
تغییر گزینه های پانداها با ویژگی ها و نحو نقطه
تغییر گزینه‌های پانداها با روش‌ها
گزینه دقیق
با تشکر از شما:
نتیجه گیری