در حال حاضر محصولی در سبد خرید شما وجود ندارد.
بخش مهمی از کار با داده ها قادر به تجسم آن است. پایتون دارای چندین ماژول شخص ثالث است که می توانید برای تجسم داده استفاده کنید. یکی از محبوب ترین ماژول ها Matplotlib و Pyplot Submodule آن است که اغلب به استفاده از ALIAS PLT اشاره می شود. MatplotLib یک ابزار بسیار متنوع را به نام PLT.ScatrT () فراهم می کند که به شما اجازه می دهد تا هر دو قطعه پراکندگی اساسی و پیچیده را ایجاد کنید.
در این دوره، شما یاد خواهید گرفت که چگونه:
یک طرح پراکنده را با استفاده از PLT ایجاد کنید .scatter
از پارامترهای ورودی مورد نیاز و اختیاری استفاده کنید
پلاک های پراکنده سفارشی برای قطعه های اساسی و پیشرفته تر
نمایش بیش از دو بعد در یک طرح پراکنده
عنوان اصلی : Using plt.scatter to Visualize Data in Python
سرفصل های دوره :
01 با استفاده از PLT.Scatter برای تجسم داده ها در پایتون (Overview)
02 ایجاد قطعه پراکنده
03 سفارشی نشانگرهای سفارشی در قطعه پراکنده
04 تغییر اندازه
05 تغییر رنگ
06 تغییر شکل
07 حلق آویز شفافیت
08 سفارشی کردن colormap و سبک
09 کاوش PLT.Scatter بیشتر
10 بررسی پارامترهای ورودی کلیدی
11 با استفاده از PLT.Scatter () برای تجسم داده ها در پایتون (خلاصه)
Using plt.scatter to Visualize Data in Python
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
تعریف توابع پایتون با آرگومان های اختیاری
کار با scikit-learn و همچنین train_test_split برای جداسازی مجموعه داده ها
Grow Your Python Portfolio With 13 Intermediate Project Ideas
نصب پایتون در Windows, macOS, Linux
استفاده از کلاس های داده در پایتون
استفاده از عملگر Walrus در پایتون برای تخصیص مقادیر
مرتب سازی داده ها در پایتون با کتابخانه پاندا
ساختن یک سیستم مدیریت کاربر با Django
استفاده از Class Constructor ها در زبان Python
تشخیص گفتار با پایتون