در حال حاضر محصولی در سبد خرید شما وجود ندارد.
کارشناسی ارشد کتابخانه Pandas قدرتمند برای تجزیه و تحلیل، دستکاری و تجسم داده ها. بیش از 10 مجموعه داده و پاداش شامل!
عنوان اصلی : The Ultimate Pandas Bootcamp: Advanced Python Data Analysis
سرفصل های دوره :
مقدمه:
پاندا مجرد نیست
آناکوندا
نوت بوک های ژوپیتر
Cloud vs Local
سلام پایتون
NumPy
سریال در یک نگاه:
معرفی بخش
سریال چیست؟
پارامترها در مقابل آرگومان ها
در داده ها چیست؟
ویژگی .dtype
جایزه: واقعاً dtype('o') چیست؟
Index And RangeIndex
نام‌های سریال و فهرست
چالش مهارت
راه حل
راه حل دیگر
روش های head() And tail().
استخراج بر اساس موقعیت شاخص
دسترسی به عناصر با برچسب
BONUS: متدهای add_prefix() and add_suffix()
استفاده از نماد نقطه
ماسک های بولی و نمایه ساز .loc
استخراج بر اساس موقعیت با .iloc
پاداش: استفاده از Calables با .loc و .iloc
انتخاب با .get()
خلاصه انتخاب
چالش مهارت
راه حل
نوشتار خلاصه بخش
روش‌ها و مدیریت سری:
معرفی بخش
خواندن داده با read_csv()
سایزبندی سری با .size، .shape، And len()
ارزش های منحصر به فرد و یکنواختی سری
روش count().
دسترسی و شمارش NA
پاداش: رویکردی دیگر
طرف دیگر: notnull() و notna()
پاداش: بولین ها به معنای واقعی کلمه اعداد در پایتون هستند
چالش مهارت
راه حل
انداختن و پر کردن NA
آمار توصیفی
روش describe().
mode() و value_counts()
idxmax() و idxmin()
مرتب‌سازی با sort_values()
nlargest() و nsmallest()
مرتب‌سازی با sort_index()
چالش مهارت
راه حل
Arithmetics و fill_value() سری
پاداش: محاسبه واریانس و انحراف استاندارد
عملیات تجمعی
تفاوت های زوجی با diff()
تکرار سری
فیلتر کردن: filter()، Where()، And mask()
تبدیل با update(), apply() و map()
چالش مهارت
راه حل I - خواندن داده ها راه حل II - میانگین، میانه، و انحراف استاندارد
راه حل III - Z-scores
کار با DataFrames:
DataFrame چیست
ایجاد یک DataFrame
BONUS - چهار روش دیگر برای ساخت DataFrame
روش info().
Reading In Nutrition Data
برخی از پاکسازی ها: حذف فهرست تکراری
روش نمونه ()
پاداش - نمونه برداری با جایگزینی یا وزن
BONUS - اعداد تصادفی چگونه تولید می شوند؟
محورهای DataFrame
تغییر شاخص
استخراج از DataFrames توسط Label
استخراج قاب داده بر اساس موقعیت
دسترسی یک ارزش با .at و .iat
BONUS - متد get_loc().
چالش مهارت
راه حل
پاکسازی بیشتر: به صورت عددی
روش astype().
DataFrame replace() + A Glimpse At Regex
بخش اول: جمع آوری واحدها
روش rename().
DataFrame dropna()
BONUS - dropna() با زیر مجموعه
بخش دوم: ادغام واحدها با نام ستون ها
بخش سوم: حذف واحدها از مقادیر
فیلتر کردن به صورت دو بعدی
مرتب‌سازی قاب داده
استفاده از Series between() با DataFrames
پاداش - حداقل، حداکثر و Idx[MinMax]، و غذاهای خوب
DataFrame nlargest() و nsmallest()
چالش مهارت
راه حل
یک چالش مهارتی دیگر
راه حل
نوشتار خلاصه بخش
فریم های داده در عمق:
معرفی یک مجموعه داده جدید
بررسی سریع: نمایه سازی با ماسک های بولی
رویکردهای بیشتر برای پوشش بولی
اپراتورهای باینری با Booleans
BONUS - XOR و Complement Binary Ops
شرایط ترکیبی
شرایط به عنوان متغیر
چالش مهارت
راه حل
نمایه سازی دو بعدی
نمایه سازی فانتزی با lookup()
مرتب سازی بر اساس نمایه یا ستون
مرتب‌سازی در مقابل مرتب‌سازی مجدد
پاداش - راه دیگری
15. پاداش - لطفا از مرتب سازی مانند این اجتناب کنید
چالش مهارت
راه حل
شناسایی افراد فریبکار
حذف موارد تکراری
حذف ردیف های DataFrame
پاداش - حذف ستون ها
پاداش - روشی دیگر: pop()
پاداش - یک جایگزین پیچیده
مقادیر تهی در DataFrames
انداختن و پر کردن NAهای DataFrame
BONUS - روش‌ها و محورها با fillna()
چالش مهارت
راه حل
محاسبه مجموع ها با agg()
تغییرهای هم شکل
انعطاف پذیری بیشتر با application()
عملیات بر حسب عنصر با applicationmap()
چالش مهارت
راه حل
تنظیم مقادیر DataFrame
هشدار SettingWithCopy
مشاهده در مقابل کپی
افزودن ستون های DataFrame
افزودن ردیف به DataFrames
BONUS - چگونه DataFrame ها در حافظه ذخیره می شوند
چالش مهارت
راه حل
نوشتار خلاصه بخش
کار با چند فریم داده:
معرفی بخش
معرفی (پنج؟) مجموعه داده های جدید
به هم پیوستن DataFrames
مشکل تکراری شاخص
اجرای شاخص های منحصر به فرد
BONUS - ایجاد چند شاخص با concat()
الحاق محور ستون
روش append(): یک مورد خاص از concat()
Concat در ستون های مختلف
چالش مهارت
راه حل
روش merge().
params چپ_روشن و راست_ن
جی درونی در مقابل بیرونیروغن ها
پیوستن چپ در مقابل راست
پیوستن های یک به یک و یک به چند
پیوستن های چند به چند
ادغام بر اساس شاخص
روش join().
چالش مهارت
راه حل
نوشتار خلاصه بخش
رفتن به چند بعدی:
معرفی داده های جدید
Index And RangeIndex
ایجاد چند ایندکس
MultiIndex از read_csv()
نمایه سازی قاب های داده سلسله مراتبی
نمایه سازی محدوده ها و برش ها
پاداش - استفاده: با pd.IndexSlice!
قطعات با xs()
چالش مهارت
راه حل
آناتومی یک شی چند شاخص
افزودن یک سطح دیگر
قطع کردن سطوح
حذف سطوح MultiIndex
MultiIndex sort_index()
روش های چند شاخص بیشتر
تغییر شکل با stack()
Flipside: unstack()
BONUS: ایجاد ستون های چند سطحی به صورت دستی
روش ساده تر: transpose()
BONUS - در مورد پانل ها چطور؟
چالش مهارت
راه حل
نوشتار خلاصه بخش
GroupBy And Aggregates:
معرفی بخش
داده های جدید: فروش بازی
بررسی ساده تجمعات
دانه های مشروط
الگوی Split-Apply-Combine
روش groupby().
شی DataFrameGroupBy
سفارشی کردن فهرست برای نگاشت گروهی
BONUS - Series groupby()
چالش مهارت
راه حل
تکرار از طریق گروه ها
دستچین کردن زیرگروه ها
گروه بندی چند ایندکس
مصالح با تنظیم دقیق
Aggregations نامگذاری شده
روش filter().
GroupBy Transformations
پاداش - همچنین application() وجود دارد
چالش مهارت
راه حل
نوشتار خلاصه بخش
تغییر شکل با محورها:
معرفی بخش
داده های جدید: امتیازات SAT شهر نیویورک
داده های محوری
بازگردانی محورها
در مورد مصالح چیست؟
The pivot_table()
پاداش: مشکل با میانگین درصد
تکثیر جداول محوری با GroupBy
افزودن حاشیه
جدول محوری چند ایندکس
استفاده از چندین تابع
چالش مهارت
راه حل
نوشتار خلاصه بخش
تاریخ و زمان رسیدگی:
ماژول تاریخ پایتون
تجزیه تاریخ از متن
حتی بهتر: dateutil
از Datetime به String
Datetimes اجرا با Numpy
مهر زمانی پانداها
مجموعه داده ما: قیمت های برنت
تجزیه تاریخ و فهرست تاریخ
یک میانبر جالب: read_csv() با parse_dates
تاریخ های فهرست بندی
چالش مهارت
راه حل
دستگاه‌های ویژگی DateTimeIndex
ایجاد محدوده تاریخ
تغییر تاریخ با pd.DateOffset
پاداش: Timedeltas و زمان مطلق
نمونه‌گیری مجدد سری‌های زمانی
نمونه برداری و درون یابی
در مورد asfreq() چطور؟
پاداش: چرخاندن ویندوز
چالش مهارت
راه حل
نوشتار خلاصه بخش
Regex و دستکاری متن:
داده های ما: دوندگان ماراتن بوستون
روش های رشته ای در پایتون
عملیات رشته برداری شده در پانداها
عملیات پرونده
یافتن شخصیت ها و کلمات
نوارها و فضای سفید
شکاف و الحاق رشته ها
پارامترهای تقسیم بیشتر
چالش مهارت
راه حل
برش رشته های فرعی
ماسک کردن با روش های رشته ای
پاداش: تجزیه شاخص ها با get_dummies()
جایگزینی متن
مقدمه ای بر عبارات با قاعده
مفاهیم Regex بیشتر
چگونه به Regex نزدیک شویم؟
این یک ایمیل معتبر است؟
پاداش: نکته Re.compile() چیست؟
Pandas str حاوی()، split() و جایگزینی() با Regex است
چالش مهارت
راه حل
نوشتار خلاصه بخش
تجسم داده ها:
هنر تجسم داده ها
مقدمات matplotlib
نمودارهای خطی
نمودار میله ای
قطعه پای
هیستوگرام
نقشه های پراکنده
گزینه های تجسم دیگر
BONUS: Data Ink And Chartjunk
چالش مهارت
راه حل
نوشتار خلاصه بخش
فرمت‌های داده و ورودی/خروجی:
معرفی بخش
خواندن JSON
خواندن اکسل
ایجاد خروجی: خانواده روش‌ها به_*
پاداش: مقدمه ای بر ترشی
ترشی در پانداها
بسیاری از فرمت های دیگر
چالش مهارت
راه حل
نوشتار خلاصه بخش
ضمیمه A - اصول پایتون آتش سریع:
معرفی بخش
انواع داده
متغیرها
عملگرهای محاسباتی و تخصیص افزوده
Ints And Floats
اپراتورهای بولی و مقایسه
رشته ها
روش ها
Containers I: Lists
لیست ها در مقابل رشته ها
فهرست روش ها و توابع
Containers II: Tuples
ظروف III: مجموعه ها
Containers IV: Dictionaries
کلیدها و مقادیر فرهنگ لغت
اپراتورهای عضویت
کنترل جریان: if، else، و elif
ارزش حقیقت غیر بولی ها
برای حلقه ها
توالی تغییرناپذیر range().
While Loops
شکستن و ادامه دادن
زیپ کردن Iterables
مفهوم فهرست
تعریف توابع
آرگومان های تابع: موقعیت در مقابل کلمه کلیدی
لامبدا
وارد کردن ماژول ها
نوشتار خلاصه بخش
پیوست B - رفتن به محل: Iنصب و راه اندازی:
نصب آناکوندا و پایتون - ویندوز
نصب آناکوندا و پایتون - مک
نصب آناکوندا و پایتون - لینوکس
The Ultimate Pandas Bootcamp: Advanced Python Data Analysis
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.
