ویرایش و دستکاری داده ها بوسیله Python و Pandas

این پایتون و پاندا در سطح ورودی برای آموزش دستکاری داده ، پزشکان داده را برای دستکاری و تجزیه و تحلیل داده های موجود از منابع مختلف ، بزرگ و کوچک ، با پاندا آماده می کند. مورد استفاده در اقتصاد سنجی برای تبدیل مجموعه داده های ساختاری چند بعدی ، باید بدانید که پاندا یک نام فریبنده زیبا برای یک ابزار تجزیه و تحلیل داده های واقعاً قدرتمند و دستکاری است. اگر از Python برای تجزیه و تحلیل داده ها استفاده می کنید ، Pandas مطمئناً تنها ابزاری برای استفاده از داده ها است - داده های خام را به یک قالب متفاوت تبدیل می کند تا مفیدتر باشد. مرتب سازی ، تمیز کردن و ترکیب سریع و به راحتی داده های خود منبع >- مدیریت منابع بزرگ داده و استخراج داده های مناسب از آنها
- واردات ، تمیز کردن و محاسبه آمار
- تجسم داده ها و تصمیم گیری دقیق تر
چه کسی باید پایتون و پاندا را برای آموزش دستکاری داده ها بگیرد ؟
این پایتون و پاندا برای آموزش دستکاری داده c است آموزش منبع باز در سطح بنیادی ، این بدان معنی است که برای پزشکان داده طراحی شده است. این دوره مهارت های پایتون برای متخصصان جدید فناوری اطلاعات با حداقل یک سال تجربه در زمینه علم داده و پزشکان باتجربه به دنبال اعتبار دادن به مهارت های داده خود بسیار ارزشمند است.
پزشکان جدید یا مشتاق داده ها. تقریباً هیچ وقت در علم داده یا حرفه تحلیل داده های شما وجود ندارد که خیلی زود برای آموزش پاندا انجام شود. البته ، مهم است که ابتدا اصول را بدون پرش به ابزارهای پیشرفته یاد بگیرید. اما همانطور که این دوره پاندا نشان می دهد ، دستکاری و واردات داده ها فقط با پاندا فقط ممکن است - در برخی موارد ممکن است. اگر قبلاً چندین سال است که با داده ها کار می کنید ، احتمالاً برخی از کارهایی را که پاندا می توانند انجام دهند دیده اید. شاید شما حتی وقتی آنها را دیدید ، متوجه آن نشده اید ، اما پاندا و داده های داده ها امکان استخراج ، فیلتر کردن و تبدیل داده های دنیای واقعی را در سطح دنیای دیگر امکان پذیر می کنند. این دوره به شما نشان می دهد که چگونه از پاندا استفاده کنید و حرفه خود را پیش ببرید.

عنوان اصلی : Python and pandas for Data Manipulation Online Training

سرفصل های دوره :

01 پایتون و پاندا برای دستکاری داده ها: نصب و راه اندازی:
001. مقدمه
002. پاندا چیست؟
003. نوت بوک Jupyter چیست؟
004. نصب آناکوندا
005. محیط های کوندا
006. چالش
02 پایتون و پاندا برای دستکاری داده ها: نوت بوک Jupyter:
001. مقدمه
002. تاریخچه مختصر
003. رابط کاربری
004. بررسی انواع داده ها
005. انواع سلول
006. میانبرها
03 پایتون و پانداها برای دستکاری داده ها: معرفی سری:
001. مقدمه
002. ایجاد یک سری از یک لیست
003. ایجاد یک سری از یک فرهنگ لغت
004. فایل های CSV را بخوانید
005. خواندن فایل های اکسل
006. توابع سر و دم
007. ویژگی های سری
008. روش های سری
04 پایتون و پاندا برای دستکاری داده ها: ویژگی ها و روش های سری:
001. مقدمه
002. پارامتر و آرگومان ها
003. مرتب سازی مقادیر
004. ویژگی های سری
005. روش های سری
006. جهش درونی
05 پایتون و پاندا برای دستکاری داده ها: مبانی سری:
001. مقدمه
002. کلمه کلیدی In
003. استخراج بر اساس موقعیت
004. استخراج توسط برچسب
005. متد get().
006. روش های ریاضی
007. متدهای idxmin() و idxmax().
008. ارزش های منحصر به فرد
009. متد application().
06 پایتون و پانداها برای دستکاری داده ها: مقدمه DataFrame:
001. مقدمه DataFrame
002. ویژگی های مشترک سری
003. روش های مشترک
004. استخراج ستون ها
005. استخراج دو یا چند ستون
006. اضافه کردن ستون ها
007. عملیات پخش
008. DataFrames value_counts( )
07 پایتون و پانداها برای دستکاری داده ها: پاکسازی DataFrame:
001. مقدمه
002. مدیریت مقادیر تهی
003. مقادیر null را رها کنید
004. مقادیر گمشده را وارد کنید
005. شمارش ارزش برای DataFrames
006. مقادیر null و نه null را تشخیص دهید
08 پایتون و پانداها برای دستکاری داده ها: مرتب سازی DataFrame:
001. مقدمه
002. تغییر انواع داده ها
003. مرتب سازی مقادیر
004. مرتب سازی بر اساس شاخص ها
005. رتبه بندی یک سری
09 پایتون و پاندا برای دستکاری داده ها: فیلتر کردن داده ها:
001. مقدمه
002. بهينه سازي
003. فیلتر کردن شرطی
004. فیلتر کردن با AND و OR
005. روش گنجاندن
10 پایتون و پاندا برای دستکاری داده ها: فیلتر کردن موارد تکراری:
001. مقدمه
002. بررسی موارد تکراری
003. موارد تکراری را رها کنید
004. ارزش های منحصر به فرد
005. گنجاندن با ()
11 پایتون و پاندا برای دستکاری داده ها: استخراج مقادیر:
001. مقدمه
002. تنظیم و تنظیم مجدد شاخص ها
003. استخراج با loc
004. استخراج با iloc
005. تنظیم مقادیر جدید
006. مقادیر چندگانه را تنظیم کنید
12 پایتون و پاندا برای دستکاری داده ها: روش های استخراج:
001. مقدمه
002. روش رها کردن
003. برگرداندن کوچکترین و بزرگترین ارزشها
004. روش کجا
005. روش پرس و جو
006. روش کپی
13 پایتون و پاندا برای دستکاری داده ها: مبانی داده های متنی:
001. مقدمه
002. دستکاری داده های متنی
003. روش های رشته ای
004. روش جایگزینی رشته
005. روش های رشته فیلترینگ
14 پایتون و پاندا برای دستکاری داده ها: تقسیم و حذف داده های متنی:
001. رشته های نواری
002. روش های ستونی و شاخص
003. تقسیم رشته ها
004. تقسیم بیشتر
15 پایتون و پاندا برای دستکاری داده ها: گروه بندی:
001. مقدمه
002. گروه بندی
003. Group_by عملیات
004. روش Get_group
005. روشهای Group_by
16 پایتون و پاندا برای دستکاری داده ها: ترکیب DataFrame:
001. مقدمه
002. ترکیب DataFrame ها
003. الحاق
004. اتصالات داخلی
005. اتصالات بیرونی
17 پایتون و پاندا برای دستکاری داده ها: داده های سری Times:
001. فهرست تاریخ
002. روش to_datetime
18 پایتون و پاندا برای دستکاری داده ها: محدوده تاریخ:
001. مقدمه
002. محدوده تاریخ قسمت 1 ویدیو 1-A
003. محدوده تاریخ قسمت 1 ویدیو 1-B
004. محدوده تاریخ قسمت 1 ویدیو 1-C
005. محدوده تاریخ قسمت 2
006. محدوده تاریخ قسمت 3
007. dt Accessor
19 پایتون و پاندا برای دستکاری داده ها: DataReader:
001. معرفی و راه اندازی
002. خواندن داده‌های ارزهای دیجیتال
003. انتخاب ردیف های تاریخ
004. ویژگی‌ها و روش‌های مهر زمانی
20 پایتون و پاندا برای دستکاری داده ها: تجسم:
001. مقدمه
002. Matplotlib و PyPlot
003. تجسم ارزهای دیجیتال
004. سفارشی سازی تجسم ها
005. ایجاد نمودارها