تحلیل داده با پانداس در پایتون: یادگیری از طریق تمرین

آنچه یاد خواهید گرفت:

• به سرعت استفاده از Python برای تحلیل داده با Pandas را آغاز کنید.
• استفاده از SQL با Pandas Dataframe را بیاموزید.
• عملیات داده‌ای مانند merge، sort و append را بیاموزید.
• با مشاهده مثال‌های عملی بیاموزید.
• ایجاد Histogram ،Box Plot ،Pie Chart ،Bar chart ،Line Chart را بیاموزید.
• تعامل با پایگاه داده SQLlite از طریق Python را بیاموزید.
• مباحثی چون رگرسیون خطی، تست استقلال کای-دو، تشخیص داده‌های پرت و غیره را بیاموزید.

توضیحات دوره

این دوره ساختار زیر را دنبال خواهد کرد.

بخش 1: شروع به کار با Python

• این بخش چگونگی نصب توزیع Anaconda و نوشتن اولین کد را توضیح می‌دهد.
• علاوه بر این، مروری بر پلتفرم Spyder ارائه می‌شود.

بخش 2: کار با داده‌ها

• اجرای SQL در Python
• درک داده و افزودن کامنت ها در کد
• شناخت محتوای داده
• شناسایی و مدیریت مقادیر گمشده - بخش 1
•  آشنایی با محیط (IDE) Jupyter
• مدیریت مقدار گمشده عددی با میانگین و مدیریت مقدار گمشده تاریخ
• ایجاد کپی از یک DataFrame و حذف رکوردها بر اساس مقدار گمشده یک فیلد خاص
• جایگزینی مقدار گمشده با میانه یا مد 
• فیلتر کردن داده و نگه داشتن چند ستون مشخص در داده
• استفاده از iloc برای فیلتر کردن داده
• تحلیل متغیر عددی با Group By و Transpose کردن نتیجه
• توزیع فراوانی (تعداد و درصد) شامل درصد گمشده
• مقدمه‌ای بر توابع و کار با زیررشته

بخش 3: کار با مجموعه داده‌های متعدد

• ایجاد DataFrame در لحظه، Append و concatenate کردن DataFrame
• ادغام DataFrame ها
• حذف Duplicates کامل یا مبتنی بر ستون، مرتب‌سازی DataFrame، نگه داشتن اولین، آخرین، حداکثر و حداقل رکورد
• یافتن ردیف دارای بیشترین مقدار در ستون به روش آسان و سپس از طریق idxmax
• استفاده از idxmax ،iterrows و حلقه forloop برای حل یک مسئله چالشی
• ایجاد فیلدهای مشتق شده با استفاده از فیلدهای عددی
• تحلیل Cross Tab و قرار دادن نتیجه در DataFrame دیگر، Transpose کردن نتیجه
• مشتق کردن متغیر بر اساس فیلد کاراکتری 
• مشتق کردن متغیر بر اساس فیلد تاریخ
• روز اول، روز آخر، همان روز از ماه گذشته

بخش 4: مصورسازی داده‌ها و برخی اصطلاحات پرکاربرد

• نمودار Histogram و Bar chart در Jupyter و Spyder
• نمودار Line Chart ،Pie Chart و Box Plot
• بازبینی برخی نکات ریز Python
• حوزه متغیر: حوزه سراسری و حوزه محلی
• آبجکت Range
• تبدیل نوع متغیر و برش رشته‌ها
• تابع Lambda و حذف ستون‌ها از pandas dataframe

بخش 5: برخی رویه‌های آماری و دیگر موارد پیشرفته

• شناسایی و مدیریت ساده داده‌های پرت
• ایجاد گزارش با فرمت Excel
• ایجاد جدول محوری روی pandas dataframe
• تغییر نام ستون‌های یک DataFrame
• خواندن، نوشتن و افزودن داده به پایگاه داده SQLlite
• نوشتن لاگ اجرای کد
• رگرسیون خطی با استفاده از Python
• تست استقلال کای-دو 

این دوره برای چه کسانی مناسب است؟

• هر کسی که علاقه‌مند به استفاده از Python برای اهداف تحلیل داده است.
• متخصصان تحلیل داده
• افرادی که می‌خواهند از پلتفرم‌های دیگر مانند SAS به Python مهاجرت کنند.
• دانشمندان داده