دوره آموزشی

دوبله زبان فارسی

تسلط به Pandas برای تحلیل و مصورسازی داده

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

برنامه‌نویسی اولیه، سطح متوسط و شی‌گرا در پایتون
مبانی و سطح متوسط Numpy
مبانی تا پیشرفته سری‌های Pandas
مبانی تا پیشرفته دیتافریم‌های Pandas
ایندکس‌گذاری، اسلایس کردن و مرتب‌سازی دیتافریم‌های Pandas
جوین کردن، ادغام، الحاق، بروزرسانی و ترکیب دیتافریم‌های Pandas
فیلترینگ، گروه‌بندی و تجمیع در دیتافریم‌های Pandas
عملیات‌های متنی در دیتافریم‌های Pandas
چندین ایندکس در دیتافریم‌های Pandas
Pivot و شکل‌دهی مجدد دیتافریم‌های Pandas
کار با تاریخ زمان و سری‌های زمانی در دیتافریم‌های Pandas
نمونه‌گیری مجدد و Rolling
استایل‌دهی دیتافریم‌های Pandas
گزینه‌ها و تنظیمات در دیتافریم‌های Pandas
ترسیم نمودار و مصورسازی در دیتافریم‌های Pandas
پاکسازی داده و پیش‌پردازش در دیتافریم‌های Pandas
کنابخانه نمودارهای Pandas
مبانی Streamlit
داشبورد Streamlit
پروژه‌های EDA با مجموعه داده Kaggle

پیش‌نیازهای دوره

هیچ دانشی قبلی از برنامه‌نویسی نیاز نیست.
برای دوره به کامپیوتری مناسب با اتصال اینترنتی مطلوب نیاز دارید.
پیش‌نیاز بسیار مهم - واقعاً آماده‌اید با ما کد بنویسید؟
پیش‌نیاز بسیار مهم - واقعاً می‌خواهید تحلیل و مصورسازی داده را با استفاده از Pandas تنها بیاموزید و چند پروژه EDA انجام دهید.

توضیحات دوره

به دوره «تسلط به Pandas برای تحلیل و مصورسازی داده» خوش آمدید. این بزرگ‌ترین و بهترین دوره در زمینه Pandas برای تحلیل و مصورسازی داده است. این دوره تنها دوره‌ای است که بر پایه حل مسئله با Pandas و پروژه‌های متعدد EDA ساخته شده است.

در ابتدای دوره با پایتون از ابتدا با برنامه‌نویسی شی‌‌گرا آشنا می‌شوید. سپس Numpy را از مبتدی تا سطح متوسط یاد می‌گیرید. پس از آن با سری‌های Pandas از ابتدا تا سطح پیشرفته آشنا می‌شوید و سپس دیتافریم Pandas را به‌ طور دقیق یاد می‌گیرید.

در دیتافریم Pandas، همه موارد را از پایه تا پیشرفته یاد خواهید گرفت. شما ایجاد دیتافریم Pandas، انجام عملیات‌های اولیه، ایندکس‌گذاری، اسلایس کردن و مرتب‌سازی دیتافریم Pandas را درک کرده و همچنین با جوین کردن، ادغام، الحاق، بروزرسانی، ترکیب، فیلترینگ، گروه‌بندی، تجمیع، عملیات‌های متنی، ایندکس‌گذاری چندگانه، Pivot و شکل‌دهی مجدد، تاریخ زمان و سری‌های زمانی، نمونه‌گیری مجدد و Rolling، استایل‌دهی، تنظیمات و گزینه‌ها، ترسیم نمودار و مصورسازی، پاکسازی و پیش‌پردازش داده آشنا می‌شوید.

شما همچنین با حل مسائل Pandas، مهندسی ویژگی و EDA آشنا خواهید شد.

در پایان، چندین پروژه EDA با استفاده از Pandas و کتابخانه نمودارهای Pandas انجام می‌دهید و در نهایت با استفاده از Streamlit و Pandas، یک داشبورد اولیه را توسعه می‌دهید.

پس منتظرید چه هستید؟ در دوره شرکت کنید.

شما از طریق انجام پروژه‌ها و نوشتن کدنویسی با ما یاد می‌گیرید. با هم حدود 5 پروژه را توسعه خواهیم داد.

این دوره برای چه کسانی مناسب است؟

افرادی که می‌خواهند تحلیل و مصورسازی داده را با Pandas، کتابخانه نمودارهای Pandas و Numpy، پایتون، Streamlit، حل مسئله و 5 پروژه EDA بیاموزند.

تسلط به Pandas برای تحلیل و مصورسازی داده

فصل 1: مقدمه

مقدمه 05:07

فصل 2: نصب و پیکربندی

نصب و پیکربندی آناکوندا 10:46
کامپایلر آنلاین و Google CoLab 02:43
نصب PyCharm 01:58

فصل 3: پایتون

به دنیای مدرس خوش آمدید 04:25
متغیرها و تخصیص مقادیر 03:59
پایتون - تایپ‌های داده و عملگرها 08:13
پایتون - عملگرها 11:02
دستورات پایتون - if، else 07:21
حل تمرین در مورد دستورات پایتون 07:10
حلقه For در پایتون 06:19
پایتون - حلقه while 03:27
لیست و آرایه در پایتون - بخش 1 10:51
تابع و متد در پایتون 06:42
لیست و آرایه در پایتون - بخش 2 08:18
لیست و آرایه در پایتون - بخش 3 08:05
تاپل، مجموعه و دیکشنری در پایتون 13:26
رشته‌ها در پایتون 08:46
تاریخ‌ها و ماژول‌های ریاضی در پایتون 08:31
تایپ سفارشی در پایتون 03:47
کلاس، آبجکت، ویژگی‌های آبجکت، Constructor و متدها 10:18
اسکوپ، فیلدها و متدهای خصوصی در پایتون 15:36
وراثت در پایتون 14:39
پلی‌مورفیسم و انتزاع در پایتون 14:22
Iterator در پایتون 06:32
لامبدا در پایتون 02:45
فایل‌ها در پایتون 10:01
Try Except در پایتون 06:59

فصل 4: تمرین‌های کدنویسی و حل مسئله در پایتون

چند تایپ داده در پایتون وجود دارد؟ None
دریافت باقیمانده‌ها None
حل مسئله سن None
نوشتن تابع پایتون برای جمع دو عدد None
چند عملگر منطقی در پایتون None
دریافت اولین و آخرین آیتم از یک لیست None
دریافت یک آیتم از یک دیکشنری None
نمایش تاریخ و زمان فعلی با استفاده از پایتون None
محاسبه تعداد روزهای بین دو تاریخ None
بررسی زوج یا فرد بودن عدد None
بررسی اینکه آیا یک حرف مصوت است یا صامت None
دریافت مجموع اعداد 1 تا 50 None
مرتب‌سازی یک لیست با استفاده از حلقه for None
اگر عدد فرد است، مقدار جمع یا مقدار ضرب شده در PI را بدست آورید None

فصل 5: NumPy

ایجاد آرایه‌های Numpy 08:54
Attributes و توابع آرایه در Numpy 06:16
ایندکس‌گذاری و اسلایس کردن آرایه Numpy 10:51
کپی و View در Numpy 05:59
شکل‌دهی مجدد ،تغییر اندازه، Ravel و مسطح کردن 07:46
عملیات‌های حساب و تجمیع‌ها 06:36

فصل 6: تمرینات کدنویسی و حل مسئله درباره Numpy

ایجاد آرایه تک‌بعدی Numpy None

فصل 7: سری‌های Pandas

سری‌های Pandas - ایجاد سری اولیه Pandas 12:58
سری‌های Pandas - دریافت، نمایش، افزودن و بروزرسانی یک سری 08:11
سری‌های Pandas - بررسی ()sample() info و ()describe و ()head و ()tail و ()first و ()last و ()take 04:06
سری‌های Pandas - تایپ‌های داده در سری‌ Pandas 07:38
سری‌های Pandas - توابع پایتون مورد استفاده 05:28
سری‌های Pandas - بررسی ()nlargest و ()nsmallest و ()keys و ()items 07:31
سری‌های Pandas - بررسی ()unique و ()nunique و ()duplicated و ()item 03:30
سری‌های Pandas - بررسی Attributes مهم 05:05
سری‌های Pandas - خواندن فایل‌های CSV 10:50
سری‌های Pandas - پارامترهای مهم 09:00
سری‌های Pandas - دریافت و اسلایس کردن با استفاده از [] و متد ()get 15:03
سری‌های Pandas - دریافت و اسلایس کردن با استفاده از .loc[] و .iloc[] 12:28
سری‌های Pandas - بررسی index. و ()reindex و ()reset_index 06:38
سری‌های Pandas - مرتب‌سازی با استفاده از ()sort_values 07:02
سری‌های Pandas - مرتب‌سازی با استفاده از ()sort_index 08:09
سری‌های Pandas - بررسی ()add و ()sub و ()mul و ()div 06:18
سری‌های Pandas - بررسی ()abs و ()round و ()ceil و ()floor 08:27
سری‌های Pandas - بررسی ()max و ()min و ()argmax و ()argmin و ()mean و ()median و ()sum و ()std و ()var 05:17
سری‌های Pandas - فیلترینگ با استفاده از عملگرهای مقایسه‌ و متد ()filter 09:27
سری‌های Pandas - بررسی ()fillna و ()drop و ()dropna و ()drop_duplicates 08:42
سری‌های Pandas - بررسی ()isna و ()isnull و ()notna و ()notnull 05:21
سری‌های Pandas - متدهای ()where و ()mask و ()between و ()apply 09:26
سری‌های Pandas - متد ()replace 05:01
سری‌های Pandas - متد ()groupby 06:12
سری‌های Pandas - متد ()agg و ()aggregate 12:35

فصل 8: تمرین‌های کدنویسی و حل مسئله در پایتون

ایجاد سری pandas فقط از مقادیر رشته‌ None
بروزرسانی یک آیتم در یک سری None
حذف تمام مقادیر داپلیکیت از سری None
دریافت ایندکس بالاترین مقدار یک سری None
مرتب‌سازی سری Pandas None

فصل 9: دیتافریم Pandas

دیتافریم Pandas - ایجاد دیتافریم اولیه Pandas 13:04
دیتافریم Pandas - دریافت، نمایش، افزودن و بروزرسانی دیتافریم Pandas 09:42
دیتافریم Pandas - بررسی ()sample() info و ()describe و ()head و ()tail و ()first و ()last و ()take 05:21
دیتافریم Pandas - بررسی ()nlargest و ()nsmallest 05:00
دیتافریم Pandas - بررسی ()unique و ()unique و ()duplicated 05:43
دیتافریم Pandas - تایپ‌های داده در دیتافریم Pandas 15:22
دیتافریم Pandas - توابع پایتون مورد استفاده 11:14
دیتافریم Pandas - بررسی ()count و ()value_counts 10:08
خواندن فایل‌های CSV، اکسل، جی‌سان و متنی 11:50
دیتافریم Pandas - بازی با Attributes 05:45
دیتافریم Pandas - پارامترهای مهم 20:20
دیتافریم Pandas - بررسی ()add و ()sub و ()mul و ()div و ()mod 08:10
دیتافریم Pandas - بررسی ()pow و ()abs و ()round و ceil و floor و square و sqrt 07:52
دیتافریم Pandas - بررسی ()min و ()max و ()sum و ()mean و ()median و ()std و ()var 07:30
دیتافریم Pandas - بررسی ()dot و ()prod و ()cumsum و ()corr و ()cov 06:03

فصل 10: تمرین‌های کدنویسی و حل مسئله

ایجاد دیتافریم Pandas با ایندکس مشخص None
نمایش 10 سطر اول یک دیتافریم None
ایجاد دیتافریم Pandas و نمایش داده‌ ایندکس 3، 4 و 7 None
از دیتافریم قبلی Pandas و دریافت مجموع ستون سن None
افزودن یک ستون جدید و تخصیص مقادیر به دیتافریم Pandas None

فصل 11: دیتافریم Pandas - ایندکس‌گذاری، اسلایس کردن و مرتب‌سازی

دیتافریم Pandas - بررسی ()set_index و ()reset_index و index. و index.names. و موارد دیگر 10:20
دیتافریم Pandas - دریافت و اسلایس کردن با استفاده از [] و ()get و .loc و .iloc[] و .at[] و .iat[] 18:47
دیتافریم Pandas - بررسی [] vs .get() vs .loc[] vs .iloc[] vs .at[] vs .iat[] 10:55
دیتافریم Pandas - بررسی ()sort_values 06:15
دیتافریم Pandas - بررسی ()sort_index 25:32

فصل 12: تمرین‌های کدنویسی و حل مسئله

تنظیم ستون سوم به عنوان ایندکس هنگام خواندن فایل CSV None
تنظیم مجدد ایندکس و اطمینان از عدم وجود ایندکس قبلی و مقدار آن None
مرتب‌سازی یک دیتافریم بر اساس مقادیر و مرتب‌سازی به ترتیب نزولی None

فصل 13: دیتافریم Pandas - جوین کردن، ادغام، الحاق و ترکیب

دیتافریم Pandas - متدهای ()join و ()merge 17:27
دیتافریم Pandas - متدهای ()update و ()concat و ()combine 17:34

فصل 14: دیتافریم Pandas - فیلترینگ دیتافریم Pandas

دیتافریم Pandas - فیلترینگ با استفاده از عملگرهای مقایسه‌ای و منطقی 21:36
دیتافریم Pandas - متد ()filter 12:50
دیتافریم Pandas - بررسی ()isna و ()notna و ()fillna و ()dropna و ()drop و ()drop_duplicates 17:47
دیتافریم Pandas - بررسی متدهای ()where و ()mask و ()between و ()apply 13:35
دیتافریم Pandas - متد ()query 16:23
دیتافریم Pandas - متد ()replace و ()map 20:18

فصل 15: تمرین‌های کدنویسی و حل مسئله

فیلترینگ دیتافریم داده شده با استفاده از متدهای ()Query و ()Between None

فصل 16: دیتافریم Pandas - بررسی GroupBy و تجمیع

Pandas Group by - مبانی Group by 08:18
Pandas Group by - بررسی groups و ngroups. و indices. و ()get_group 08:40
Pandas Group by - متدهای مورد استفاده 16:49
Pandas Group by - عملیات‌های اولیه تجمیع 14:18
Pandas Group by - بررسی Group by بر اساس چندین ستون 12:44
Pandas Group by - حلقه زدن در گروه بر اساس آبجکت groupby 13:09
Pandas Group by - تجمیع‌های چندگانه 13:55
Pandas Group by - استفاده از متد ()filter روی آبجکت groupby 14:09
Pandas Group by - استفاده از متد ()pipe روی آبجکت groupby 13:42
Pandas Group by - استفاده از متد ()transform روی آبجکت groupby 07:03

فصل 17: Pandas - متدهای رشته و کار با داده متنی

Pandas - متدهای رشته پایتون 17:38
Pandas - متدهای ()lower و ()upper و ()capitalize و ()title و ()swapcase 07:10
Pandas - متدهای ()find و ()rfind و ()findall و ()index و ()rindex و ()count 14:36
Pandas - متدهای ()contains و ()startswith و ()endswith و ()match و ()fullmatch 19:14
Pandas - متدهای ()isalpha و ()isdigit و ()isalnum و ()islower و ()isupper و موارد دیگر 18:36
Pandas - متدهای ()len و ()strip و ()rstrip و ()lstrip 06:22
Pandas - متدهای ()str.pad و ()str.center و ()str.rjust و ()str.ljust 10:14
Pandas - متدهای ()split و ()rsplit و ()partition و ()rpartition 13:45
Pandas - اطلاعات بیشتر درباره متد ()split 14:30
Pandas - متد ()str.replace 07:46
Pandas - متد str.cat 16:06
Pandas - متدهای ()str.slice و ()str.slice_replace 15:16

فصل 18: تمرین‌های کدنویسی و حل مسئله

خواندن یک فایل CSV و تبدیل مقادیر ستون مشخص شده به تایپ شناور None

فصل 19: ایندکس‌گذاری چندگانه در Pandas

Pandas - ایجاد سری‌های دارای چندین ایندکس 12:15
Pandas - ایجاد دیتافریم دارای چندین ایندکس 12:20
Pandas - کار با چندین ایندکس هم روی سطرها و هم روی ستون‌ها 18:31
Pandas - کار با سطوح دارای چندین ایندکس روی سطرها 08:35
Pandas - کار با سطوح دارای چندین ایندکس روی ستون‌ها 08:47
Pandas - چندین ایندکس و مقطع عرضی ()xs 17:03
Pandas - مرتب‌سازی دیتافریم دارای چندین ایندکس 10:15
Pandas - اسلایس کردن دیتافریم دارای چندین ایندکس 18:45

فصل 20: دیتافریم Pandas - بررسی Pivot و شکل‌دهی مجدد

Pivot و شکل‌دهی مجدد دیتافریم Pandas با استفاده از متد ()pivot 19:43
Pivot و شکل‌دهی مجدد دیتافریم Pandas - متد ()pivot_table 17:13
Pivot و شکل‌دهی مجدد دیتافریم Pandas - متدهای ()stack و ()unstack 14:29
Pivot و شکل‌دهی مجدد دیتافریم Pandas - متد ()unstack 14:49
Pivot و شکل‌دهی مجدد دیتافریم Pandas - متد ()melt 14:23
Pivot و شکل‌دهی مجدد دیتافریم Pandas - متدهای ()transpose و ()wide_to_long 06:04

فصل 21: کار با دیتافریم و سری‌های زمانی Pandas

تاریخ زمان در Pandas - کار با تاریخ زمان در پایتون 20:24
تاریخ زمان در Pandas - کار با آبجکت ()Timestamp 21:04
تاریخ زمان در Pandas - متد ()pd.to_datetime - بخش 1 12:10
تاریخ زمان در Pandas - متد ()pd.to_datetime - بخش 2 07:34
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 1 09:25
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 2 07:34
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 3 05:05
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 4 05:26
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 5 07:56
تاریخ زمان در Pandas - کار با متد ()pd.date_range - بخش 6 09:12
تاریخ زمان در Pandas - کار با متد آبجکت DatetimeIndex 11:28

فصل 22: تمرین‌های کدنویسی و حل مسئله

چاپ روز تاریخ None
چاپ تمام روزهای یک تاریخ None

فصل 23: Grouper، گروه‌بندی، نمونه‌گیری مجدد و Rolling در Pandas

Rolling و تجمیع در Pandas 30:39
Group by و آبجکت Group by در Pandas 09:01
Groupby و نمونه‌گیری مجدد در Pandas 18:01

فصل 24: Pandas - آبجکت استایلر و استایل‌دهی به دیتافریم

استایل‌دهی در Pandas - متدهای ()style.applymap و ()style.map و ()style.apply 25:49
استایل‌دهی در Pandas - تعیین محور و زیرمجموعه‌ها 10:19
استایل‌دهی در Pandas - بررسی ()style.format 07:34
استایل‌دهی در Pandas - استایل‌های داخلی 07:20
استایل‌دهی در Pandas - متد ()set_properties 11:02
استایل‌دهی در Pandas - متدهای ()bar و ()set_caption 04:33
استایل‌دهی در Pandas - بررسی ()style.background_gradient 13:35

فصل 25: دیتافریم Pandas - گزینه‌ها و تنظیمات

گزینه‌ها و تنظیمات Pandas - بررسی max_rows و min_rows و max_columns 14:56
گزینه‌ها و تنظیمات Pandas - گزینه‌های get و set و reset و describe 08:40
گزینه‌ها و تنظیمات Pandas - بررسی max_info_columns و max_info_rows و max_colwidth 10:43
گزینه‌ها و تنظیمات Pandas - بررسی large_repr و colheader_justify و multi_sparse 08:02
گزینه‌ها و تنظیمات Pandas - بررسی float_format و precision و chop_threshold 11:52

فصل 26: Pandas - ترسیم نمودار و مصورسازی‌ها

ترسیم نمودار و مصورسازی‌ها - استفاده از متد ()plot 10:45
ترسیم نمودار و مصورسازی‌ها - استفاده از متد ()plot.bar 07:37
ترسیم نمودار و مصورسازی‌ها - استفاده از متدهای plot.line و ()plot.area و ()plot.scatter 10:03
ترسیم نمودار و مصورسازی‌ها - ترسیم نمودار KDE 14:01
ترسیم نمودار و مصورسازی‌ها - نمودارهای هیستوگرام 08:20
ترسیم نمودار و مصورسازی‌ها - ترسیم نمودار Hexbin 09:09
ترسیم نمودار و مصورسازی‌ها - ترسیم نمودار دایره‌ای 21:12