تحلیل داده با Pandas و NumPy در پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- دستکاری داده - کار با داده، فیلترینگ، مرتبسازی و تبدیل مجموعه دادههای بزرگ
- تحلیل داده - انجام طیف گستردهای از تسکهای تحلیل داده، شامل تجمیع داده و انجام محاسبات آماری
- مصورسازی داده - ایجاد انواع مصورسازیها برای درک بهتر داده و انتقال نتایج
- آمادهسازی داده - پاکسازی و آمادهسازی داده برای تحلیل، مدیریت داده گمشده، ادغام مجموعه دادهها و تغییر ساختار داده
توضیحات دوره
این دوره آنلاین به گونهای طراحی شده که مهارتها و دانش لازم برای دستکاری و تحلیل مؤثر داده را با استفاده از دو کتابخانه قدرتمند پایتون یعنی Pandas و NumPy در اختیار شما قرار دهد.
در این دوره، ابتدا با اصول آمادهسازی داده آشنا میشوید که شامل انواع مختلف داده و تکنیکهای پاکسازی آن است. سپس وارد کتابخانه NumPy میشوید و قابلیتهای قدرتمند آن برای کار با آرایههای چندبعدی و توابع عمومی را بررسی میکنید.
در ادامه، کتابخانه Pandas را یاد میگیرید که ابزارهای قدرتمندی برای دستکاری داده ارائه میدهد که شامل ساختارهای داده و دستکاری دیتافریم است. همچنین با توابع پیشرفته Pandas، دستکاری با داده زمانی و سریهای زمانی، و خواندن و نوشتن داده با Pandas آشنا میشوید.
در طول دوره، با تمرینهای عملی و مسائل کاربردی، یادگیری خود را تثبیت کرده و مهارتهای خود را تقویت میکنید. در پایان دوره، قادر خواهید بود داده را با Pandas و NumPy به صورت مؤثر آمادهسازی و تحلیل کرده و مصورسازیهای جذابی با استفاده از این ابزارها ایجاد کنید.
چه تحلیلگر داده باشید، چه دانشمند داده یا علاقهمند به حوزه داده، این دوره مهارتهای لازم برای ارتقای تواناییهای شما در آمادهسازی و تحلیل داده را فراهم میکند.
مباحث دوره:
- درس 1 - آشنایی با آمادهسازی داده
- درس 2 - معرفی NumPy
- درس 3 - ساختارهای داده در Pandas
- درس 4 - دستکاری دیتافریم در Pandas
- درس 5 - توابع پیشرفته Pandas
- درس 6 - زمان و سریهای زمانی در Pandas
- درس 7 - خواندن و نوشتن داده با Pandas
- درس 8 - مصورسازی داده با Pandas
- تمرینهای عملی
این دوره برای چه کسانی مناسب است؟
- مبتدیان در پایتون که قصد دارند مهارتهای علم داده خود را برای کاربردهای واقعی توسعه دهند.
تحلیل داده با Pandas و NumPy در پایتون
-
مقدمه 01:41
-
نصب NumPy 03:45
-
توابع اولیه در NumPy 09:13
-
اسلایس کردن آرایه در NumPy 07:49
-
آرایههای چندبعدی NumPy 04:51
-
تایپهای داده در NumPy 03:54
-
آرایههای ساختاریافته NumPy 05:14
-
خواندن و نوشتن فایلهای داده با NumPy 09:03
-
عملیاتهای حسابی در NumPy 03:52
-
عملیاتهای منطقی در NumPy 04:28
-
برودکستینگ آرایه در NumPy 03:37
-
ایندکسگذاری شرطی در NumPy 05:23
-
تمرین 1 06:28
-
تمرین 2 05:40
-
تمرین 3 02:55
-
تمرین 4 06:07
-
تمرین 5 05:01
-
تمرین 6 04:18
-
سریهای Pandas 08:10
-
مقادیر گمشده در Series 02:57
-
اعمال توابع بر سریها 01:57
-
دیتافریمهای Pandas 07:12
-
ستونها و ایندکسها در Pandas 06:41
-
دسترسی به دیتافریمها با Loc[] و iLoc[] 13:41
-
دسترسی به مقادیر و اسکالرها در دیتافریمها با at[] و iat[] 03:04
-
پرکردن و جایگزینی مقادیر در دیتافریمها 05:18
-
عملیاتهای حسابی روی دیتافریمها 04:55
-
الحاق دیتافریمها 02:59
-
ادغام و جوین کردن دیتافریمها 06:35
-
خلاصه و برنامهریزی این درس 00:54
-
جداول محوری 06:38
-
GroupBy در دیتافریمها 03:22
-
اتصال مقادیر و تابع cut 04:54
-
ایندکسگذاری چندسطحی در دیتافریمها 04:53
-
پر کردن مقادیر گمشده 07:33
-
تاریخ و زمان در پایتون 05:06
-
مناطق زمانی و اختلافهای زمانی در پایتون 04:52
-
توابع چرخشی و شیفت 04:39
-
خواندن و نوشتن فایلها با Pandas 03:11
-
ترسیم نمودارهای میلهای و هیستوگرام 10:27
-
نمودارهای جعبهای 04:46
-
نمودارهای مساحت 02:13
-
نقاط پراکندگی 03:16
-
نمودارهای دایرهای 03:29
-
نتیجهگیری 00:38
-
تمرین 1 - تحلیل داده مالی 08:06
-
تمرین 2 - نمودارهای میلهای انباشته در Pandas 05:48
-
تمرین 3 - شام با دوستان 11:55
-
تمرین 4 - نشت نفت در آب - نمونهای از پاکسازی داده 08:45
-
تمرین 5 - تحلیل و پیشبینی معاملات مالی 14:40
-
تمرین 6 - معاملات مالی - تحلیل کندلهای پوشاننده 09:31
مشخصات آموزش
تحلیل داده با Pandas و NumPy در پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:51
- مدت زمان :04:46:26
- حجم :1.47GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy