Онлайн курс
Продвинутый Python
Совершенствуйте свои навыки в области Data Science, создавая визуализации с помощью Matplotlib и DataFrames в Pandas.
Цена за месяц
1 990₽
Продолжительность
4 недели
О курсе
Python очень важен любому начинающему Data Science специалисту. Научитесь визуализировать реальные данные с помощью функций Matplotlib и познакомьтесь со структурами данных, такими как словарь и Pandas DataFrame. После изучения ключевых понятий, таких как булева логика, поток управления и циклы в Python, вы сможете объединить все, что вы узнали, для решения тематического исследования с использованием хакерской статистики.
План курса
Matplotlib
Визуализация данных — это ключевой навык для начинающих Data Science специалистов. Matplotlib позволяет легко создавать подробные и всеобъемлющие графики. В этой главе вы узнаете, как создавать различные типы графиков и настраивать их, чтобы они были более привлекательными и понятными.
Выбор правильного графика (1)
Тики
Точечный график (2)
Кастомизация
Основные графики с Matplotlib
Линейный график(3)
Постройка гистограммы (2): интервалы
Точечный график (1)
Дополнительные настройки
Построить гистограмму (3): сравнить
Цвета
Интерпретация
Метки
Размеры
Выберите правильный график(2)
Линейный график (1)
Линейный график (2): Интерпретация
Гистограмма
Постройка гистограммы (1)
Циклы
Есть несколько методов, которые вы можете использовать для многократного выполнения кода Python. Хотя циклы похожи на повторяющиеся операторы if, цикл for выполняет итерации по всем видам структур данных. Узнайте все о них в этой главе.
Цикл списка списков
Индексы и значения (2)
Цикл над массивом Numpy
Цикл по DataFrame (1)
Зациклить словарь
Индексы и значения (1)
Цикл while
Цикл по DataFrame (2)
Цикл for
Добавить столбец (2)
Цикл по списку
Добавление условий
Циклы для структуры данных , часть 1
Циклы структуры данных, часть 2
Цикл while
Добавить столбец (1)
Основной цикл while
Логика, управление потоком и фильтрация
Булева логика является основой принятия решений в программах на Python. Узнайте о различных операторах сравнения, о том, как объединить их с логическими операторами и как использовать логические результаты в структурах управления. Вы также научитесь фильтровать данные в pandas DataFrames, используя логику.
и, или, нет (1)
if, elif, else
Разогрев
Булевы операторы с Numpy
Автомобили на душу населения (2)
Если
Равенство
Настройте дальше: elif
Движение прямо (1)
Фильтрация pandas DataFrames
and, or, not (2)
Движение прямо (2)
Больше и меньше чем
Операторы сравнения
Сравнение массивов
Еще
Автомобили на душу населения (1)
Булевы операторы
Словари и Pandas
Узнайте о словаре, альтернативе спискам в Python и pandas DataFrame, фактическом стандарте для работы с табличными данными в Python. Вы получите практические навыки создания и управления датасетами и узнаете, как получить доступ к необходимой информации из этих структур данных.
Доступ к словарю
Квадратные скобки (2)
Словари, часть 2
Словари, часть 1
Словарь в DataFrame (2)
loc и iloc (3)
Квадратные скобки (1)
Создание словаря
Работа со Словарем (1)
Работа со словарями (2)
loc и iloc (2)
loc и iloc (1)
Pandas, часть 2
CSV в DataFrame (1)
CSV в DataFrame (2)
Pandas, часть 1
Словари внутри словарей
Словарь в DataFrame (1)
Зачем нужны словари
Пример: хакерская статистика
Эта глава позволит вам применить все концепции, которые вы изучили в этом курсе. Вы будете использовать хакерскую статистику, чтобы рассчитать свои шансы на выигрыш ставки. Используйте генераторы случайных чисел, циклы и Matplotlib, чтобы получить конкурентное преимущество!