Интерактивный курс

Продвинутый Python

Совершенствуйте свои навыки в области Data Science, создавая визуализации с помощью Matplotlib и DataFrames в Pandas.

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 занятий

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.

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.

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.

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.

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!