Lynda_Introduction_to_Data_Analysis_with_Python

این دوره نحوه تحلیل داده ها با پایتون را آموزش می دهد. در این آموزش تصویری نحوه کار با داده های بزرگ با R یا Python ، استفاده از Pandas و NumPy ، کار با آرایه ها و نحوه استفاده از لیست ها در پایتون را می آموزید. در ادامه استفاده از شاخص چند سطحی در Pandas ،  نمایه سازی و DataFrames در Pandas و NumPy و تست برنامه را نیز خواهید آموخت.

این دوره آموزشی محصول موسسه Lynda است.

سرفصل های دوره:

  • نصب و راه اندازی پایتون
  • کار با Anaconda Python
  • نحوه اجرا پایتون
  • ارتقاء سطح داده ها
  • استفاده از لیست ها در پایتون
  • استفاده از لغت نامه
  • نحوه در حال بارگذاری فرهنگ لغت
  • کار با Anagrams
  • آشنایی با NumPy
  • ایجاد آرایه NumPy
  • نحوه محاسبات با آرایه
  • تجزیه فایل های داده ای
  • تجزیه و تحلیل درجه حرارت
  • یکپارچه سازی داده ها
  • محاسبه سوابق روزانه
  • آشنایی با Pandas
  • کار با DataFrames در pandas
  • استفاده از شاخص چند سطحی
  • بارگذاری مجموعه داده ها
  • کار با نام های fads
  • نحوه تست و اشکال زدایی برنامه
  • و…

عنوان دوره: Lynda Introduction to Data Analysis with Python
سطح: متوسط
مدت زمان: 2 ساعت و 16 دقیقه
نویسنده: Michele Vallisneri


توضیحات:

Lynda Introduction to Data Analysis with Python

Michele Vallisneri
Intermediate
2h 16m

If you're going to work with big data, you'll probably be using R or Python. And if you're using Python, you'll be definitely using Pandas and NumPy, the third-party packages designed specifically for data analysis. This course provides an opportunity to learn about them. Michele Vallisneri shows how to set up your analysis environment and provides a refresher on the basics of working with data containers in Python. Then he jumps into the big stuff: the power of arrays, indexing, and DataFrames in NumPy and Pandas. He also walks through two sample big-data projects: one using NumPy to analyze weather patterns and the other using Pandas to analyze the popularity of baby names over the last century. Challenges issued along the way help you practice what you've learned.
Topics include:
Writing and running Python in iPython
Using Python lists and dictionaries
Creating NumPy arrays
Indexing and slicing in NumPy
Downloading and parsing data files into NumPy and Pandas
Using multilevel series in Pandas
Aggregating data in Pandas

Introduction
3m 5s
Welcome
1m 14s
What you need to know
57s
Exercise files
54s
1. Installation and Setup
5m 27s
Installing the Anaconda Python distribution
2m 9s
Writing and running Python in the iPython notebook
3m 18s
2. Refresher: Data Containers in Python
17m 8s
Python containers overview
44s
Using Python lists and the slicing syntax
6m 44s
Using Python dictionaries
4m 19s
Comprehensions
5m 21s
3. Word Anagrams in Python
14m 33s
Word anagram overview
1m 0s
Loading the dictionary
4m 22s
Finding anagrams
5m 1s
Challenge
55s
Solution
3m 15s
4. Introduction to NumPy
22m 41s
NumPy overview
3m 31s
Creating NumPy arrays
4m 30s
Doing math with arrays
4m 28s
Indexing and slicing
5m 22s
Records and dates
4m 50s
5. Weather Data with NumPy
28m 49s
Weather data overview
53s
Downloading and parsing data files
5m 13s
Temperature analysis
6m 27s
Integrating missing data
4m 14s
Smoothing data
4m 49s
Computing daily records
3m 43s
Challenge
33s
Solution
2m 57s
6. Introduction to Pandas
18m 59s
Pandas overview
57s
Series in pandas
3m 25s
DataFrames in pandas
6m 28s
Using multilevel indices
4m 18s
Aggregation
3m 51s
7. Baby Names with Pandas
24m 10s
Baby name overview
49s
Loading datasets
3m 38s
Name popularity
5m 56s
A yearly top ten
4m 27s
Name fads
5m 58s
Challenge
30s
Solution
2m 52s
Conclusion
1m 36s
Next steps
1m 36s