Добро пожаловать на (как мне кажется) лучший веб-курс по Pandas, Matplotlib, Seaborn! Этот курс повысит ваши навыки работы с данными, чтобы помочь вам в карьерном росте в области науки о данных, машинного обучения, финансов, веб-разработки или любой другой области, смежной с технологиями.
Это плотно структурированный курс, охватывающий тонну, но он разбит на небольшие части ,а не как огромное справочное руководство, которое бросает вам все сразу. После каждой новой темы у вас будет возможность попрактиковаться в том, что вы изучаете, и бросить вызов себе с помощью упражнений и проектов. Мы работаем с десятками забавных и реальных наборов данных, включая бестселлеры Amazon, цены на акции Rivian, президентские твиты, исторические данные о биткойнах и наблюдения НЛО.
Если вы все еще читаете, позвольте мне рассказать вам немного об учебной программе.
В ходе курса вы научитесь:
Работать с Jupyter Notebooks;
Использовать Pandas для чтения и управления наборами данных;
Работать с объектами DataFrames и Series;
Организовывать, фильтровать, очищать, агрегировать и анализировать фреймы данных;
Извлекать и управлять датой, временем и текстовой информацией из данных;
Освоите иерархическую индексацию;
Объединять наборы данных вместе в Pandas;
Создавать сложные визуализации с помощью Matplotlib;
Использовать Seaborn для создания потрясающих и значимых визуализаций.
Создавать линии, столбцы, scatter, pie, violin, rug, swarm, strip, и т.д.!
Что отличает этот курс от других курсов по тем же темам? Прежде всего, этот курс объединяет визуализации как можно скорее, а не закрепляет их в конце, как это делают многие другие курсы. Вы будете создавать свои первые результаты в первых двух разделах! Кроме того, мы начинаем использовать реальные наборы данных с самого начала, в отличие от большинства других курсов, которые часами работают с унылыми, поддельными данными (цвета, животные и т. д.), прежде чем вы когда-либо увидите свой первый настоящий набор данных.
Темы в этих курсах чрезвычайно наглядны и непосредственны, что доставляет удовольствие преподавать (и, надеюсь, вы научитесь). Если у вас есть хотя бы мимолетный интерес к этим темам, вам, вероятно, понравится курс и вы быстро его освоите. Это может показаться устрашающим, но на самом деле это действительно доступно и весело! Я не шучу, когда говорю, что это мой любимый курс, который я когда-либо готовил. Я надеюсь, вам это тоже понравится.
Посмотреть больше
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Урок 1.
00:08:24
Course Welcome & Curriculum Walkthrough
Урок 2.
00:01:50
What Do You Need To Know To Take This Course?
Урок 3.
00:02:39
Downloading The Course Materials IMPORTANT!!
Урок 4.
00:02:15
How The Exercises Work
Урок 5.
00:05:33
Introducing Jupyter Notebook!
Урок 6.
00:06:21
Mac Installation Walkthrough
Урок 7.
00:06:39
Windows Installation Walkthrough
Урок 8.
00:04:08
"Installing" Pandas & Matplotlib (Mac & Windows)
Урок 9.
00:06:39
Creating Notebooks & Running Cells
Урок 10.
00:05:09
Shutting Down The Notebook Server
Урок 11.
00:02:32
How Cell Output Works
Урок 12.
00:06:21
Command Mode Shortcuts
Урок 13.
00:04:57
Cell Types: Markdown Time!
Урок 14.
00:06:48
Restarting The Kernel
Урок 15.
00:02:48
Viewing The Docs Inside A Notebook
Урок 16.
00:02:43
EXERCISE: Jupyter Notebook
Урок 17.
00:06:03
SOLUTION: Jupyter Notebook
Урок 18.
00:05:32
Datasets & CSV
Урок 19.
00:06:43
pd.read_csv & DataFrames
Урок 20.
00:07:18
Inspecting DataFrames: head(), tail(), etc.
Урок 21.
00:04:48
DataTypes and info()
Урок 22.
00:05:14
The House Sales Dataset Walkthrough
Урок 23.
00:08:28
The Titanic Passenger Dataset Walkthrough
Урок 24.
00:08:18
Non-comma Separators: Netflix Dataset
Урок 25.
00:04:19
Overriding Headers: Country Population Dataset
Урок 26.
00:03:11
EXERCISE: DataFrames & Datasets
Урок 27.
00:08:49
SOLUTION: DataFrames & Datasets
Урок 28.
00:05:25
Min & Max
Урок 29.
00:09:01
Sum & Count
Урок 30.
00:05:36
Mean, Median, & Mode
Урок 31.
00:04:24
Describe With Numeric Values
Урок 32.
00:07:48
Describe With Objects (Text) Values
Урок 33.
00:01:46
EXERCISE: Basic DataFrame Methods
Урок 34.
00:04:36
SOLUTION: Basic DataFrame Methods
Урок 35.
00:07:22
Selecting A Single Column
Урок 36.
00:08:32
A Closer Look At Series
Урок 37.
00:05:11
Important Series Methods
Урок 38.
00:05:16
unique & nunique
Урок 39.
00:07:16
nlargest & nsmallest
Урок 40.
00:03:43
Selecting Multiple Columns
Урок 41.
00:08:14
The powerful value_counts() method
Урок 42.
00:10:51
Using plot() to visualize!
Урок 43.
00:02:57
EXERCISE: Series & Plotting
Урок 44.
00:08:50
SOLUTION: Series & Plotting
Урок 45.
00:09:34
Set_Index Basics
Урок 46.
00:05:07
set_index: The World Happiness Index Dataset
Урок 47.
00:02:40
setting index with read_csv
Урок 48.
00:03:55
sort_values intro
Урок 49.
00:03:06
sorting by multiple columns
Урок 50.
00:03:38
sorting text columns
Урок 51.
00:02:22
sort_index
Урок 52.
00:05:02
Sorting and Plotting!
Урок 53.
00:07:51
loc
Урок 54.
00:04:19
iloc
Урок 55.
00:05:52
loc & iloc with Series
Урок 56.
00:04:22
EXERCISE: Indexes & Sorting
Урок 57.
00:09:56
SOLUTION: Indexes & Sorting
Урок 58.
00:08:49
Filtering DataFrames With A Boolean Series
Урок 59.
00:08:16
Filtering With Comparison Operators
Урок 60.
00:03:06
The Between Method
Урок 61.
00:04:08
The isin() Method
Урок 62.
00:11:53
Combining Conditions Using AND (&)
Урок 63.
00:11:09
Combining Conditions Using OR (|)
Урок 64.
00:06:57
Bitwise Negation
Урок 65.
00:03:37
isna() and notna() Methods
Урок 66.
00:06:02
Filtering + Plotting Examples
Урок 67.
00:01:45
EXERCISE: Filtering
Урок 68.
00:10:38
SOLUTION: Filtering Exercise
Урок 69.
00:06:03
Dropping Columns
Урок 70.
00:06:26
Dropping Rows
Урок 71.
00:06:00
Adding Static Columns
Урок 72.
00:06:55
Creating New "Dynamic" Columns
Урок 73.
00:04:02
Finding The Highest price/sqft homes
Урок 74.
00:05:15
Finding Largest Bitcoin Price Changes
Урок 75.
00:03:19
EXERCISE: Adding/Removing Columns & Rows
Урок 76.
00:05:11
SOLUTION: Adding/Removing Columns & Rows
Урок 77.
00:04:51
Renaming Columns and Index Labels
Урок 78.
00:07:32
The replace() method
Урок 79.
00:08:00
Updating Values Using loc[]
Урок 80.
00:04:12
Updating Multiple Values Using loc[]
Урок 81.
00:07:55
Making Updates With loc[] and Boolean Masks
Урок 82.
00:02:21
EXERCISE: Updating Values
Урок 83.
00:08:22
SOLUTION: Updating Values Exercise
Урок 84.
00:07:15
Casting Types With astype()
Урок 85.
00:04:46
Introducing the Category Type
Урок 86.
00:04:44
Casting With pd.to_numeric()
Урок 87.
00:08:39
dropna() and isna()
Урок 88.
00:05:38
fillna()
Урок 89.
00:01:22
EXERCISE: Dealing With NA Values
Урок 90.
00:05:09
SOLUTION: Dealing With NA Values
Урок 91.
00:03:43
Why Dates Matter
Урок 92.
00:08:07
Converting With pd.to_datetime()
Урок 93.
00:09:06
Specifying Fancy Formats With pd.to_datetime()
Урок 94.
00:07:08
Dates and DataFrames
Урок 95.
00:08:50
The Useful dt Properties
Урок 96.
00:06:15
Comparing Dates
Урок 97.
00:08:44
Finding StarLink Flybys In UFO Dataset
Урок 98.
00:08:48
Date Math & TimeDeltas
Урок 99.
00:11:30
Billboard Charts Dataset Exploration
Урок 100.
00:04:52
EXERCISE: Dates & Times
Урок 101.
00:15:04
SOLUTION: Dates & Times
Урок 102.
00:04:25
Intro to Matplotlib
Урок 103.
00:07:05
Our First Matplotlib Plots!
Урок 104.
00:02:34
Do We Need plt.show() ?
Урок 105.
00:09:07
Anatomy of Plots
Урок 106.
00:04:26
Figsize & Plot Dimensions
Урок 107.
00:04:12
Changing Matplotlib Stylesheets
Урок 108.
00:07:10
Line Styles, Colors, Widths, and More!
Урок 109.
00:06:01
Plot Labels & Titles
Урок 110.
00:07:07
Changing X & Y Ticks
Урок 111.
00:05:11
Adding Legends To Plots
Урок 112.
00:04:46
EXERCISE: Matplotlib Challenge #1
Урок 113.
00:09:40
Creating Bar Plots
Урок 114.
00:10:29
Creating Histograms
Урок 115.
00:04:07
EXERCISE: Matplotlib Challenge #2
Урок 116.
00:04:42
Creating Scatter Plots
Урок 117.
00:05:43
Creating Pie Charts
Урок 118.
00:04:28
EXERCISE: Matplotlib Challenge #3
Урок 119.
00:10:54
Working With Subplots
Урок 120.
00:05:55
Putting It All Together
Урок 121.
00:09:37
EXERCISE: Matplotlib Challenge #4
Урок 122.
00:05:14
A Pandas Plotting Recap
Урок 123.
00:02:30
Changing Pandas Plot Styles
Урок 124.
00:07:47
Adding Labels and Titles to Pandas Plots
Урок 125.
00:03:12
Using rename() When Plotting
Урок 126.
00:07:30
Closer Look at Pandas Bar Plots
Урок 127.
00:08:02
EXERCISE: Pandas Plotting Challenge #1
Урок 128.
00:03:12
Pandas Histograms
Урок 129.
00:05:09
Box Plots
Урок 130.
00:05:35
Pandas Line Plots
Урок 131.
00:04:06
EXERCISE: Pandas Plotting Challenge #2
Урок 132.
00:03:00
Pandas Scatter Plots
Урок 133.
00:05:12
Multiple Plots On The Same Axes
Урок 134.
00:07:14
UFOS Plotting Challenge!
Урок 135.
00:03:57
EXERCISE: Pandas Plotting Challenge #3
Урок 136.
00:07:40
Pandas Automatic Subplots
Урок 137.
00:06:27
Manual Subplots With Pandas
Урок 138.
00:11:23
EXERCISE: Pandas Plotting Challenge #4
Урок 139.
00:10:35
EXERCISE: Pandas Plotting Challenge #5
Урок 140.
00:02:38
Exporting Figures With savefig()
Урок 141.
00:05:42
Introducing Groupby
Урок 142.
00:09:42
Exploring Groups
Урок 143.
00:09:36
Split-Apply-Combine
Урок 144.
00:07:42
Using The Agg Method
Урок 145.
00:05:29
Agg with Custom Functions
Урок 146.
00:04:26
Named Aggregation
Урок 147.
00:07:13
Groupby With Multiple Columns
Урок 148.
00:06:03
Creating a MultiIndex With set_index
Урок 149.
00:08:29
Sorting A MultiIndex
Урок 150.
00:10:13
Using .loc[] With A MultiIndex
Урок 151.
00:02:31
Cross Sections With The XS Method
Урок 152.
00:08:11
get_level_values()
Урок 153.
00:05:07
Hierarchical Columns
Урок 154.
00:03:49
Stack() and Unstack()
Урок 155.
00:07:59
Plotting With Unstack()
Урок 156.
00:05:08
Grouping By Index
Урок 157.
00:07:04
The String Datatype Vs. Object Datatype
Урок 158.
00:04:10
Upper(), Lower(), and Capitalize()
Урок 159.
00:05:54
Indexing String Series With []
Урок 160.
00:03:59
Stripping Whitespace With Strip()
Урок 161.
00:06:58
Splitting Text Values With Split()
Урок 162.
00:07:01
Replacing Portions of Strings With Replace()
Урок 163.
00:04:01
Testing Strings With Contains()
Урок 164.
00:07:56
Applying Functions To Series
Урок 165.
00:04:53
Apply() With Lambdas & Arguments
Урок 166.
00:04:13
Apply() w/ DataFrames: Columns
Урок 167.
00:06:47
Apply() w/ DataFrames: Rows
Урок 168.
00:02:57
The Series Map() Method
Урок 169.
00:03:52
The ApplyMap() Method
Урок 170.
00:05:20
Concatenating Series
Урок 171.
00:04:10
Concatenating Series By Index
Урок 172.
00:03:46
Inner vs. Outer Joins
Урок 173.
00:04:48
Concatenating DataFrames By Columns
Урок 174.
00:03:04
Concatenating DataFrames By Index
Урок 175.
00:04:35
The DataFrame Merge() Method
Урок 176.
00:06:12
Merge() w/ Left, Right, Inner, & Outer Joins
Урок 177.
00:09:42
Merge() On and Suffixes Arguments
Урок 178.
00:08:15
Intro to Seaborn
Урок 179.
00:04:19
The Helpful load_dataset() method
Урок 180.
00:10:18
Seaborn Scatterplots
Урок 181.
00:12:27
Seaborn Lineplots
Урок 182.
00:09:19
The relplot() Method
Урок 183.
00:07:05
Resizing Seaborn Plots: Aspect & Height
Урок 184.
00:06:19
Seaborn Histograms
Урок 185.
00:02:45
KDE Plots
Урок 186.
00:05:44
Bivariate Distribution Plots
Урок 187.
00:05:56
Rugplots
Урок 188.
00:06:59
The Amazing displot() Method
Урок 189.
00:04:01
Countplot
Урок 190.
00:09:17
Strip & Swarm Plots
Урок 191.
00:09:30
Boxplots
Урок 192.
00:02:24
Boxenplots
Урок 193.
00:04:48
Violinplots
Урок 194.
00:08:56
Barplots
Урок 195.
00:08:30
The Big Boy Catplot Method
Урок 196.
00:04:29
Changing Seaborn Themes
Урок 197.
00:05:45
Customizing Styles with set_style()
Урок 198.
00:02:53
Altering Spines With despine()
Урок 199.
00:09:15
Changing Color Palettes
Автор - udemy
udemy
Udemy - одна из самых больших площадок в мире по доставке обучающего контента от разных авторов всего мира. Присутсвуют курсы практически на любую тему.
Команда внимательно читает ваши комментарии и оперативно на них реагирует. Вы можете спокойно оставлять запросы на обновления или задавать любые вопросы о курсе здесь.
Если вы работаете с Excel и когда-либо думали - «должен быть способ лучше», то этот курс для вас! Excel уже много лет используется для автоматизации и поддержки предприятий, а также для решения проблем бизнес-пользователей. Но есть много недостатков в том, чтобы так сильно полагаться на Excel при обработке данных. В этом курсе вы увидите, как современные библиотеки Python для науки о данных позволят вам решать те же проблемы, избегая
Data Science Bootcamp: создание портфолио из 90 проектов
90Days Data Science Bootcamp: Build Portfolio Of 90 Projects
Решайте бизнес задачи с использованием Data Science. Научитесь создавать и развертывать проекты веб-приложений машинного обучения, обработки данных, искусственного интеллекта, Auto Ml, глубокого обучения, обработки естественного языка (Nlp) с помощью Python (Flask, Django, Heroku, AWS, Azure, GCP, IBM Watson, Streamlit Cloud). Мы расскажем обо всем, что вам нужно знать, чтобы получить полный набор технологий по науке о данных и машинному обучению
DS4B 101-P: Python для автоматизации обработки данных
DS4B 101-P: Python for Data Science Automation
Python for Data Science Automation - это инновационный курс, предназначенный для обучения аналитиков данных тому, как преобразовать бизнес-процессы в автоматизацию обработки данных на основе Python. Курс основан на двух основных принципах:
Машинное обучение и наука о данных: от нуля к мастерству
Complete Machine Learning and Data Science: Zero to Mastery
Изучите науку о данных, анализ данных, машинное обучение (искусственный интеллект) и Python с Tensorflow, Pandas и много другого! Это совершенно новый курс по машинному обучению и науке о данных, который был запущен в январе 2020 года! Выпускники курсов Андрея теперь работают в Google, Tesla, Amazon, Apple, IBM, JP Morgan, Facebook и других ведущих технологических компаниях.