webformyself
Webformyself - универсальная русскоязычная площадка, которая делает годные курсы по нескольким направлениям, от фреймворков и верстки до SEO...
Обработка и анализ данных на Python
Продолжительность
32 ч 19 мин
Категория
Python
Количество уроков
102 Видео
Дата добавления
26 мар. 2021 г., 15:33
Язык
Русский
Дата обновления
3 нояб. 2021 г., 21:18
Представляем Вашему вниманию курс по изучению Обработки и анализу данных на Python. Курс состоит из 4-х частей и включает в себя 48 уроков общей продолжительностью более 15 часа видео.
Первая часть курса посвящена настройке и работе с окружением. Поскольку Pandas – это библиотека на Python, соответственно, потребуется установить Python на компьютер, если его еще нет. Также потребуется сама библиотека Pandas. И здесь будут рассмотрены два варианта: установка виртуального окружения и необходимых библиотек с нуля и установка дистрибутива Anaconda, который включает весь необходимый набор библиотек.
Со второй части курса начнется изучение непосредственно библиотеки Pandas. Здесь будет рассмотрена одна из структур данных библиотеки Pandas – Series.
В третьей части курса будет изучаться ключевая структура данных – DataFrame. DataFrame представляет данные в табличном виде, что очень удобно для анализа данных. Здесь будут рассмотрены темы чтения и записи данных, обработки данных, группировка и сортировка, различные варианты объединения табличных данных и т.д.
Последняя часть будет исключительно практической и здесь будет показана обработка достаточно больших объемов данных на сотни тысяч и даже миллионы строк. Также в последней части курса будет затронута тема визуализации данных и работа с библиотекой Matplotlib.
Посмотреть больше
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
-
Урок 1. 00:15:49Введение. Установка Python
-
Урок 2. 00:13:42Установка виртуального окружения
-
Урок 3. 00:12:31Установка дистрибутива Anaconda
-
Урок 4. 00:29:37Язык разметки Markdown
-
Урок 5. 00:18:13Горячие клавиши в Jupyter Notebook
-
Урок 6. 00:24:16Волшебные команды Jupyter Notebook
-
Урок 7. 00:17:55Series. Constructor
-
Урок 8. 00:26:33Series. Работа со значениями
-
Урок 9. 00:17:14Фильтрация данных Series
-
Урок 10. 00:16:06Атрибуты и методы Series. Часть 1
-
Урок 11. 00:14:48Атрибуты и методы Series. Часть 2
-
Урок 12. 00:09:44Домашнее задание
-
Урок 13. 00:15:21DataFrame. Constructor
-
Урок 14. 00:22:18DataFrame. Чтение данных
-
Урок 15. 00:17:25Получение информации о DataFrame
-
Урок 16. 00:26:20Опции и настройки DataFrame
-
Урок 17. 00:18:22Атрибуты loc и iloc
-
Урок 18. 00:09:02Домашнее задание
-
Урок 19. 00:20:38Добавление и удаление колонок
-
Урок 20. 00:15:02Переименование колонок
-
Урок 21. 00:20:54Работа с NaN
-
Урок 22. 00:24:54Работа с Excel. Запись в файлы
-
Урок 23. 00:14:56Домашнее задание
-
Урок 24. 00:33:55Методы для работы со строками
-
Урок 25. 00:29:10Метод apply
-
Урок 26. 00:21:52Группировка методом groupby
-
Урок 27. 00:06:17Домашнее задание
-
Урок 28. 00:33:59Группировка с фильтрацией
-
Урок 29. 00:20:11Сортировка
-
Урок 30. 00:12:20Объединение датафреймов. Метод concat
-
Урок 31. 00:10:39Домашнее задание
-
Урок 32. 00:32:19Сводные таблицы
-
Урок 33. 00:09:31Домашнее задание - 1
-
Урок 34. 00:16:17Домашнее задание - 2
-
Урок 35. 00:36:55Объединение таблиц с merge и join
-
Урок 36. 00:06:57Домашнее задание
-
Урок 37. 00:30:54Типы данных в Pandas
-
Урок 38. 00:39:35Тип данных Category
-
Урок 39. 00:23:21Тип данных Datetime
-
Урок 40. 00:09:02Библиотека Matplotlib. Часть 1
-
Урок 41. 00:29:54Библиотека Matplotlib. Часть 2
-
Урок 42. 00:13:02Задание 1-1. Чтение файлов в датафрейм
-
Урок 43. 00:06:42Задание 1-2. Удаление пустых значений
-
Урок 44. 00:10:29Задание 1-3. Конвертирование типов
-
Урок 45. 00:04:55Задание 1-4. Добавляем колонку Total
-
Урок 46. 00:07:18Задание 1-5. Добавляем колонку Month
-
Урок 47. 00:30:23Задание 1-6. Определяем лучший месяц продаж
-
Урок 48. 00:23:04Задание 1-7. Определяем лучшие часы продаж
-
Урок 49. 00:08:03Задание 1-8. Определяем лучшие дни продаж
-
Урок 50. 00:16:51Задание 1-9. Определяем город наибольших продаж
-
Урок 51. 00:19:17Задание 2-1. Объединение файлов данных
-
Урок 52. 00:24:29Задание 2-2. Получение всех имен по годам
-
Урок 53. 00:09:51Задание 2-3. Определяем ТОП 10 имен
-
Урок 54. 00:13:11Пакет Qgrid
-
Урок 55. 00:09:11Введение
-
Урок 56. 00:03:50Установка Python
-
Урок 57. 00:15:23Установка редактора PyCharm
-
Урок 58. 00:13:55Синтаксис Python
-
Урок 59. 00:20:01Числа. Арифметические операторы
-
Урок 60. 00:18:41Переменные
-
Урок 61. 00:11:45Булев тип данных
-
Урок 62. 00:17:38Строки
-
Урок 63. 00:24:25Операции со строками
-
Урок 64. 00:14:39Методы строк
-
Урок 65. 00:19:48Форматирование строк
-
Урок 66. 00:26:10Оператор IF
-
Урок 67. 00:23:32Циклы for и while
-
Урок 68. 00:23:44Списки
-
Урок 69. 00:09:12Д/з. Вывод таблицы умножения
-
Урок 70. 00:21:56Методы для работы со списками
-
Урок 71. 00:16:56Изменяемые и неизменяемые объекты
-
Урок 72. 00:04:48Домашнее задание
-
Урок 73. 00:10:36Решение домашнего задания
-
Урок 74. 00:26:10Кортежи
-
Урок 75. 00:16:51Решение домашнего задания
-
Урок 76. 00:24:39Множества
-
Урок 77. 00:24:12Словари
-
Урок 78. 00:09:42Методы словаря
-
Урок 79. 00:10:17Игра Угадай число
-
Урок 80. 00:22:01Пользовательские функции. Часть 1
-
Урок 81. 00:22:58Пользовательские функции. Часть 2
-
Урок 82. 00:34:38Пользовательские функции. Часть 3
-
Урок 83. 00:09:37Решение домашнего задания
-
Урок 84. 00:33:02Модули в Python
-
Урок 85. 00:37:21Модуль datetime
-
Урок 86. 00:22:34Решение домашнего задания
-
Урок 87. 00:24:44Работа с файлами
-
Урок 88. 00:25:23Парсинг
-
Урок 89. 00:24:48Ошибки и исключения
-
Урок 90. 00:17:36Основы ООП. Класс и объект
-
Урок 91. 00:10:48Конструктор класса
-
Урок 92. 00:23:50Инкапсуляция
-
Урок 93. 00:18:44Класс парсинга
-
Урок 94. 00:12:56Наследование
-
Урок 95. 00:15:24Полиморфизм
-
Урок 96. 00:18:53Декораторы
-
Урок 97. 00:09:58Lambda-функции
-
Урок 98. 00:40:15Регулярные выражения
-
Урок 99. 00:19:52Модуль sqlite. Часть 1
-
Урок 100. 00:15:03Модуль sqlite. Часть 2
-
Урок 101. 00:18:15Модуль sqlite. Часть 3
-
Урок 102. 00:30:39Модуль zipfile
Автор - webformyself
Категории
Комментарии
-
alegkoninфальшивый курс( -
Nick Knock alegkoninПривет. Объясни плиз что с ним не так? :)
Команда внимательно читает ваши комментарии и оперативно на них реагирует. Вы можете спокойно оставлять запросы на обновления или задавать любые вопросы о курсе здесь.
Другие материалы в этой категории
udemy
1 мар. 2020 г., 11:04
Анализ данных с помощью Pandas и Python
Data Analysis with Pandas and Python
Быстро и легко анализируйте данные с помощью мощной библиотеки pandas! Все наборы данных включены --- начинающие приветствуются!
skillfactory
13 февр. 2019 г., 13:33
Python для анализа данных
«Данные — это новая нефть». Они помогают усовершенствовать продукт, привлечь новых пользователей и являются драйвером роста любой компании. Компании во всем мире используют Python для сбора и анализа данных. В Uber, Yandex и Facebook, знание Python является обязательным требованием при приеме на работу аналитика. Наш курс позволяет освоить Python для анализа данных с нуля. Курс рассчитан на тех, кто не умеет программировать, но
udemy
26 февр. 2020 г., 21:13
Статистика для Data Science и бизнес-анализа
Statistics for Data Science and Business Analysis
Статистика, которая вам нужна в офисе: описательная и логическая статистика, проверка гипотез, регрессионный анализ... Является ли статистика движущей силой в отрасли, в которую вы хотите войти? Вы хотите работать в качестве аналитика по маркетингу, бизнес-аналитика, аналитика данных или ученого данных? Ну, тогда вы попали в нужное место!
Учебный Центр «Специалист»
27 мар. 2020 г., 19:46
Python для машинного обучения
Курс посвящен применению языка Python для технологий машинного обучения. Изучаются основные библиотеки, используемые в машинном обучении и методики их использования.
МФТИ
6 мая 2021 г., 23:39
Первичный анализ данных в Python (Часть 1-2)
Первичный анализ данных в Python
На курсе мы покажем, как проходит полный цикл анализа данных в индустрии: от сбора и обработки и агрегации данных до построения графиков и аналитических отчетов. Вы научитесь пользоваться современными аналитическими инструментами в Python и научитесь адаптировать их под особенности конкретных задач.