Bemästra Datavisualisering

4.6+

7 omdömen

Intermediate

Först och främst kommer vi att diskutera tillämpningarna av NumPy och varför det är populärt. Därefter kommer du att lära dig olika möjliga alternativ för att skapa olika arrayer i NumPy.

Det är nu dags att lära sig hur man använder indexnotation för att hämta specifika element eller delmängder av data från arrayer. Du kommer också att lära dig hur man använder index för att hämta data baserat på vissa villkor och hantera saknade värden.

Det finns ganska få vanliga operationer på arrayer som du kanske vill utföra. Lyckligtvis har NumPy inbyggda funktioner och metoder för detta ändamål som du kommer att lära dig här.

Det är dags att upptäcka hur man effektivt använder matematiska operationer på NumPy-arrayer och tillämpar dem i några verkliga problem.

I det här avsnittet kommer vi att utforska grunderna i Series och DataFrame-strukturer. Du kommer också att lära dig om skillnaderna mellan dessa två typer av strukturer.

Data kan hämtas i olika format, såsom CSV, JSON, SQL, HTML och fler. Med Pandas är du inte begränsad till ett enda format — du kan arbeta med data från en mängd olika filtyper. I detta kapitel kommer vi specifikt att fokusera på CSV- och TXT-formaten.

Här kommer du att lära dig hur man bearbetar rådata genom att ta bort överflödig information och hantera nullvärden i en dataset.

Först kommer vi att diskutera plottingsapplikationer, Matplotlib-biblioteket och dess fördelar. Därefter kommer du att skapa din första enkla plot med Matplotlib.

Nu är du redo att skapa olika diagram som ofta används i praktiken. Utan vidare dröjsmål, låt oss börja direkt!

Att skapa diagram och visualiseringar handlar inte bara om att generera ett eller flera diagram, utan även om att göra dem tydliga, begripliga och estetiskt tilltalande. Dags att lära sig anpassning av diagram i matplotlib.

Statistik är avgörande vid arbete med data, därför är det mycket viktigt att kunna skapa olika statistiska diagram. Nu är det dags att utforska de vanligaste av dem.

Seaborn är ett annat kraftfullt visualiseringsbibliotek i Python som är byggt ovanpå matplotlib. Nu när du är bekant med matplotlib är det dags att fördjupa sig i visualisering med seaborn.

Utforska Power BI och bygg en solid grund. Du kommer att gå igenom allt från installation och konfiguration till att ansluta datakällor och skapa din första rapport.

Utforska grundläggande tekniker för databeredning, inklusive rensning, transformering och sammanslagning av flera datakällor. Du kommer även att hantera saknade värden, dataprofilerering och olika metoder för datamanipulering.

Behärska grunderna i datamodellering, från att förstå datamodeller och skapa relationer till att få grepp om DAX-grunderna. Du kommer även att lära dig att skapa mått och beräknade kolumner.

Upptäck olika visualiseringstekniker och anpassa visualiseringar för bättre insikter. Du kommer även att utforska avancerade funktioner såsom slicers, filter och möjligheter till drill-down/drill-through för att förbättra din dataanalys.

Förbättra användbarheten och berättarkraften i dina rapporter genom att använda teman, konfigurera rapportsidor och utnyttja avancerade funktioner som Analysera-funktionen och identifiering av avvikare. Du kommer även att skapa grupper, intervall och kluster för djupare insikter.

This section lays the groundwork for mastering Tableau by guiding you through installation, navigation, and foundational operations. From performing joins and splitting columns to understanding filters, marks, and the data pane, you will be equipped with essential tools for data exploration and visualization.

This section delves into Tableau's powerful tools for data organization, filtering, and customization. You'll learn to differentiate dimensions and measures, work with continuous and discrete fields, and create calculated fields and interactive dashboards. Through practical challenges, you'll apply these tools to analyze data, uncover insights, and enhance your visualizations.

This section focuses on creating impactful visualizations to uncover patterns and trends in your data. From heatmaps and scatter plots to treemaps and combination charts, you'll explore a variety of chart types tailored to different analytical needs.

This section introduces advanced visualization techniques to enhance data analysis and storytelling. You'll learn to create bullet graphs, stacked area charts, histograms, and box plots, enabling deeper insights into trends, distributions, and comparisons.