Python for Data Analysis

4.6+

9 відгуки

Intermediate

First of all, we will discuss the applications of NumPy and why it is popular. Afterwards you will learn various possible options to create different arrays in NumPy.

It's now time to learn how to use index notation to retrieve specific elements or subsets of data from arrays. You will also learn how to use indices to retrieve data based on certain conditions and handle missing values.

There are quite few of common operations on arrays which you may want to perform. Luckily, NumPy has built-in functions and methods for this purpose which you will learn here.

It's time to discover how to efficiently use mathematical operations on NumPy arrays and apply them in some real-world problems.

У цьому розділі ми дослідимо основи структур Series та DataFrame. Ви також дізнаєтеся про відмінності між цими двома типами структур.

Дані можуть бути отримані у різних форматах, таких як CSV, JSON, SQL, HTML та інші. З Pandas ви не обмежені одним форматом — ви можете працювати з даними з різних типів файлів. У цьому розділі ми зосередимося на форматах CSV та TXT.

Тут ви дізнаєтеся, як обробляти необроблені дані, видаляючи зайву інформацію та керуючи нульовими значеннями в наборі даних.

This section will teach you how to output specific columns by their titles or indices. Also, you will get acquainted with the ways you can select rows by indices.

Here, you will learn how to extract data that has specific conditions. Also, you will learn how to combine them and even create your own.

In this section, you will expand your knowledge on setting different data conditions. You will learn to check if your data is in a defined list of values or between two values. You will also learn how to find the largest and smallest values.

This section is one of the most fascinating of the course. Here, you will learn how to group data in different ways. It will help you work as a data analyst to find out information on specific data groups.

This section is one of the most significant for a data analyst because if the data contains missing data values in the incorrect format, it will be impossible to work with. Thus, you will learn how to deal with such inappropriate values here.

We will start our way of learning probability theory by considering some basic definitions and rules: what is a stochastic experiment and random event, what is independence and incompatibility of events in the context of probability theory, what is the probability and how can we calculate probabilities of different elementary events.

In real-life tasks, we often have to deal with complex relationships and, as a result, calculate probabilities of several events or events that depend on each other. Let's consider how we can do this using probability theory.

To solve many real problems in probability theory, special models have been created that describe a particular situation. Let's consider some of the most used models that can be used to describe some discrete results of stochastic experiments.

What if the result of a stochastic experiment cannot be described by a discrete value? For this, models that work with continuous values are used. Consider the most popular of these models.

Often we are faced with the task of checking the dependence of the results of different stochastic experiments on each other. Moreover, it is necessary not only to assess the presence of dependencies but also to somehow quantify the degree of dependencies. To solve these problems, we can use covariance and correlation.

Спочатку ми розглянемо застосування для побудови графіків, бібліотеку Matplotlib та її переваги. Далі ви створите свій перший простий графік за допомогою Matplotlib.

Тепер ви готові створювати різноманітні графіки, які часто використовуються на практиці. Без зайвих слів, перейдемо до справи прямо зараз!

Побудова та візуалізація даних полягає не лише у створенні одного або декількох графіків, а й у забезпеченні їхньої зрозумілості, чіткості та привабливого вигляду. Час ознайомитися з налаштуванням графіків у matplotlib.

Статистика є невід’ємною частиною роботи з даними, тому надзвичайно важливо вміти створювати різноманітні статистичні графіки. Тепер настав час ознайомитися з найпоширенішими з них.

Seaborn — ще одна потужна бібліотека для побудови графіків у Python, створена на основі matplotlib. Тепер, коли ви ознайомилися з matplotlib, настав час зануритися у візуалізацію за допомогою seaborn.