Скоро [Udemy] Анализ данных с помощью Python и Pandas. Часть 2 [2015]

[VkurseBot]

[Udemy] Анализ данных с помощью Python и Pandas. Часть 2 [2015]


[Udemy] Анализ данных с помощью Python и Pandas. Часть 1 [2015]
[Udemy] Анализ данных с помощью Python и Pandas. Часть 3 [2015]
​

Информация о курсе

• Автор: Udemy
• Оригинальное название: Data Analysis with Python and Pandas
• Продолжительность Части 2: 02:09:44
• Тип материала: Видеоурок
• Переводчик: @Samigg

Пакет Pandas делает Python мощным инструментом для анализа данных.
Пакет дает возможность строить сводные таблицы, выполнять группировки, предоставляет удобный доступ к табличным данным, а при наличии пакета matplotlib дает возможность рисовать графики на полученных наборах данных.
Pandas - это библиотека с открытым исходным кодом, обеспечивающая высокую производительность, легка в использовании структуры и инструментов анализа данных для языка программирования Python. Библиотека может считыватть данныезаписи в формате CSV , Excel, HDF, SQL, JSON, HTML и форматы Stata. Pandas хорошо подходит для работы с различными типами данных:

• Табличные данные со столбцами различных типов, как в таблицах SQL или Excel.
• Упорядоченными и неупорядоченными данными (не обязательно с постоянной частотой) временных рядов.
• Произвольными матричными данными (однородными или разнородными) с помеченными строками и столбцами.
• Любыми другими формами наборов данных наблюдений, либо статистических данных. Данные не требуют обязательного наличия метки для того, чтобы быть помещенными в структуру данных Pandas.

Основными являются Series и DataFrame.
Series – это проиндексированный одномерный массив значений. Он похож на простой словарь типа dict, где имя элемента будет соответствовать индексу, а значение – значению записи.
DataFrame — это проиндексированный многомерный массив значений, соответственно каждый столбец DataFrame, является структурой Series.

Pandas является неплохой альтернативой Excel при работе с большими объемами данных.

В Части 2 этого курса озвучивается:
- Операции Pandas:

• Манипуляции с колонкой (Операции по колонкам, создавая новые)
• Категоризация колонок и DataFrame
• Статистические функции с данными
• Перемещение статистики

- Пропущенные данные, скачки

• Удаление Na
• Filling Forward And Backward Na
• Обнаружение выбросов

- Комбинирование Dataframes

• Конкатенация - операция склеивания объектов линейной структуры, обычно строк.
• Добавление DataFrame
• Слияние DataFrame
• Присоединение DataFrame

​

// Сам курс есть в паблике

 

 

Последнее редактирование модератором: 24 Мар 2016