دوره آموزش pandas پایتون

تجزیه و تحلیل داده ها به پردازش های زیادی نیاز دارد، مانند بازسازی، تمیز کردن یا ادغام و غیره. پایتون به تنهایی قادر به آماده سازی داده ها هست، اما فقط پشتیبانی محدودی برای تجزیه و تحلیل داده ها ارائه می کند. ابزارهای مختلفی برای پردازش سریع داده ها در دسترس هستند اما تعداد کمی از آنها میتوانند پاسخگوی تمامی نیازها باشند.

 

# کتابخانه pandas پایتون

کتابخانه pandas یک ابزار قدرتمند برای دستکاری و تجزیه و تحلیل داده ها است که با زبان برنامه نویسی پایتون نوشته شده است. به طور ویژه، ساختارهای داده و عملیات هایی را برای دستکاری جداول عددی و سری های زمانی ارائه می دهد. این نرم افزار رایگان است که تحت مجوز BSD منتشر شده است. کتابخانه pandas به روی کتابخانه numpy ساخته شده و از آن برای سرعت بخشیدن به عملیات‌های خود استفاده میکند. به‌عنوان یکی از محبوب‌ترین پکیج های کار با داده، Pandas با بسیاری از ماژول‌های علم داده دیگر در اکوسیستم پایتون به خوبی کار می‌کند و معمولاً در هر توزیع پایتون گنجانده می‌شود.

 

کتابخانه pandas مهمترین ابزاری است که امروزه در اختیار دانشمندان و تحلیلگران داده است که در پایتون کار می کنند. ابزارهای یادگیری ماشین و ابزارهای تجسم داده پر زرق و برق ممکن است همه توجه را به خود جلب کنند، اما pandas ستون فقرات اکثر پروژه های داده هستند. کتابخانه پانداز از اصطلاح "پانل داده" گرفته شده است، یک اصطلاح اقتصاد سنجی برای مجموعه داده هایی که شامل مشاهدات در بازه های زمانی متعدد برای افراد یکسان است.

 

کتابخانه پانداز برای انواع مختلف داده ها مناسب هستند:

  • داده های جدولی با ستون هایی با نوع ناهمگن، مانند جدول SQL یا صفحه گسترده اکسل
  • داده های سری زمانی مرتب و نامرتب
  • داده‌های ماتریس دلخواه (همگن یا ناهمگن) با برچسب‌های سطر و ستون
  • هر شکل دیگری از مجموعه داده های مشاهده ای / آماری. داده ها برای قرار گرفتن در ساختار داده پانداها اصلاً نیازی به برچسب گذاری ندارند

 

# آیا دوره آموزش Pandas پیش نیاز دارد؟

دوره آموزش pandas جزو دوره‌های پیشرفته محسوب شده و مناسب افرادی است که با زبان برنامه نویسی پایتون به خوبی آشنا هستند. اگر با پایتون آشنا نیستید میتوانید از دوره آموزش پایتون استفاده کنید. در این دوره با مهمترین ابزارهایی که در کتابخانه pandas پایتون وجود دارد آشنا خواهید شد. بهتر است نسخه پایتونی که برای این دوره استفاده میکنید بیشتر از 3.9 باشد.

 

فایل‌های مورد نیاز این دوره را میتوانید از این لینک دانلود کنید.



0

intro

5:20

رایگان

1

series

25:51

رایگان

2

read csv

25:37

3

dataframe

40:34

4

info

18:16

5

filter

30:31

6

strings

29:47

7

pivot

26:46

8

groupby

25:46

9

merge

26:54

10

datetime

31:33

11

json

25:50

12

options

9:43

13

MultiIndex

38:39

دوره های پیشنهادی

دوره آموزش GraphQL در پایتون
دوره آموزش GraphQL در پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش وب اسکرپینگ(web scraping) در پایتون
دوره آموزش وب اسکرپینگ(web scraping) در پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش ریاضیات یادگیری ماشین
دوره آموزش ریاضیات یادگیری ماشین
تکمیل ضبط
امیرحسین بیگدلو



مونگارد