Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Savoir combiner et exploiter plusieurs jeux de données est une compétence essentielle pour tout ou toute data scientist en devenir. pandas est une brique incontournable de l'écosystème data science de Python, avec 5 millions de vues de questions pandas sur Stack Overflow. Apprenez à gérer plusieurs DataFrames en les combinant, en les organisant, en les joignant et en les remaniant avec pandas. Vous travaillerez sur des jeux de données de la Banque mondiale et de la ville de Chicago. À la fin du cours, vous maîtriserez solidement les techniques d'assemblage de données avec pandas.Les vidéos contiennent des transcriptions que vous pouvez afficher en cliquant sur « Show transcript » en bas à gauche des vidéos.Le glossaire du cours se trouve à droite, dans la section ressources.Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur l'encart des crédits CPE à droite.
Prérequis
Programme de formation
Plan du cours
1
Premiers pas avec la fusion de données
Apprenez à fusionner des données disparates avec des jointures internes. En combinant des informations issues de plusieurs sources, vous mettrez au jour des insights convaincants jusque-là invisibles. Vous verrez aussi comment la relation entre ces sources, comme un-à-un ou un-à-plusieurs, peut influencer le résultat.
- Jointure interne50 XP
- Sur quelle colonne fusionner ?50 XP
- Votre première jointure intérieure100 XP
- Jointures internes et nombre de lignes renvoyées100 XP
- Relations de un à plusieurs50 XP
- Classification un-à-plusieurs100 XP
- Fusion de un-à-plusieurs100 XP
- Fusionner plusieurs DataFrame50 XP
- Nombre total de coureurs en un mois100 XP
- Fusion de trois tables100 XP
- Fusion un-à-plusieurs avec plusieurs tables100 XP
2
Joindre des tables avec différents types de jointures
Passez à la vitesse supérieure avec les jointures. Dans ce chapitre, vous travaillerez sur des données de films TMDb en découvrant les jointures left, right et outer. Vous verrez aussi comment joindre une table à elle-même et comment fusionner sur l'index d'un DataFrame.
3
Fusions avancées et concaténation
Dans ce chapitre, vous exploiterez de puissantes techniques de filtrage, dont les semi-jointures et anti-jointures. Vous apprendrez également à assembler des DataFrames en les combinant verticalement et en utilisant la fonction pandas.concat pour créer de nouveaux jeux de données. Enfin, comme les données sont rarement propres, vous verrez comment valider vos structures de données nouvellement combinées.
4
Fusion de données ordonnées et de séries temporelles
Dans ce dernier chapitre, vous monterez en puissance et apprendrez à appliquer les méthodes spécialisées de pandas pour fusionner des séries temporelles et des données ordonnées, avec des données financières et économiques réelles de la ville de Chicago. Vous apprendrez aussi à interroger les tables résultantes avec une syntaxe proche de SQL, et à dé-pivoter des données avec la méthode melt.
Assembler des données avec pandas
Cours
terminé
