कोर्स
Python में Exploratory Data Analysis
मध्यमकौशल स्तर
अपडेट किया गया 04/2026
PythonExploratory Data Analysis4 घंटे14 वीडियो49 अभ्यास4,150 XP110K+उपलब्धि का प्रमाण पत्र
अपना मुफ़्त खाता बनाएं
Google के साथ जारी रखेंअधिक विकल्प दिखाएँया
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।
हजारों कंपनियों के शिक्षार्थियों द्वारा पसंद किया गया
टीम को ट्रेनिंग देना चाहते हैं?
व्यवसाय के लिए आज़माएँपाठ्यक्रम विवरण
बेरोज़गारी के आँकड़ों और हवाई जहाज़ के टिकट की कीमतों के डेटा का इस्तेमाल करते हुए, आप Python की मदद से डेटा को समरी करेंगे और वैलिडेट करेंगे, कैलकुलेशन करेंगे, missing values पहचानकर उन्हें बदलेंगे, और numerical तथा categorical दोनों तरह के values को क्लीन करेंगे. पूरे कोर्स में, आप Seaborn की बेहतरीन visualizations बनाएँगे ताकि वैरिएबल्स और उनके आपसी रिश्तों को समझ सकें.
आखिर में, कोर्स यह दिखाएगा कि exploratory नतीजे कैसे डेटा साइंस वर्कफ़्लो में काम आते हैं — नए फीचर्स बनाकर, categorical फीचर्स को balance करके, और नतीजों से hypotheses तैयार करके.
कोर्स के अंत तक, आप Python में अपना खुद का exploratory data analysis (EDA) आत्मविश्वास के साथ कर पाएँगे. आप अपने नतीजों को विज़ुअल रूप में दूसरों को समझा पाएँगे और अपने डेटा से और गहन इं사이트्स पाने के लिए अगले क़दम सुझा पाएँगे!वीडियो में live transcripts हैं जिन्हें आप वीडियो के निचले-बाएँ हिस्से में "Show transcript" पर क्लिक करके देख सकते हैं. कोर्स का glossary दाईं ओर resources सेक्शन में उपलब्ध है.CPE क्रेडिट प्राप्त करने के लिए आपको कोर्स पूरा करना होगा और qualified assessment में 70% स्कोर हासिल करना होगा. आप दाईं ओर CPE credits कॉलआउट पर क्लिक करके assessment तक जा सकते हैं.
पूर्व आवश्यकताएं
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
किसी डेटासेट को समझना
नए डेटासेट के साथ शुरुआत करने का बेहतर तरीका क्या है? categorical और numerical डेटा को वैलिडेट और समरी करना सीखिए, और Seaborn visualizations के जरिए अपने नतीजों को प्रभावी ढंग से दिखाइए.
2
डेटा क्लीनिंग और इम्प्यूटेशन
डेटा की खोज और विश्लेषण में अक्सर missing values, गलत data types, और outliers से निपटना पड़ता है. इस अध्याय में, आप इन चुनौतियों को संभालने की तकनीकें सीखेंगे और अपनी EDA प्रक्रिया को streamlined बनाएँगे!
3
डेटा में रिश्ते
डेटासेट में वैरिएबल्स अलग-थलग नहीं होते; उनके बीच रिश्ते होते हैं. इस अध्याय में, आप numerical, categorical और यहाँ तक कि DateTime डेटा में रिश्तों को देखेंगे, इन रिश्तों की दिशा और मज़बूती को समझेंगे, और उन्हें visualize करने के तरीक़े सीखेंगे.
4
Exploratory Analysis को एक्शन में बदलना
Exploratory data analysis डेटा साइंस वर्कफ़्लो का अहम चरण है, लेकिन यहीं बात ख़त्म नहीं होती! अब समय है वे तकनीकें और विचार सीखने का, जिनसे आप exploration के बाद अपने प्रोजेक्ट्स को सफलतापूर्वक आगे बढ़ा सकें!
Python में Exploratory Data Analysis
पाठ्यक्रम पूर्ण
उपलब्धि का प्रमाण पत्र अर्जित करें
इस प्रमाण पत्र को अपनी LinkedIn प्रोफ़ाइल, रिज्यूमे या CV में जोड़ेंइसे सोशल मीडिया पर और अपनी प्रदर्शन समीक्षा में साझा करेंअभी नामांकन करें
19 मिलियन से अधिक शिक्षार्थियों के साथ जुड़ें और आज ही Python में Exploratory Data Analysis शुरू करें!
अपना मुफ़्त खाता बनाएं
Google के साथ जारी रखेंअधिक विकल्प दिखाएँया
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।
मोबाइल के लिए DataCamp के साथ अपने डेटा कौशल को बढ़ाएं
हमारे मोबाइल कोर्स और दैनिक 5 मिनट की कोडिंग चुनौतियों के साथ चलते-फिरते प्रगति करें।