Corso
Analisi esplorativa dei dati in Python
IntermedioLivello di competenza
Aggiornato 04/2026
PythonExploratory Data Analysis4 h14 video49 Esercizi4,150 XP110K+Attestato di conseguimento
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Preferito dagli studenti di migliaia di aziende
Formare un team?
Prova per il BusinessDescrizione del corso
Usando dati su tassi di disoccupazione e prezzi dei biglietti aerei, userai Python per riassumere e convalidare i dati, calcolare, identificare e sostituire i valori mancanti e pulire valori sia numerici sia categoriali. Durante il corso, creerai splendide visualizzazioni con Seaborn per comprendere le variabili e le loro relazioni.
Infine, il corso mostrerà come i risultati dell’esplorazione alimentano i flussi di lavoro di data science creando nuove feature, bilanciando le feature categoriali e generando ipotesi a partire dalle evidenze.
Alla fine del corso, avrai la sicurezza per svolgere in autonomia la tua Exploratory Data Analysis (EDA) in Python. Saprai spiegare visivamente le tue scoperte agli altri e proporre i prossimi passi per ottenere insight dai tuoi dati!I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video. Il glossario del corso è disponibile a destra nella sezione delle risorse.Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sulla chiamata all’azione dei crediti CPE sulla destra.
Prerequisiti
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Conoscere un insieme di dati
Qual è il modo migliore per approcciare un nuovo insieme di dati? Impara a convalidare e riassumere dati categoriali e numerici e a creare visualizzazioni con Seaborn per comunicare le tue scoperte.
2
Pulizia dei dati e imputazione
Esplorare e analizzare i dati spesso significa affrontare valori mancanti, tipi di dato errati e outlier. In questo capitolo imparerai tecniche per gestire questi problemi e rendere più snelli i tuoi processi di EDA!
3
Relazioni nei dati
Le variabili negli insiemi di dati non esistono nel vuoto: hanno relazioni tra loro. In questo capitolo esaminerai le relazioni tra dati numerici, categoriali e persino DateTime, esplorando direzione e intensità di queste relazioni e i modi per visualizzarle.
4
Dall’analisi esplorativa all’azione
L’analisi esplorativa dei dati è una fase cruciale del flusso di lavoro di data science, ma non è la fine! Ora è il momento di imparare tecniche e considerazioni per proseguire con successo nei tuoi progetti dopo aver terminato l’esplorazione!
Analisi esplorativa dei dati in Python
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performanceIscriviti ora
Unisciti a oltre 19 milioni di studenti e inizia Analisi esplorativa dei dati in Python oggi!
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Aumenta le tue competenze sui dati con l'app di DataCamp
Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.