Corso
Analisi esplorativa dei dati in Python
IntermedioLivello di competenza
Aggiornato 04/2026PythonExploratory Data Analysis4 h14 video49 Esercizi4,150 XP100K+Attestato di conseguimento
Crea il tuo account gratuito
o
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
Vuoi formare 2 o più persone?
Prova DataCamp for 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
Getting to Know a Dataset
What's the best way to approach a new dataset? Learn to validate and summarize categorical and numerical data and create Seaborn visualizations to communicate your findings.
2
Data Cleaning and Imputation
Exploring and analyzing data often means dealing with missing values, incorrect data types, and outliers. In this chapter, you’ll learn techniques to handle these issues and streamline your EDA processes!
3
Relationships in Data
Variables in datasets don't exist in a vacuum; they have relationships with each other. In this chapter, you'll look at relationships across numerical, categorical, and even DateTime data, exploring the direction and strength of these relationships as well as ways to visualize them.
4
Turning Exploratory Analysis into Action
Exploratory data analysis is a crucial step in the data science workflow, but it isn't the end! Now it's time to learn techniques and considerations you can use to successfully move forward with your projects after you've finished exploring!
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
o
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.