Last chance: 50% off unlimited learning
Sale ends in
Descrizione del corso
Saper combinare e lavorare con più insiemi di dati è una competenza essenziale per ogni aspirante Data Scientist. pandas è un pilastro dell’ecosistema data science in Python, e su Stack Overflow le domande su pandas contano 5 milioni di visualizzazioni. Impara a gestire più DataFrame combinandoli, organizzandoli, unendoli e rimodellandoli con pandas. Lavorerai con insiemi di dati della World Bank e della City of Chicago. Concluderai il corso con un solido set di competenze per unire i dati in pandas.I video includono trascrizioni live 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 sull’avviso dei crediti CPE sulla destra.
Prerequisiti
Programma
Struttura del corso
1
Nozioni di base sul merge dei dati
Scopri come unire dati eterogenei usando gli inner join. Combinando informazioni da più fonti potrai far emergere insight interessanti che prima potevano passare inosservati. Imparerai anche come la relazione tra le fonti, ad esempio one-to-one o one-to-many, può influenzare il risultato.
- Inner join50 XP
- Su quale colonna eseguire il merge?50 XP
- La tua prima inner join100 XP
- Inner join e numero di righe restituite100 XP
- Relazioni uno-a-molti50 XP
- Classificazione uno-a-molti100 XP
- Merge one-to-many100 XP
- Unire più DataFrame50 XP
- Passeggeri totali in un mese100 XP
- Merge di tre tabelle100 XP
- Join one-to-many con più tabelle100 XP
2
Unire tabelle con diversi tipi di join
Porta al livello successivo la tua conoscenza dei join. In questo capitolo lavorerai con i dati dei film di TMDb mentre impari i left, right e outer join. Scoprirai anche come unire una tabella a sé stessa e come fare il merge sull’indice di un DataFrame.
3
Merge avanzato e concatenazione
In questo capitolo sfrutterai potenti tecniche di filtraggio, inclusi i semi-join e gli anti-join. Imparerai anche come “incollare” i DataFrame combinandoli verticalmente e usando la funzione pandas.concat per creare nuovi insiemi di dati. Infine, poiché i dati raramente sono puliti, vedrai come validare le nuove strutture di dati combinate.
4
Unire dati ordinati e di serie temporali
In questo capitolo finale farai un salto di qualità e imparerai ad applicare i metodi specializzati di pandas per unire dati di serie temporali e dati ordinati, usando dati finanziari ed economici reali della città di Chicago. Imparerai anche come interrogare le tabelle risultanti con una sintassi in stile SQL e come “srotolare” i dati usando il metodo melt.
Unire i dati con pandas
Corso
completato
