Cursus
Exploratory Data Analysis in Python
GemiddeldVaardigheidsniveau
Bijgewerkt 04-2026
PythonExploratory Data Analysis4 u14 videos49 Opdrachten4,150 XP110K+Bewijs van Prestatie
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Geliefd bij leerlingen van duizenden bedrijven
Een team trainen?
Probeer voor bedrijvenCursusbeschrijving
Met data over werkloosheidscijfers en vliegticketprijzen gebruik je Python om data samen te vatten en te valideren, ontbrekende waarden te berekenen, identificeren en vervangen, en zowel numerieke als categorische waarden op te schonen. Door de hele cursus maak je fraaie Seaborn-visualisaties om variabelen en hun onderlinge relaties te begrijpen.
Tot slot zie je hoe verkennende bevindingen input geven aan data science-workflows door nieuwe features te maken, categorische features in balans te brengen en hypotheses uit je bevindingen af te leiden.
Aan het einde van deze cursus kun je met vertrouwen je eigen exploratory data analysis (EDA) in Python uitvoeren. Je kunt je bevindingen visueel uitleggen aan anderen en de volgende stappen voorstellen om inzichten uit je data te halen!De video's bevatten live-transcripts die je kunt openen door linksonder in de video op "Show transcript" te klikken. De woordenlijst van de cursus vind je rechts in de sectie met bronnen.Om CPE-credits te verkrijgen, moet je de cursus afronden en een score van 70% halen op de gekwalificeerde toets. Je navigeert naar de toets door rechts op de CPE-credits-callout te klikken.
Vereisten
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Een gegevensset leren kennen
Wat is de beste aanpak voor een nieuwe gegevensset? Leer categorische en numerieke data te valideren en samen te vatten en maak Seaborn-visualisaties om je bevindingen te communiceren.
2
Opschonen en imputeren van data
Data verkennen en analyseren betekent vaak omgaan met ontbrekende waarden, onjuiste datatypes en uitschieters. In dit hoofdstuk leer je technieken om deze problemen aan te pakken en je EDA-processen te stroomlijnen!
3
Relaties in data
Variabelen in gegevenssets staan niet op zichzelf; ze hebben onderlinge relaties. In dit hoofdstuk bekijk je relaties tussen numerieke, categorische en zelfs DateTime-data. Je onderzoekt de richting en sterkte van deze relaties en manieren om ze te visualiseren.
4
Van verkennende analyse naar actie
Exploratory data analysis is een cruciale stap in de data science-workflow, maar het is niet het eindpunt! Nu is het tijd om technieken en aandachtspunten te leren waarmee je je projecten succesvol voortzet nadat je klaar bent met verkennen!
Exploratory Data Analysis in Python
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprekSchrijf je nu in
Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Exploratory Data Analysis in Python!
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Ontwikkel je datavaardigheden met DataCamp voor Mobiel
Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.