Tutorials voor data-analyse

Leer hoe je Python-lijsten splitst met technieken zoals slicing, list comprehensions en itertools. Ontdek wanneer je welke methode gebruikt voor optimale gegevensverwerking.

Gebruik de tabulate-bibliotheek in Python om netjes opgemaakte tabellen te maken. Leer over de geavanceerde functies en opties om het uiterlijk van tabellen aan te passen.

Leer hoe je gegevens analyseert in de vorm van een dynamische kwadrantgrafiek in Tableau.

Onderzoek de wiskundige principes achter random walks en verken hun vormen, van eendimensionale paden tot gewaarde en Gaussiaanse modellen. Gebruik Python om te ontdekken hoe deze stochastische processen realistische fenomenen in biologie, natuurkunde en finance verklaren.

Leer hoe je de totale som van kwadraten (SST), regressiesom van kwadraten (SSR) en foutsom van kwadraten (SSE) berekent om de nauwkeurigheid van regressiemodellen te evalueren. Ontdek hun wiskundige relaties en hoe ze R-kwadraat beïnvloeden.

Bereken het gemiddelde van numerieke, logische en gewogen data met R’s ingebouwde mean-functies. Begrijp hoe je met ontbrekende waarden omgaat en de functie toepast op vectoren en data frames.

Duik met R in de songteksten van Prince: gebruik text mining en Exploratory Data Analysis (EDA) om inzicht te krijgen in de carrière van The Artist.

Twijfel je of je Python of R moet gebruiken voor data-analyse? Dan ben je hier aan het juiste adres.

Leer hoe je de steekproefstandaarddeviatie berekent en begrijp het belang ervan in statistische analyses. Verken voorbeelden en best practices voor interpretatie van real-world data.

In Pandas kun je een DataFrame opslaan als een CSV-bestand met de methode df.to_csv('your_file_name.csv', index=False), waarbij df je DataFrame is en index=False voorkomt dat er een indexkolom wordt toegevoegd.

Leer hoe je een spreidingsdiagram maakt in R. De basisfunctie is plot(x, y), waarbij x en y numerieke vectoren zijn die de (x,y)-punten aangeven die je wilt plotten.

Gebruik color_palette() voor duidelijke categorische scheiding, cubehelix_palette() voor geleidelijke sequentiële data en diverging_palette() voor duidelijke afwijking vanaf een middelpunt.