After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Umiejętność łączenia wielu zbiorów danych i pracy z nimi to podstawa warsztatu każdego Data Scientista. pandas to jeden z filarów ekosystemu Pythona do analizy danych – Stack Overflow odnotowało ponad 5 milionów wyświetleń pytań dotyczących tej biblioteki. Naucz się pracować z wieloma obiektami DataFrame: łącz je, porządkuj, scalaj i przekształcaj przy użyciu pandas. Będziesz pracować ze zbiorami danych Banku Światowego oraz miasta Chicago. Po ukończeniu kursu będziesz dysponować solidnymi umiejętnościami łączenia danych w pandas.Filmy zawierają transkrypcje na żywo, które możesz wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu odtwarzacza.Słownik kursu znajdziesz po prawej stronie, w sekcji zasobów.Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanej ocenie. Przejdź do oceny, klikając powiadomienie o punktach CPE po prawej stronie.
Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy scalania danych
Dowiedz się, jak łączyć różnorodne dane za pomocą złączeń wewnętrznych (inner join). Łącząc informacje z wielu źródeł, odkryjesz ciekawe zależności, które wcześniej mogły pozostawać ukryte. Poznasz też, w jaki sposób relacje między źródłami – takie jak jeden-do-jednego czy jeden-do-wielu – wpływają na wyniki.
- Złączenie wewnętrzne50 XP
- Po której kolumnie złączyć tabele?50 XP
- Twoje pierwsze złączenie wewnętrzne100 XP
- Złączenia wewnętrzne a liczba zwracanych wierszy100 XP
- Relacje jeden-do-wielu50 XP
- Klasyfikacja relacji jeden-do-wielu100 XP
- Złączenie jeden-do-wielu100 XP
- Łączenie wielu ramek danych50 XP
- Łączna liczba pasażerów w miesiącu100 XP
- Scalenie trzech tabel100 XP
- Łączenie jeden-do-wielu z wieloma tabelami100 XP
2
Scalanie tabel z różnymi typami złączeń
Przenieś swoją wiedzę o złączeniach na wyższy poziom. W tym rozdziale będziesz pracować z danymi filmowymi TMDb, ucząc się złączeń lewostronnych, prawostronnych i zewnętrznych. Poznasz też sposób scalania tabeli z samą sobą oraz łączenia na podstawie indeksu DataFrame.
3
Zaawansowane scalanie i konkatenacja
W tym rozdziale nauczysz się zaawansowanych technik filtrowania, w tym złączeń półzewnętrznych (semi-join) i antyłączeń (anti-join). Dowiesz się również, jak łączyć obiekty DataFrame pionowo oraz korzystać z funkcji pandas.concat do tworzenia nowych zbiorów danych. Ponieważ dane rzadko są idealne, nauczysz się też weryfikować poprawność nowo połączonych struktur.
4
Scalanie danych uporządkowanych i szeregów czasowych
W ostatnim rozdziale przyśpieszasz i uczysz się stosować wyspecjalizowane metody pandas do łączenia danych szeregów czasowych i danych uporządkowanych – na podstawie rzeczywistych danych finansowych i ekonomicznych z miasta Chicago. Poznasz też sposób odpytywania wynikowych tabel w stylu SQL oraz przekształcania danych metodą melt.
Łączenie danych z pandas
Kurs
ukończony
