Samouczki z analizy danych

Dowiedz się, czym jest mean reversion, jak rozpoznać zachowanie powracające do średniej w szeregach czasowych oraz jak to pojęcie stosuje się w statystyce, tradingu i finansach ilościowych.

Poznaj różnicę między zmiennymi egzogenicznymi a endogenicznymi, dlaczego endogeniczność ma znaczenie dla wnioskowania przyczynowego i regresji oraz jak identyfikować i korygować zmienne endogeniczne.

Dowiedz się, jak korelacja rang Spearmana uchwytuje relacje, które się zakrzywiają, spłaszczają lub zmieniają tempo, zamiast podążać po linii prostej. Naucz się ją obliczać, interpretować i stosować w Pythonie, R i Excelu.

Dowiedz się, czym jest wykres reszt, jak interpretować typowe wzorce oraz jak wykresy reszt pomagają identyfikować nieliniowość, heteroscedastyczność, wartości odstające i inne problemy w regresji.

Podnoszenie do kwadratu w Pythonie jest proste: użyj wbudowanego operatora ** lub sięgnij po NumPy, pow(), math.pow(), operatory bitowe i inne funkcje dla większej wszechstronności.

Naucz się używać funkcji SQL REPLACE() do wyszukiwania i podstawiania podłańcuchów w bazie danych. Obejmuje składnię, wielkość liter, usuwanie znaków, obsługę NULL i wskazówki dotyczące wydajności.

Dowiedz się, jak zaokrąglać liczby do dwóch miejsc po przecinku w Pythonie za pomocą round(), f-stringów, format(), modułu decimal, NumPy i innych — z tabelą porównawczą metod.

Opanuj operatory zbiorów w SQL: UNION, UNION ALL, INTERSECT i EXCEPT. Poznaj zasady składni, zobacz praktyczne przykłady i dowiedz się, kiedy używać każdego operatora.

Dowiedz się, jak pisać wielokrotnego użytku i wydajne funkcje w Pythonie. Opanuj parametry, instrukcje return i zaawansowane tematy, takie jak funkcje lambda. Lepiej organizuj kod dzięki main() i innym dobrym praktykom.

Dowiedz się, jak używać VLOOKUP() w Google Sheets, aby w kilka sekund wyszukiwać, znajdować i pobierać dane z dużych zbiorów.