Create Your Free Account
or
By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.Training 2 or more people?Try DataCamp For Business
Loved by learners at thousands of companies
Descrição do Curso
Aprender Python é fundamental para qualquer aspirante a profissional de ciência de dados. Aprenda a visualizar dados reais com as funções do Matplotlib e familiarize-se com estruturas de dados, como o dicionário e o DataFrame do pandas. Este curso intermediário de quatro horas ajudará você a desenvolver suas habilidades atuais em Python e a explorar novos aplicativos e funções Python que expandem seu repertório e ajudam você a trabalhar com mais eficiência.
Você descobrirá como os dicionários oferecem uma alternativa às listas do Python e por que o dataframe do pandas é a forma mais popular de trabalhar com dados tabulares. No segundo capítulo deste curso, você descobrirá como criar e manipular conjuntos de dados e como acessá-los usando essas estruturas. A prática prática durante todo o curso aumentará sua confiança em cada área.
À medida que progredir, você examinará a lógica, o fluxo de controle, a filtragem e os loops. Essas funções funcionam para controlar a tomada de decisões nos programas Python e ajudam você a realizar mais operações com os dados, incluindo instruções repetidas. Você concluirá o curso aplicando todas as suas novas habilidades usando estatísticas de hackers para calcular suas chances de ganhar uma aposta.
Depois de concluir todos os capítulos, você estará pronto para aplicar suas novas habilidades em seu trabalho, em uma nova carreira ou em um projeto pessoal, e estará preparado para passar para um aprendizado mais avançado de Python.
Você descobrirá como os dicionários oferecem uma alternativa às listas do Python e por que o dataframe do pandas é a forma mais popular de trabalhar com dados tabulares. No segundo capítulo deste curso, você descobrirá como criar e manipular conjuntos de dados e como acessá-los usando essas estruturas. A prática prática durante todo o curso aumentará sua confiança em cada área.
À medida que progredir, você examinará a lógica, o fluxo de controle, a filtragem e os loops. Essas funções funcionam para controlar a tomada de decisões nos programas Python e ajudam você a realizar mais operações com os dados, incluindo instruções repetidas. Você concluirá o curso aplicando todas as suas novas habilidades usando estatísticas de hackers para calcular suas chances de ganhar uma aposta.
Depois de concluir todos os capítulos, você estará pronto para aplicar suas novas habilidades em seu trabalho, em uma nova carreira ou em um projeto pessoal, e estará preparado para passar para um aprendizado mais avançado de Python.
For Business
Training 2 or more people?
Get your team access to the full DataCamp library, with centralized reporting, assignments, projects and moreNas seguintes faixas
Desenvolvedor Python
Ir para a trilha- 1
Matplotlib
LivreA visualização de dados é uma habilidade fundamental para aspirantes a cientistas de dados. O Matplotlib facilita a criação de gráficos significativos e perspicazes. Neste capítulo, você aprenderá a criar vários tipos de gráficos e a personalizá-los para que sejam visualmente mais atraentes e interpretáveis.
Gráficos básicos com o Matplotlib50 xpGráfico de linhas (1)100 xpGráfico de linhas (2): Interpretação50 xpGráfico de linhas (3)100 xpGráfico de dispersão (1)100 xpGráfico de dispersão (2)100 xpHistograma50 xpCriar um histograma (1)100 xpCrie um histograma (2): compartimentos100 xpCrie um histograma (3): compare100 xpEscolha o gráfico certo (1)50 xpEscolha o gráfico certo (2)50 xpPersonalização50 xpRótulos100 xpCarrapatos100 xpTamanhos100 xpCores100 xpPersonalizações adicionais100 xpInterpretação50 xp - 2
Dicionários e pandas
Conheça o dicionário, uma alternativa à lista do Python, e o pandas DataFrame, o padrão de fato para trabalhar com dados tabulares no Python. Você terá prática na criação e na manipulação de conjuntos de dados e aprenderá a acessar as informações necessárias a partir dessas estruturas de dados.
Dicionários, Parte 150 xpMotivação para dicionários100 xpCriar dicionário100 xpAcesse o dicionário100 xpDicionários, parte 250 xpManipulação de dicionário (1)100 xpManipulação de dicionário (2)100 xpDictionariception100 xpPandas, parte 150 xpDicionário para DataFrame (1)100 xpDicionário para DataFrame (2)100 xpCSV para DataFrame (1)100 xpCSV para DataFrame (2)100 xpPandas, parte 250 xpSuportes quadrados (1)100 xpSuportes quadrados (2)100 xploc e iloc (1)100 xploc e iloc (2)100 xploc e iloc (3)100 xp - 3
Lógica, fluxo de controle e filtragem
A lógica booleana é a base da tomada de decisões nos programas Python. Aprenda sobre diferentes operadores de comparação, como combiná-los com operadores booleanos e como usar os resultados booleanos em estruturas de controle. Você também aprenderá a filtrar dados em DataFrames do pandas usando lógica.
Operadores de comparação50 xpIgualdade100 xpMaior e menor que100 xpComparar matrizes100 xpOperadores booleanos50 xpe, ou, não (1)100 xpe, ou, não (2)50 xpOperadores booleanos com o NumPy100 xpif, elif, else50 xpAquecimento50 xpif100 xpAdicionar mais100 xpPersonalize ainda mais: elif100 xpFiltragem de DataFrames do pandas50 xpDirigindo corretamente (1)100 xpDirigir para a direita (2)100 xpCarros per capita (1)100 xpCarros per capita (2)100 xp - 4
Laços
Há várias técnicas que você pode usar para executar repetidamente o código Python. Enquanto os loops são como instruções if repetidas, o loop for itera sobre todos os tipos de estruturas de dados. Saiba tudo sobre eles neste capítulo.
loop while50 xpdurante: aquecimento50 xpLoop while básico100 xpAdicionar condicionais100 xploop for50 xpFazer um loop em uma lista100 xpÍndices e valores (1)100 xpÍndices e valores (2)100 xpFazer um loop sobre uma lista de listas100 xpEstruturas de dados de loop - Parte 150 xpFazer um loop no dicionário100 xpFazer um loop sobre a matriz NumPy100 xpEstruturas de dados de loop - Parte 250 xpLoop sobre DataFrame (1)100 xpLoop sobre DataFrame (2)100 xpAdicionar coluna (1)100 xpAdicionar coluna (2)100 xp - 5
Estudo de caso: Estatísticas de hackers
Este capítulo permitirá que você aplique todos os conceitos que aprendeu neste curso. Você usará estatísticas de hackers para calcular suas chances de ganhar uma aposta. Use geradores de números aleatórios, loops e Matplotlib para obter uma vantagem competitiva!
Números aleatórios50 xpFlutuação aleatória100 xpLance os dados100 xpDetermine seu próximo passo100 xpCaminhada aleatória50 xpA próxima etapa100 xpQuão baixo você pode ir?100 xpVisualize a caminhada100 xpDistribuição50 xpSimular várias caminhadas100 xpVisualize todas as caminhadas100 xpImplementar a falta de jeito100 xpTrace a distribuição100 xpCalcule as chances50 xp
For Business
Training 2 or more people?
Get your team access to the full DataCamp library, with centralized reporting, assignments, projects and moreNas seguintes faixas
Desenvolvedor Python
Ir para a trilhaHugo Bowne-Anderson
Veja MaisData Scientist
What do other learners have to say?
Join over 13 million learners and start Python intermediário today!
Create Your Free Account
or
By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.