После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Умение объединять несколько наборов данных и работать с ними — ключевой навык для любого начинающего специалиста по данным. pandas — важнейший инструмент экосистемы Python для анализа данных: на Stack Overflow зафиксировано более 5 миллионов просмотров вопросов по pandas. Вы научитесь работать с несколькими объектами DataFrame: объединять, упорядочивать, соединять и преобразовывать их с помощью pandas. В курсе используются данные Всемирного банка и города Чикаго. По завершении курса вы приобретёте уверенные навыки объединения данных в pandas.Видеоуроки содержат живые субтитры — их можно открыть, нажав «Show transcript» в левом нижнем углу плеера.Глоссарий курса находится справа в разделе ресурсов.Для получения кредитов CPE необходимо пройти курс и набрать не менее 70% в итоговом тесте. Перейти к тесту можно, нажав на блок CPE credits справа.
Предварительные требования
Программа
План курса
1
Основы объединения данных
Узнайте, как объединять разнородные данные с помощью внутреннего соединения. Совмещая информацию из нескольких источников, вы обнаружите неочевидные закономерности, которые раньше оставались скрытыми. Вы также изучите, как тип связи между источниками — например, «один к одному» или «один ко многим» — влияет на результат.
- Внутреннее объединение50 XP
- По какому столбцу выполнить объединение?50 XP
- Ваш первый внутренний join100 XP
- Внутренние соединения и количество возвращаемых строк100 XP
- Связи «один ко многим»50 XP
- Классификация связей «один ко многим»100 XP
- Слияние «один ко многим»100 XP
- Объединение нескольких DataFrame50 XP
- Общее количество пассажиров за месяц100 XP
- Слияние трёх таблиц100 XP
- Слияние «один ко многим» с несколькими таблицами100 XP
2
Объединение таблиц с различными типами соединений
Расширьте свои знания о типах соединений. В этой главе вы будете работать с данными о фильмах из TMDb и изучите левое, правое и внешнее соединения. Кроме того, вы узнаете, как соединить таблицу с самой собой и выполнить соединение по индексу DataFrame.
3
Продвинутые методы объединения и конкатенации
В этой главе вы освоите эффективные техники фильтрации, включая полусоединение и антисоединение. Вы также научитесь вертикально объединять объекты DataFrame и использовать функцию `pandas.concat` для создания новых наборов данных. Наконец, поскольку данные редко бывают идеальными, вы узнаете, как проверять корректность объединённых структур данных.
4
Объединение упорядоченных данных и временных рядов
В заключительной главе вы перейдёте на новый уровень и научитесь применять специализированные методы pandas для объединения временных рядов и упорядоченных данных — на основе реальных финансовых и экономических данных города Чикаго. Вы также научитесь делать запросы к полученным таблицам в SQL-стиле и преобразовывать данные с помощью метода `melt`.
Объединение данных с помощью pandas
Курс
завершён
