After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Att kunna kombinera och arbeta med flera datamängder är en grundläggande färdighet för alla som vill bli datavetare. pandas är en central del av Pythons datavetenskapsekosystem – Stack Overflow registrerar 5 miljoner visningar för pandas-frågor. Lär dig hantera flera DataFrames genom att kombinera, organisera, sammanfoga och omforma dem med pandas. Du arbetar med datamängder från Världsbanken och staden Chicago. När kursen är klar har du en gedigen verktygslåda för att sammanfoga data i pandas.Videorna innehåller live-transkript som du visar genom att klicka på "Visa transkript" längst ned till vänster i videon.Kursens ordlista finns till höger i resursdelen.För att få CPE-poäng behöver du slutföra kursen och nå ett resultat på 70 % på den kvalificerade bedömningen. Du når bedömningen via CPE-poängslänken till höger.
Förkunskapskrav
Kursplan
Kursöversikt
1
Grunderna i datasammanslagning
Lär dig hur du slår samman olika datamängder med hjälp av inner joins. Genom att kombinera information från flera källor kan du hitta intressanta insikter som annars hade förblivit dolda. Du lär dig också hur relationen mellan källorna – till exempel en-till-en eller en-till-många – kan påverka resultatet.
- Inner join50 XP
- Vilken kolumn ska du använda vid sammanslagning?50 XP
- Din första inner join100 XP
- Inner joins och antal returnerade rader100 XP
- En-till-många-relationer50 XP
- Klassificering av ett-till-många-relationer100 XP
- En-till-många-merge100 XP
- Sammanfoga flera DataFrames50 XP
- Totalt antal resenärer under en månad100 XP
- Merge av tre tabeller100 XP
- En-till-många-sammanslagning med flera tabeller100 XP
2
Sammanslå tabeller med olika joinstyper
Fördjupa dina kunskaper om joins. I det här kapitlet arbetar du med filmdata från TMDb när du lär dig om left, right och outer joins. Du lär dig också hur du slår samman en tabell med sig själv och hur du sammanfogar på ett DataFrame-index.
3
Avancerad sammanslagning och konkatenering
I det här kapitlet använder du kraftfulla filtreringstekniker, bland annat semi-joins och anti-joins. Du lär dig också hur du kombinerar DataFrames vertikalt och använder funktionen pandas.concat för att skapa nya datamängder. Eftersom data sällan är helt ren lär du dig dessutom att validera dina nyligen kombinerade datastrukturer.
4
Sammanslå ordnad data och tidsseriedata
I det här sista kapitlet tar du nästa steg och lär dig använda pandas specialiserade metoder för att sammanfoga tidsserier och ordnad data med verkliga finans- och ekonomidata från staden Chicago. Du lär dig också att ställa frågor mot resultattabeller i SQL-stil och att pivottera om data med metoden melt.
Joining Data with pandas
Kurs
slutförd
