After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
ความสามารถในการรวมและจัดการชุดข้อมูลหลายชุดเป็นทักษะสำคัญสำหรับนักวิทยาศาสตร์ข้อมูล pandas เป็นหนึ่งในไลบรารีหลักของระบบนิเวศ Python ด้านวิทยาศาสตร์ข้อมูล โดย Stack Overflow บันทึกยอดวิวคำถามเกี่ยวกับ pandas ไว้ถึง 5 ล้านครั้ง เรียนรู้การจัดการ DataFrame หลายชุดด้วยการรวม จัดระเบียบ เชื่อมต่อ และปรับโครงสร้างข้อมูลโดยใช้ pandas คอร์สนี้ใช้ชุดข้อมูลจาก World Bank และ City of Chicago เมื่อจบคอร์ส จะมีทักษะการรวมข้อมูลด้วย pandas ที่แข็งแกร่งพร้อมนำไปใช้งานจริงวิดีโอมีบทบรรยายสดที่สามารถแสดงได้โดยคลิก "Show transcript" ที่มุมล่างซ้ายของวิดีโอดูอภิธานศัพท์ของคอร์สได้ในส่วนทรัพยากรทางด้านขวาเพื่อรับหน่วยกิต CPE ต้องเรียนจบคอร์สและทำคะแนนในแบบประเมินให้ได้ 70% ขึ้นไป สามารถไปที่แบบประเมินได้โดยคลิกที่ส่วนแจ้งเตือน CPE credits ทางด้านขวา
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
พื้นฐานการ Merge ข้อมูล
เรียนรู้การรวมข้อมูลจากหลายแหล่งด้วย inner join และค้นพบข้อมูลเชิงลึกที่น่าสนใจซึ่งอาจซ่อนอยู่ในชุดข้อมูลเหล่านั้น นอกจากนี้ยังจะได้เรียนรู้ว่าความสัมพันธ์ระหว่างแหล่งข้อมูล เช่น แบบ one-to-one หรือ one-to-many ส่งผลต่อผลลัพธ์ที่ได้อย่างไร
- Inner join50 XP
- จะ merge โดยใช้คอลัมน์ใด?50 XP
- Inner join แรกของคุณ100 XP
- Inner join และจำนวนแถวที่ได้รับ100 XP
- ความสัมพันธ์แบบหนึ่งต่อกลุ่ม50 XP
- การจำแนกความสัมพันธ์แบบหนึ่งต่อหลาย100 XP
- การ merge แบบหนึ่งต่อหลาย100 XP
- การรวม DataFrame หลายชุดเข้าด้วยกัน50 XP
- จำนวนผู้โดยสารทั้งหมดในหนึ่งเดือน100 XP
- การ merge สาม DataFrame100 XP
- การ merge แบบ one-to-many กับหลายตาราง100 XP
2
การ Merge ตารางด้วย Join ประเภทต่างๆ
ยกระดับความเข้าใจเรื่อง join ให้ลึกยิ่งขึ้น ในบทนี้จะได้ฝึกกับข้อมูลภาพยนตร์จาก TMDb พร้อมเรียนรู้ left join, right join และ outer join รวมถึงการ merge ตารางกับตัวเอง และการ merge โดยใช้ index ของ DataFrame
3
การ Merge ขั้นสูงและการเชื่อมต่อข้อมูล
ในบทนี้จะได้เรียนรู้เทคนิคการกรองข้อมูลที่มีประสิทธิภาพ ได้แก่ semi-join และ anti-join รวมถึงการเชื่อม DataFrame ในแนวตั้งและการใช้ฟังก์ชัน pandas.concat เพื่อสร้างชุดข้อมูลใหม่ นอกจากนี้ยังจะได้เรียนรู้การตรวจสอบความถูกต้องของโครงสร้างข้อมูลที่รวมแล้ว เพราะข้อมูลในความเป็นจริงมักไม่สะอาดเสมอไป
4
การ Merge ข้อมูลแบบเรียงลำดับและข้อมูล Time-Series
ในบทสุดท้ายนี้จะก้าวไปอีกขั้น โดยเรียนรู้เมธอดเฉพาะทางของ pandas สำหรับการ merge ข้อมูล time-series และข้อมูลแบบเรียงลำดับ พร้อมข้อมูลทางการเงินและเศรษฐกิจจริงจากเมืองชิคาโก นอกจากนี้ยังจะได้เรียนรู้การ query ตารางในรูปแบบ SQL และการ unpivot ข้อมูลด้วยเมธอด melt
การรวมข้อมูลด้วย pandas
เรียนจบแล้ว
