After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
การรวมชุดข้อมูลตั้งแต่สองชุดขึ้นไปเป็นสิ่งจำเป็นสำหรับการวิเคราะห์ข้อมูลในโลกจริงแทบทุกกรณี คุณเคยทำสิ่งนี้ด้วยสเปรดชีตโดยใช้ VLOOKUP และฟังก์ชันที่เกี่ยวข้องมาแล้ว แล้วจะนำประสบการณ์นั้นมาต่อยอดในโลกของ Python ได้ไหม? ได้แน่นอน! ในคอร์สนี้ จะได้เรียนรู้การรวมชุดข้อมูลด้วย pandas อย่างละเอียด ซึ่งเป็นไลบรารีมาตรฐานของ Python สำหรับจัดการข้อมูลแบบตาราง จะได้ฝึกใช้ฟังก์ชันของ pandas เพื่อรวมข้อมูลจาก National Football League (NFL) ในบริบทที่คุ้นเคยกับสเปรดชีต ด้วยทักษะเหล่านี้ จะสามารถใช้พลังของ pandas และนำชุดข้อมูลขนาดใหญ่และซับซ้อนยิ่งขึ้นมาใช้ในการวิเคราะห์ได้
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
เริ่มต้นกับการรวมข้อมูล
ในบทนี้ จะวางรากฐานการใช้ pandas เพื่อรวมข้อมูล รวมถึงเรียนรู้ประเภทของการ join และวิธีที่ pandas ช่วยเพิ่มประสิทธิภาพในการทำงาน
- การรวมข้อมูล: สิ่งจำเป็นในโลกความเป็นจริง50 XP
- ความจำเป็นในการรวมข้อมูล50 XP
- การทำงานกับข้อมูลที่แยกกันอยู่100 XP
- การทำงานกับข้อมูลที่เสริมกัน100 XP
- การต่อข้อมูล (Concatenation)50 XP
- การ Concatenate แถวข้อมูล100 XP
- การเชื่อมแถวที่มี index ซ้ำกัน100 XP
- การเชื่อมต่อคอลัมน์100 XP
- ความสามารถและความยืดหยุ่น50 XP
- ข้อดีของการ join ด้วย pandas100 XP
- โค้ดเพียงไม่กี่บรรทัดสำหรับการ merge ที่ซับซ้อน100 XP
2
การ join แบบ VLOOKUP
ในบทนี้ จะเรียนรู้การใช้ pandas เพื่อรวมข้อมูลในแนวทางที่คล้ายกับการใช้สูตร VLOOKUP ในสเปรดชีต จะได้รู้จักการ join 3 ประเภท แล้วเจาะลึกประเภทแรกคือการ join แบบหนึ่งต่อหนึ่ง
3
การ join แบบหนึ่งต่อหลาย
ในบทนี้ จะเน้นที่ความสัมพันธ์แบบหนึ่งต่อหลาย จะได้ฝึกระบุความสัมพันธ์ของคอลัมน์คีย์และการ join data frame ด้วยคอลัมน์ รวมถึงเรียนรู้การ join data frame ตั้งแต่สองตัวขึ้นไปโดยใช้ index
4
การ join ขั้นสูง
ในบทสุดท้าย จะเรียนรู้เทคนิคการ join ขั้นสูงสำหรับข้อมูลที่มีความซับซ้อน และจะได้ทดสอบทักษะทั้งหมดผ่านกรณีศึกษาที่ท้าทาย
Pandas Joins for Spreadsheet Users
เรียนจบแล้ว
