ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Python for R Users

ระดับกลางระดับทักษะ

อัปเดตแล้ว 03/2566

This course is for R users who want to get up to speed with Python!

เริ่มเรียนหลักสูตรฟรี

PythonProgramming5 ชม.15 videos57 Exercises4,950 เอ็กซ์พี15,739คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Python and R have seen immense growth in popularity in the "Machine Learning Age". They both are high-level languages that are easy to learn and write. The language you use will depend on your background and field of study and work. R is a language made by and for statisticians, whereas Python is a more general purpose programming language. Regardless of the background, there will be times when a particular algorithm is implemented in one language and not the other, a feature is better documented, or simply, the tutorial you found online uses Python instead of R.In either case, this would require the R user to work in Python to get his/her work done, or try to understand how something is implemented in Python for it to be translated into R. This course helps you cross the R-Python language barrier.

ข้อกำหนดเบื้องต้น

Introduction to Writing Functions in R

1

The Basics

Learn about some of the most important data types (integers, floats, strings, and booleans) and data structures (lists, dictionaries, numpy arrays, and pandas DataFrames) in Python and how they compare to the ones in R.

Introduction

50 เอ็กซ์พี

Assignment and data types

100 เอ็กซ์พี

Arithmetic with strings

100 เอ็กซ์พี

Containers - lists and dictionaries

50 เอ็กซ์พี

100 เอ็กซ์พี

Dictionaries

100 เอ็กซ์พี

Functions, methods, and libraries

50 เอ็กซ์พี

100 เอ็กซ์พี

NumPy arrays

100 เอ็กซ์พี

Pandas DataFrames

100 เอ็กซ์พี

เริ่มบท

2

Control flow, Loops, and Functions

This chapter covers control flow statements (if-else if-else), for loops and shows you how to write your own functions in Python!

Control flow and loops

50 เอ็กซ์พี

Control flow

100 เอ็กซ์พี

100 เอ็กซ์พี

50 เอ็กซ์พี

Individual binge drinking function

100 เอ็กซ์พี

General binge drinking function

100 เอ็กซ์พี

Lambda functions

100 เอ็กซ์พี

Comprehensions

50 เอ็กซ์พี

Mapping functions

100 เอ็กซ์พี

List comprehension

100 เอ็กซ์พี

Dictionary comprehension

100 เอ็กซ์พี

เริ่มบท

3

Pandas

In this chapter you will learn more about one of the most important Python libraries, Pandas. In addition to DataFrames, pandas provides several data manipulation functions and methods.

Selecting data in pandas

50 เอ็กซ์พี

Selecting columns

100 เอ็กซ์พี

Selecting rows

100 เอ็กซ์พี

Selecting rows and columns

100 เอ็กซ์พี

50 เอ็กซ์พี

Integers and floats

100 เอ็กซ์พี

100 เอ็กซ์พี

100 เอ็กซ์พี

100 เอ็กซ์พี

100 เอ็กซ์พี

Advanced Pandas

50 เอ็กซ์พี

Missing values

100 เอ็กซ์พี

100 เอ็กซ์พี

100 เอ็กซ์พี

เริ่มบท

4

Plotting

You will learn about the rich ecosystem of visualization libraries in Python. This chapter covers matplotlib, the core visualization library in Python along with the pandas and seaborn libraries.

Plotting directly using pandas

50 เอ็กซ์พี

Univariate plots in pandas

100 เอ็กซ์พี

Bivariate plots in pandas

100 เอ็กซ์พี

50 เอ็กซ์พี

Univariate plots in seaborn

100 เอ็กซ์พี

Bivariate plots in seaborn

100 เอ็กซ์พี

Facet plots in seaborn

100 เอ็กซ์พี

50 เอ็กซ์พี

Univariate and bivariate plots in matplotlib

100 เอ็กซ์พี

Subfigures in matplotlib

100 เอ็กซ์พี

Working with axes

100 เอ็กซ์พี

Polishing up a figure

100 เอ็กซ์พี

เริ่มบท

5

Capstone

As a final capstone, you will apply your Python skills on the NYC Flights 2013 dataset.

NYC flights data

50 เอ็กซ์พี

Load multiple data files

100 เอ็กซ์พี

100 เอ็กซ์พี

100 เอ็กซ์พี

Manipulating data

50 เอ็กซ์พี

Recode dates

100 เอ็กซ์พี

Groupby aggregates

100 เอ็กซ์พี

100 เอ็กซ์พี

Dummy variables

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Python for R Users

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

instructors

Daniel Chen

Data Science Consultant at Lander Analytics

collaborators

Hugo Bowne-Anderson

Eunkyung Park

Sumedh Panchadhar

Courses resources

Air qualitydatasets

Country timeseriesdatasets

Flights (sample)datasets

Inflammationdatasets

NYC Flights 2013datasets

Tipsdatasets

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Python for R Users วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา