Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS AWS Certified Developer - Associate CompTIA Security+
Photoshop Graphic Design Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Personal Transformation Meditation Life Purpose Coaching Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee

This course includes:

  • 14 hours on-demand video
  • 81 articles
  • 73 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
Development Programming Languages Pandas

Data Science: Analiza danych w Python i PANDAS

Otwórz sobie drzwi do Data Science! Przenieś się na wyższy poziom i pracuj jak profesjonalny analityk danych!
Rating: 4.8 out of 54.8 (629 ratings)
5,311 students
Created by Rafał Mobilo
Last updated 1/2021
Polish
30-Day Money-Back Guarantee

What you'll learn

  • Samodzielnie zainstalujesz Anacode i Jupyter Notebook
  • Dasz radę rozwiązywać problemy dot. instalacji np. za pomocą linii komend i conda
  • Dowiesz się czym jest PANDAS
  • Będziesz bardzo dobrze znać obiekty PANDAS takie jak: Data Series, Data Frame
  • Będziesz umieć pracować z danymi i wykonywać na nich najważniejsze operacje
  • Będziesz importować i eksportować dane - również do EXCELA
  • Będziesz prezentować dane na wykresach
  • Dane będziesz indeksować, filtrować, wybierać, modyfikować...
  • Zbudujesz grupowania, agregacje i tabele przestawne
  • Będziesz przekształcać dane, modyfikować zawartość całych kolumn, będziesz łączyć dane z wielu kolumn

Course content

12 sections • 159 lectures • 14h 14m total length

  • Preview02:10
  • Preview05:50
  • Jak się uczyć? (opcjonalne)
    02:23

  • Preview13:12
  • Instalacja środowiska Anaconda - QUIZ
    3 questions
  • Preview00:19
  • Anaconda Navigator i Anaconda Propmpt - VIDEO
    12:24
  • Anaconda Navigator i Anaconda Propmpt - QUIZ
    3 questions
  • Anaconda Navigator i Anaconda Propmpt - LAB
    00:28
  • Konfiguracja Jupyter Notebook przez Anaconda Prompt - VIDEO
    08:19
  • Konfiguracja Jupyter Notebook przez Anaconda Prompt - QUIZ
    3 questions
  • Konfiguracja Jupyter Notebook przez Anaconda Prompt - LAB
    00:17
  • GRATIS: Anaconda Prompt Cheat Sheet
    00:15
  • Praca z Jupyter Notebook - skróty klawiaturowe - VIDEO
    12:22
  • Praca z Jupyter Notebook - skróty klawiaturowe - QUIZ
    3 questions
  • Praca z Jupyter Notebook - skróty klawiaturowe - LAB
    00:16
  • Składnia Jupyter Notebook Markdown - VIDEO
    09:10
  • Składnia Jupyter Notebook Markdown - QUIZ
    3 questions
  • Składnia Jupyter Notebook Markdown - LAB
    00:22
  • Jupyter Notebook od środka - VIDEO
    08:41
  • Jupyter Notebook od środka - QUIZ
    3 questions
  • Jupyter Notebook od środka - LAB
    00:26
  • Zarządzanie pakietami z linii komend - conda - VIDEO
    06:18
  • Zarządzanie pakietami z linii komend - conda - QUIZ
    3 questions
  • Zarządzanie pakietami z linii komend - conda - LAB
    00:10

  • Pliki ćwiczeniowe
    01:28
  • Preview10:08
  • Korzystanie z modułów - QUIZ
    3 questions
  • Preview00:01
  • Preview08:59
  • Analiza danych - wprowadzenie - QUIZ
    3 questions
  • Preview00:17

  • Preview07:17
  • Ręczne tworzenie Data Series - QUIZ
    3 questions
  • Preview00:01
  • Atrybuty Data Series - VIDEO
    11:26
  • Atrybuty Data Series - QUIZ
    3 questions
  • Atrybuty Data Series - LAB
    00:01
  • Metody Data Series - Aktualizacja
    00:11
  • Metody Data Series - VIDEO
    11:44
  • Metody Data Series - QUIZ
    3 questions
  • Metody Data Series - LAB
    00:01
  • Filtrowanie danych w serii - VIDEO
    10:09
  • Filtrowanie danych w serii - QUIZ
    3 questions
  • Filtrowanie danych w serii - LAB
    00:01
  • Bardziej zaaawansowane filtrowanie - VIDEO
    08:21
  • Bardziej zaaawansowane filtrowanie - QUIZ
    3 questions
  • Bardziej zaaawansowane filtrowanie - LAB
    00:01
  • Import danych do obiektu Series - VIDEO
    15:23
  • Import danych do obiektu Series - QUIZ
    3 questions
  • Import danych do obiektu Series - LAB
    00:01
  • Standardowe metody Pythona a obiekty PANDAS - VIDEO
    07:00
  • Standardowe metody Pythona a obiekty PANDAS - QUIZ
    3 questions
  • Standardowe metody Pythona a obiekty PANDAS - LAB
    00:01
  • Preview07:42
  • Sortowanie danych w data series - QUIZ
    3 questions
  • Preview00:01
  • Sprawdzanie czy element jest w serii - VIDEO
    04:37
  • Sprawdzanie czy element jest w serii - QUIZ
    3 questions
  • Sprawdzanie czy element jest w serii - LAB
    00:01
  • Pobieranie wartości po indeksie - VIDEO
    05:53
  • Pobieranie wartości po indeksie - QUIZ
    3 questions
  • Pobieranie wartości po indeksie - LAB
    00:01
  • Pobieranie wartości z serii - porównanie metod - Aktualizacja
    00:13
  • Pobieranie wartości z serii - porównanie metod - VIDEO
    14:50
  • Pobieranie wartości z serii - porównanie metod - QUIZ
    3 questions
  • Pobieranie wartości z serii - porównanie metod - LAB
    00:01
  • Reindex i intersection - VIDEO
    08:55
  • Reindex i intersection - QUIZ
    3 questions
  • Reindex i intersection - LAB
    00:01
  • Określanie indeksu podczas importu - VIDEO
    07:07
  • Określanie indeksu podczas importu - QUIZ
    3 questions
  • Określanie indeksu podczas importu - LAB
    00:01
  • Więcej metod Data Series - VIDEO
    11:35
  • Więcej metod Data Series - QUIZ
    3 questions
  • Więcej metod Data Series - LAB
    00:01
  • Modyfikacja serii danych - VIDEO
    09:59
  • Modyfikacja serii danych - QUIZ
    3 questions
  • Modyfikacja serii danych - LAB
    00:01
  • Metoda map - VIDEO
    03:42
  • Metoda map - QUIZ
    3 questions
  • Metoda map - LAB
    00:01

  • Preview06:32
  • Data Frame - wprowadzenie- QUIZ
    3 questions
  • Preview00:01
  • Metody i atrybuty Data Frame - Aktualizacja
    00:08
  • Metody i atrybuty Data Frame -VIDEO
    17:54
  • Metody i atrybuty Data Frame - QUIZ
    3 questions
  • Metody i atrybuty Data Frame - LAB
    00:01
  • Pobieranie danych z Data Frame - VIDEO
    13:18
  • Pobieranie danych z Data Frame - QUIZ
    3 questions
  • Pobieranie danych z Data Frame - LAB
    00:01
  • Dodawanie i usuwanie kolumn - VIDEO
    09:18
  • Dodawanie i usuwanie kolumn - QUIZ
    3 questions
  • Dodawanie i usuwanie kolumn - LAB
    00:01
  • Oczyszczanie danych - dropna() - VIDEO
    13:29
  • Oczyszczanie danych - dropna() - QUIZ
    3 questions
  • Oczyszczanie danych - dropna() - LAB
    00:01
  • Oczyszczanie danych - fillna() - VIDEO
    13:10
  • Oczyszczanie danych - fillna() - QUIZ
    3 questions
  • Oczyszczanie danych - fillna() - LAB
    00:01
  • Sortowanie data frame - VIDEO
    10:28
  • Sortowanie data frame - QUIZ
    3 questions
  • Sortowanie data frame - LAB
    00:01
  • Kontrola i optymalizacja typów - VIDEO
    14:27
  • Kontrola i optymalizacja typów - QUIZ
    3 questions
  • Kontrola i optymalizacja typów - LAB
    00:01
  • Ranking - VIDEO
    13:23
  • Ranking - QUIZ
    3 questions
  • Ranking - LAB
    00:01
  • Filtrowanie danych w data frame - VIDEO
    14:12
  • Filtrowanie danych w data frame - QUIZ
    3 questions
  • Filtrowanie danych w data frame - LAB
    00:01
  • Metody where i query - VIDEO
    07:58
  • Metody where i query - QUIZ
    3 questions
  • Metody where i query - LAB
    00:01
  • Metody isin, isnull, notnull i between - VIDEO
    09:36
  • Metody isin, isnull, notnull i between - QUIZ
    3 questions
  • Metody isin, isnull, notnull i between - LAB
    00:01
  • Duplikaty w data frame - VIDEO
    12:37
  • Duplikaty w data frame - QUIZ
    3 questions
  • Duplikaty w data frame - LAB
    00:01

  • Edycja kolumn i indeksu - VIDEO
    10:53
  • Edycja kolumn i indeksu - QUIZ
    3 questions
  • Edycja kolumn i indeksu - LAB
    00:01
  • Modyfikacja danych - VIDEO
    14:35
  • Modyfikacja danych - QUIZ
    3 questions
  • Modyfikacja danych - LAB
    00:01
  • Dodawanie i usuwanie wierszy - VIDEO
    07:41
  • Dodawanie i usuwanie wierszy - QUIZ
    3 questions
  • Dodawanie i usuwanie wierszy - LAB
    00:01
  • Przebudowa indeksu - VIDEO
    10:41
  • Przebudowa indeksu - QUIZ
    3 questions
  • Przebudowa indeksu - LAB
    00:01
  • Operacje na kolumnach tekstowych - VIDEO
    17:44
  • Operacje na kolumnach tekstowych - QUIZ
    3 questions
  • Operacje na kolumnach tekstowych - LAB
    00:01
  • Przygotowanie danych po imporcie - VIDEO
    16:24
  • Przygotowanie danych po imporcie - QUIZ
    3 questions
  • Przygotowanie danych po imporcie - LAB
    00:01

  • Multiindex - wprowadzenie - VIDEO
    10:27
  • Multiindex - wprowadzenie - QUIZ
    3 questions
  • Multiindex - wprowadzenie - LAB
    00:01
  • Wyszukiwanie danych w multiindeksie - VIDEO
    09:10
  • Wyszukiwanie danych w multiindeksie - QUIZ
    3 questions
  • Wyszukiwanie danych w multiindeksie - LAB
    00:01
  • Transpozycja - VIDEO
    07:13
  • Transpozycja - QUIZ
    3 questions
  • Transpozycja - LAB
    00:01
  • Swaplevel - VIDEO
    08:26
  • Swaplevel - QUIZ
    3 questions
  • Swaplevel - LAB
    00:01
  • stack i unstack - VIDEO
    08:53
  • stack i unstack - QUIZ
    3 questions
  • stack i unstack - LAB
    00:01
  • Pivot table - tabela przestawna - VIDEO
    15:59
  • Pivot table - tabela przestawna - QUIZ
    3 questions
  • Pivot table - tabela przestawna - LAB
    00:01
  • Polecenie melt - VIDEO
    13:11
  • Polecenie melt - QUIZ
    3 questions
  • Polecenie melt - LAB
    00:01
  • Metadane multiindeksu - VIDEO
    09:47
  • Metadane multiindeksu - QUIZ
    3 questions
  • Metadane multiindeksu - LAB
    00:01

  • Wprowadzenie do grupowania - VIDEO
    10:58
  • Wprowadzenie do grupowania - QUIZ
    3 questions
  • Wprowadzenie do grupowania - LAB
    00:01
  • Metoda groupby - VIDEO
    11:20
  • Metoda groupby - QUIZ
    3 questions
  • Metoda groupby - LAB
    00:01
  • Agregacje - VIDEO
    09:36
  • Agregacje - QUIZ
    3 questions
  • Agregacje - LAB
    00:01
  • Grupowanie a multiindex - VIDEO
    05:03
  • Grupowanie a multiindex - QUIZ
    3 questions
  • Grupowanie a multiindex - LAB
    00:01
  • Metoda agg() - VIDEO
    09:25
  • Metoda agg() - QUIZ
    3 questions
  • Metoda agg() - LAB
    00:01
  • Przetwarzanie danych z obiektu grupy - VIDEO
    13:41
  • Przetwarzanie danych z obiektu grupy - QUIZ
    3 questions
  • Przetwarzanie danych z obiektu grupy - LAB
    00:01

  • Łączenie danych z wielu obiektów data frame - VIDEO
    13:32
  • Łączenie danych z wielu obiektów data frame - QUIZ
    3 questions
  • Łączenie danych z wielu obiektów data frame - LAB
    00:01
  • Metody append i concat - VIDEO
    13:30
  • Metody append i concat - QUIZ
    3 questions
  • Metody append i concat - LAB
    00:01
  • Metoda join - VIDEO
    14:49
  • Metoda join - QUIZ
    3 questions
  • Metoda join - LAB
    00:01
  • Metoda merge - VIDEO
    16:53
  • Metoda merge - QUIZ
    3 questions
  • Metoda merge - LAB
    00:01
  • Merge outer - VIDEO
    07:51
  • Merge outer - QUIZ
    3 questions
  • Merge outer - LAB
    00:01
  • Left & Right Merge - VIDEO
    12:23
  • Left & Right Merge - QUIZ
    3 questions
  • Left & Right Merge - LAB
    00:01
  • Opcje polecenia merge - VIDEO
    10:43
  • Opcje polecenia merge - QUIZ
    3 questions
  • Opcje polecenia merge - LAB
    00:01
  • Łączenie trzech i więcej data frame - VIDEO
    07:16
  • Łączenie trzech i więcej data frame - QUIZ
    3 questions
  • Łączenie trzech i więcej data frame - LAB
    00:01

  • Metoda plot - VIDEO
    07:45
  • Metoda plot - QUIZ
    3 questions
  • Metoda plot - LAB
    00:01
  • Parametry metody plot - VIDEO
    13:17
  • Parametry metody plot - QUIZ
    3 questions
  • Parametry metody plot - LAB
    00:01
  • Formatowanie wykresu - VIDEO
    10:36
  • Formatowanie wykresu - QUIZ
    3 questions
  • Formatowanie wykresu - LAB
    00:01
  • Wykres kołowy - VIDEO
    15:56
  • Wykres kołowy - QUIZ
    3 questions
  • Wykres kołowy - LAB
    00:01
  • Wykres słupkowy, skrzynkowy i histogram - VIDEO
    14:28
  • Wykres słupkowy, skrzynkowy i histogram - QUIZ
    3 questions
  • Wykres słupkowy, skrzynkowy i histogram - LAB
    00:01
  • Wykresy scatter, hexbin, area - VIDEO
    19:32
  • Wykresy scatter, hexbin, area - QUIZ
    3 questions
  • Wykresy scatter, hexbin, area - LAB
    00:01

Requirements

  • Podstawowa znajomość Python (zobacz kurs "Python dla początkujących")
  • Doświadczenie w analizie danych w innym narzędziu np. Excel lub Google Sheets
  • Komputer z zainstalowanym środowiskiem (kurs zawiera opis instalacji na Windows)
  • Chęć wkroczenia w świat Data Science!
  • Znajomość baz danych - mile widziana, ale niekonieczna

Description

Dlaczego ten kurs?

  • Bo podstawą do stosowania Pythona w Data Science jest właśnie moduł PANDAS. W pierwszym lepszym przykładzie Machine Learning znajdziesz obiekty, które są omawiane tu na tym kursie

  • Bo dane, które wczytujesz i chcesz analizować trzeba najpierw oczyścić i przetworzyć i  w tym również wykorzystuje się PANDAS

  • Bo każda lekcja ma quiz i praktyczne zadania do samodzielnego rozwiązania - zdaniem autora samo patrzenie nie wystarcza żeby się nauczyć - praktyka jest konieczna

  • Bo kurs jest dość szczegółowy - ma ponad 13 godzin nagrań a i tak porusza tylko te najważniejsze aspekty pracy z danymi

  • Bo do kursu masz dołączone materiały do wykonywania ćwiczeń - specjalnie dobrane zbiory pozwalają praktycznie stosować możliwości poznawanych poleceń

  • Bo tylko na takim praktycznym kursie masz szansę rzeczywiście czegoś się nauczyć - a sądzę, że to właśnie Twój cel!

  • Naukę możesz kontynuować na innych kursach tego samego autora

To nie jest kurs dla zupełnie początkujących. Wśród wymogów znajdziesz przynajmniej podstawową znajomość Pythona oraz chociaż ogólną wiedzę o analizie danych. Ale bez obaw!

  • Jeśli chodzi o wiedzę z zakresu programowania w Pythonie – możesz ją zdobyć na kursie „Python dla początkujących”. Jeśli już używasz Pythona, możesz przejrzeć sam spis treści tego kursu i zweryfikować, czy znasz te tematy.

  • Jeśli chodzi o podstawową znajomość analizy danych, mam na myśli typowe czynności, jakie wykonujemy np. w Excelu. Tam też dane się importuje, przetwarza i analizuje. W tym kursie generalnie robimy to samo, ale w zupełnie inny sposób. Dlatego znajomość np. Excela będzie bardzo mile widziana.

  • Po tym kursie możesz kontynuować naukę na kursie tego samego autora "Python dla średnio zaawansowanych"

Kurs dość dokładnie omawia wszystkie tematy i właściwie nie ma w nim teorii. Praktycznie tylko video, quizy i zadania do samodzielnego rozwiązania.

Kurs jest dość intensywny. Każde nagranie skupia się na innym temacie i nie tracimy czasu. Główna zaleta kursu online jest taka, że jeśli chcesz aby Ci coś powtórzyć, to nie musisz o to specjalnie prosić… wystarczy skorzystać z przycisku „cofnij 15 sekund wstecz”. Z kolei jeśli materiał już znasz i chcesz go tylko przesłuchać, możesz zwiększyć lub zmniejszyć jego prędkość. O ile tylko nie denerwuje Cię zmiana głosu na bardziej piskliwy, to… czemu nie – korzystaj!

Zaczynamy od skonfigurowania środowiska. Tutaj jest to zrobione w oparciu o system Windows. Jeżeli korzystasz z Linux lub MacOS, to kroki do wykonania są podobne, ale w materiałach ich nie znajdziesz. Jeśli masz już zainstalowane środowisko u siebie to oczywiście ten blok możesz przerobić pobieżnie. Chcę żeby pracowało Ci się wygodnie, dlatego nie tylko instalujemy Jupyter Notebook, ale jeszcze dodatkowo omawiamy jak pracować z nim wydajnie. Jak go konfigurować, dodawać do niego pakiety, jak korzystać ze skrótów klawiaturowych itp. Wiem, że kiedy „palisz się” do analizy danych ten wstęp może Ci się wydawać przydługawy. Możesz w takim przypadku przeskoczyć część tematów i kontynuować lekcje poświęcone PANDAS, a tu wrócisz później. Zdecydowałem się dodać te lekcje po to, żeby ułatwić Ci pracę z PANDAS na własną rękę. Zwłaszcza te kilka lekcji poświęcone tematyce zaawansowanej konfiguracji  środowiska z linii komend przydadzą się, kiedy napotkasz jakieś problemy, a znajdowane na forach odpowiedzi będą mówiły o instalacji pakietu przez conda…

Żeby dane analizować, trzeba je mieć. Wszystkie pliki prezentowane na kursie jak i potrzebne do rozwiązywania zadań są dołączone do kursu. W większości przypadków podaję też skąd te materiały pochodzą i moim zdaniem ich dystrybucja nie jest zabroniona – korzystaj do woli, albo szukaj innych na własną rękę. W Internecie jest naprawdę mnóstwo ciekawych i darmowych zbiorów.

Potem właściwie zaczynamy najważniejszą część kursu opowiadającą o PANDAS. Pełna nazwa PANDAS to Python and data analysis i logo tego pakietu to kilka wykresików, ale… sam powiedz z czym się graficznie kojarzy nazwa PANDAS…

Kluczowa w PANDAS i analizie danych jest kolumna danych – tutaj zwana Data Series. Ten obiekt trzeba bardzo dobrze poznać, bo inne obiekty i polecenia bardzo mocno go wykorzystują. Kiedy sam uczyłem się PANDAS bardzo mnie to denerwowało, że tyle czasu uczyłem się tylko o przetwarzaniu pojedynczej kolumny, ale uwierz mi – to nie będzie stracony czas.

Potem przechodzimy do zbioru kolumn, co w PANDAS nazywa się Data Frame. Tu będzie już ciekawiej, bo da się obserwować na raz więcej kolumn a więc i więcej danych. Na tym etapie możesz już pomyśleć o budowaniu analiz własnych zbiorów danych.

Dalej opowiemy o modyfikacji danych. Można by myśleć, że przy analizie danych, nie trzeba ich modyfikować i ogólnie chyba rzeczywiście tak jest. Ale warto wiedzieć jak dodać wiersz, kolumnę, przebudować indeks, bo to też metody na przygotowanie danych do analizy.

W następnym etapie jesteśmy gotowi do pierwszych analiz. Indeksy będą mogły już składać się z wielu poziomów, będziemy je przerzucać z wierszy do kolumn i odwrotnie, zbudujemy tabele przestawne, albo właśnie przekształcimy dane z postaci tabeli danych do normalnej tabeli.

Kolejny krok to grupowanie danych i agregacja danych. Posiadając zagregowane dane możesz analizować je w mniejszych fragmentach, a dzięki temu możesz wykrywać zależności w tych danych i ich charakterystyczne dane. Bez tego wszystkie wyniki byłyby uśrednione na cały zbiór danych i przez to najprawdopodobniej zupełnie bez wartości, a tak możesz zobaczyć charakterystyczne cechy  zakupów w poszczególnych regionach czy inne zainteresowania w zależności od wieku i płci itp.

Rzadko kiedy wszystko to, co jest potrzebne jest w jednym miejscu, często jedna sytuacja jest opisywana przez kilka zbiorów danych. Dlatego właśnie mamy specjalną sekcję dotyczącą łączenia danych z różnych źródeł. Myśl o tym jak o łączeniu tabel w bazie danych lub łączeniu arkuszy w skoroszycie.

Kolejny temat to wykresy. Przedstawiamy tu kilka różnych rodzajów wykresów i zmieniamy ich wygląd modyfikując ich mniej i bardziej zaawansowane parametry, ale nie ma co ukrywać – za wykresy w PANDAS odpowiadają funkcje z matplotlib. Informacje z tego kursu będą wystarczające do samodzielnego zbudowania wykresów i zaprezentowania na nich analizowanych danych, ale moduł matplotlib nie jest tutaj omawiany – to duży temat na osobny kurs.

Naukę kończymy dodatkowymi materiałami dotyczącymi pobierania i zapisywania danych na zewnątrz PANDAS, włączając w to dane pobierane z Internetu lub wczytywane i zapisywane w plikach excel.

Zapraszam do nauki. Otwórz sobie drzwi do Data Science!

Who this course is for:

  • Analitycy danych, którzy analizy przeprowadzają w innych narzędziach niż Python i PANDAS
  • Chętni do poważnego zajęcia się Data Science
  • Rozpoczynający naukę Machine Learning i sztucznej inteligencji

Instructor

Rafał Mobilo
Microsoft Certified Trainer
Rafał Mobilo
  • 4.7 Instructor Rating
  • 7,973 Reviews
  • 31,146 Students
  • 18 Courses

EN

Microsoft Certified Trainer. Programmer, database administrator, trainer and consultant. The  main areas of interest are database administration and design, automation with PowerShell ,Python and Bash, machine learning, analysis and presentation of data.

Experienced e-learning and distance learning tutor. Mentor of e-learning programs. Blogger.

Worked with, or teached for such companies as ING, Intel, Cadbury, Bank PeKaO, Volvo, UPC, ZUS, Polish Post and many more...

PL

Microsoft Certified Trainer. Programista, administrator baz danych, trener i konsultant. Główne specjalności to administracja i programowanie baz danych, automatyzacja z wykorzystaniem PowerShell, Python, Bash oraz machine learning, analiza i prezentacja danych.

Doświadczony trener szkoleń e-learning. Mentor wdrażania programów e-learning.

Pracował/pracuje/prowadził szkolenia dla takich firm i instytucji jak ING, Intel, Cadbury, Bank PeKaO, Volvo, UPC, ZUS, Poczta Polska i wiele innych...

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.