Руслан Сенаторов: Очистка и Обработка данных в Pandas Python

This course contains the use of artificial intelligence.

Artificial intelligence was used only to assist with drafting and editing the course description. All instructional materials, lectures, examples, and exercises were created and reviewed by the instructor.

Курс «Очистка и обработка данных в Pandas и Python» посвящён одному из важнейших этапов аналитической работы — подготовке исходных данных к исследованию, визуализации и построению моделей машинного обучения. Вы научитесь выявлять проблемы в реальных наборах данных, выбирать подходящие способы их исправления и создавать воспроизводимый процесс обработки таблиц.

В начале курса вы познакомитесь с основными инструментами библиотеки Pandas. Вы научитесь загружать данные, исследовать структуру таблиц, проверять типы столбцов, рассчитывать описательные статистики и оценивать качество информации. Такой первичный анализ поможет быстро обнаруживать пропуски, дубликаты, некорректные значения и несогласованные форматы.

Особое внимание уделяется работе с пропущенными данными. Вы узнаете, как находить пропуски, оценивать их количество и влияние на результаты анализа, удалять проблемные записи или заполнять отсутствующие значения. Вы также научитесь выявлять полные и частичные дубликаты, очищать текстовые столбцы, приводить значения к единому формату и преобразовывать типы данных.

Отдельный раздел курса посвящён обработке дат, времени, числовых признаков и категориальных переменных. Вы освоите фильтрацию, сортировку, группировку, агрегацию и объединение таблиц. Кроме того, вы познакомитесь с базовыми подходами к поиску выбросов и сможете принимать обоснованные решения об их удалении, замене или сохранении.

Практические задания помогут закрепить полученные знания на примерах, приближённых к реальным аналитическим задачам. Вы научитесь выстраивать последовательный процесс очистки данных, проверять результаты каждого преобразования и избегать распространённых ошибок.

Курс подойдёт начинающим аналитикам, специалистам по Data Science, студентам и Python-разработчикам. После завершения обучения вы сможете самостоятельно очищать и преобразовывать табличные данные, повышать их качество и подготавливать надёжные наборы для анализа, визуализации и машинного обучения. SenatorovAI