掌握Python Pandas的500个练习案例教程

通过解决数据清理、数据分析、数据过滤等问题来学习Python Pandas，本课程面向那些计划进入数据科学领域的人，以及初级到中级数据分析师、数据科学家和数据工程师。大多数练习都是基于我作为数据科学家处理真实数据集的经验，所以即使你已经在工作中使用熊猫，你也可以从本课程中受益。如果你以前从未使用过熊猫或经验很少，你可以学到很多，因为这些练习是以简单易懂的方式创建的。您需要的只是基本的Python知识。学这门课需要什么？讲课的结构是我浏览朱庇特笔记本解释练习。笔记本可以在每个讲座的描述中找到。如果您想下载笔记本并继续学习，请确保您也下载了课程存储库中数据文件夹中的相关数据集。你还需要在电脑上安装Jupyter笔记本。你也可以谷歌一下Colab，它允许你在浏览器中免费运行Jupyter笔记本。500 Exercises To Master Python Pandas

课程结构 本课程分为6个章节:简介数据探索和操作数据过滤结合数据帧数据分析和可视化使用案例更多学习内容每个章节包含多个讲座，每个讲座侧重于一个特定的任务，例如如何过滤数据帧，如何通过多个步骤创建管道，以及如何使用Python字典来增强Pandas函数的功能。当您完成本课程时，您将已经完成至少500个练习，并且能够解决与表格数据相关的大多数任务。

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz
语言:英语|大小:2.77 GB |时长:7小时57分钟

你会学到什么
使用Pandas执行数据清理和操作任务
使用Pandas分析数据并提取见解
重塑和操作熊猫数据结构
学习Python基础知识

要求
Python编程语言的基本经验
数据类型的基本知识(字符串、整数、浮点、布尔)
Python内置数据结构(列表、元组、字典)的基础知识

本课程适合初级到中级水平的数据分析师、数据科学家、数据工程师。、想踏入数据科学领域的学生或专业人士。

课程目录：
第一部分:导言

第一讲简介

第2讲课程结构和安装

第3讲读取数据

第4讲探索数据框架

第2节:数据探索和操作

第5讲数据类型

第6讲色谱柱操作

第7讲日期操作

第8讲字符串操作

第9讲分类数据

第3部分:数据过滤

第10课缺失值

第11讲loc和iloc方法

第12讲过滤数据帧

第4部分:组合数据帧

第13讲组合数据帧

第14讲合并数据帧

第15讲重塑数据框架

第5部分:数据分析和可视化

第16讲数据分析

第17讲数据可视化

第18讲熊猫的时间序列分析

第6部分:用例

第19讲数据清理和分析1(肥胖数据集)

第20讲数据清理和分析2(客户流失数据集)

第7部分:更多学习

第21讲熊猫Python词典

第22讲熊猫管道

第23讲设计数据框架

第24课不要忘记的功能

Learn Python Pandas by solving exercises on data cleaning, data analysis, data filtering, and more.

What you’ll learn
Perform data cleaning and manipulation tasks with Pandas
Analyze data and extract insights using Pandas
Reshape and manipulate Pandas data structures
Learn Python basics

Requirements
Basic experience with the Python programming language
Basic knowledge of data types (strings, integers, floating points, booleans)
Basic knowledge of Python built-in data structures (list, tuple, dictionary)

Description
Who is this course for?This course is for those who plan to take a step into the field of data science and beginner to intermediate level data analyst, data scientist, and data engineers. Most of the exercises are based on my experience of working as a data scientist with real-life datasets so you can benefit from this course even if you are already using Pandas at your job. If you have never used Pandas before or have little experience, you can learn a lot because the exercises are created in a way that is simple and easy-to-understand. All you need is a basic level of Python knowledge.What is needed to take this course?Lectures are structured as me going over Jupyter notebooks explaining exercises. Notebooks can be found in the description of each lecture. If you want to download the notebooks and follow along, make sure you also download the relevant datasets available in the data folder in the course repository. You also need to have Jupyter notebook installed on your computer. You can also Google Colab, which allows for running Jupyter notebooks in your browser for free. Course structureThe course is divided into 6 chapters:IntroductionData exploration and manipulationData filteringCombining DataFramesData analysis and visualizationUse casesMore learningsEach chapter contains multiple lectures with each one focusing on a particular task such as how to filter a DataFrame, how to create pipelines with multiple steps, and how to use Python dictionaries to enhance the power of Pandas functions.By the time you finish this course, you’ll have solved at least 500 exercises and you’ll be able to solve most of the tasks related to tabular data.

Overview
Section 1: Introduction

Lecture 1 Introduction

Lecture 2 Course structure and installation

Lecture 3 Reading data

Lecture 4 Exploring a DataFrame

Section 2: Data exploration and manipulation

Lecture 5 Data types

Lecture 6 Column operations

Lecture 7 Date manipulation

Lecture 8 String manipulation

Lecture 9 Categorical data

Section 3: Data filtering

Lecture 10 Missing values

Lecture 11 loc and iloc methods

Lecture 12 Filtering DataFrames

Section 4: Combining DataFrames

Lecture 13 Combining DataFrames

Lecture 14 Merging DataFrames

Lecture 15 Reshaping DataFrames

Section 5: Data analysis and visualization

Lecture 16 Data analysis

Lecture 17 Data visualization

Lecture 18 Time series analysis with Pandas

Section 6: Use cases

Lecture 19 Data cleaning and analysis 1 (obesity dataset)

Lecture 20 Data cleaning and analysis 2 (customer churn dataset)

Section 7: More learnings

Lecture 21 Python dictionaries with Pandas

Lecture 22 Pandas pipelines

Lecture 23 Styling DataFrames

Lecture 24 Functions not to forget

Beginner to intermediate level data analysts, data scientist, data engineers.,Students or professionals who want to step into the field of data science.