谈论Python–通过10个项目课程快速入门数据科学

这门课程是关于什么的，有什么不同之处？
用Python释放数据的力量，这门课程将赋予您使用Python深入数据科学的技能和工具。我们假设您对Python有基础的了解，但对数据科学概念不甚了解。本课程将让您接触到数据科学家、数据工程师、分析师使用的同样工具，以解决现实世界的挑战。Talk Python – Data Science Jumpstart with 10 Projects Course

MP4 | 视频：h264，1920×1080 | 音频：AAC，44.1千赫，2声道
类型：电子学习 | 语言：英语 | 课程时长：104课时（3小时11分钟）| 大小：974M

学生们怎么说
我正在逐步学习这个[…]包。非常棒的教程/培训！思路清晰，表达得当。强烈推荐。
— Maarburg

源代码和课程GitHub存储库
github.com/talkpython/data-science-jumpstart-with-10-projects-course

在这门课程中，您将会

深入学习如何加载、清洗、总结和基本统计CSV和Excel数据。
掌握在零售数据洞察项目中结合和重塑数据集以发现隐藏模式的艺术。
通过健康数据深度挖掘了解缺失数据处理、异常数据识别和基础机器学习技术。
创建模型来探索空气质量趋势和电影评论。
使用Plotly创建交互式仪表板，并在交互式仪表板和SQL探索部分探索SQL数据库。
利用强大的库如Pandas、Matplotlib、Plotly等。
从数据爱好者转变为数据英雄！

课程目录：
001.欢迎光临
002. 在虚拟环境中安装Jupyter
003. 在 Github Codespaces 中运行
004.如何使用Jupyter
005.如何使用VS Code
006.记住练习
007. csv v2 简介
008. 使用 Pandas 和 Pyarrow 从 ZIP 文件加载 CSV 数据
009. 使用描述、数据类型和分位数在 Pandas 中汇总统计数据
010. Pandas 和热图中的 Pearson 和 Spearman 相关性
011. 使用 value_counts 和交叉表了解 Pandas 分类
012. Pandas 中的可视化，包括直方图、散点图和条形图
013.总结
014.Excel简介
015. 使用 to_excel 在 Pandas 中创建 Excel
016. 使用 read_excel 和 Pyarrow 在 Pandas 中读取 Excel 文件
017. 使用 isna、any、sum 和 Mean 了解 Pandas 中缺失数据的计数和频率
018.用filter和value_counts量化字符串
019. 理解数字的相关性、散点图和直方图
020. 使用 to_excel 和 XlsxWriter add_format 在 Pandas 中编写和格式化 Excel 工作表
021.摘要_2
022. 简介
023. 加载数据以与 Pyarrow 合并
024. 使用 merge 方法和 left_on、right_on 参数合并 Dataframe
025.验证一对一和一对多合并
026.通过管道数据帧大小调试合并
027.与loc合并后清理列
028. 将合并数据导出到 Excel
029.合并总结
030. 介绍分组
031. 将零售数据从 Excel 加载到 Pandas Dataframe 中
032. 使用 Feather 和 Pyarrow 加速 Pandas 中零售数据的加载
033. Pandas 中的探索性数据分析（EDA），包括描述、直方图和 value_counts
034. 聚合 Pandas 以计算年份销售额
035. 在 Pandas 中使用 Groupby 可视化按国家/地区销售
036. 在 Pandas 中使用 Grouper 按月频率分组
037.按月份和国家分组并用线图可视化
038.总结_3
039.介绍清洁
040. 使用 Glob 将多个文件加载到单个 Pandas 数据场中
041.了解心脏数据以进行清理
042. 将年龄列类型固定为 Int8
043. 将数字性别列转换为字符串
044. 将胸痛列转换为 Int8
045. 处理。 Trestbps 数字列中的字符
046.创建一个函数来重复 Chol 列中的常见清理
047.使用Fbs列的清理功能
048. 固定 Restcg 列
049.固定Thalach柱
050. 固定 Exang 柱
051.更新清理功能以清理Oldpeak列
052. 清洁斜柱
053. 清洗 Ca 柱
054. 使用 Thal 列将数值转换为分类
055.修复数字列
056. 比较 Pandas 中的内存使用情况与 memory_usage
057.重构 Pandas 中的函数以进行清理
058. 清洁总结
059. 介绍时间序列空气质量数据集
060.使用 Pandas 从 Zip 文件加载 CSV 文件
061.检查 Pandas 中的缺失值和形状
062. 使用格式字符串和 to_datetime 解析日期
063.重命名 Pandas 中的列以删除无效字符
064.创建一个清理 Pandas 数据的函数
065. 在 Pandas 中将日期转换为 UTC
066. 在 Pandas 和 pytz 中将日期转换为意大利时间
067. 在 Pandas 中为时间序列数据绘制线图
068. Pandas 中缺失值的插值和填充
069. 使用 resample 对 Pandas 中的时间序列数据进行重采样
070. 通过滚动在 Pandas 中创建 7 天滚动平均值
071. 使用清理功能更新函数
072.总结_4
073.介绍文字v2
074.从目录加载影评文本数据
075. 探索 Pandas 中的 str 属性以进行字符串操作
076. 使用 Spacy 删除 Pandas 中的停用词
077.使用scikit-learn计算Pandas文本的Tfidf
078.使用XGBoost创建分类模型
079.用XGBoost和Pandas预测值
080.简介 v2
081.用 Pandas 和 concat 组合多个数据集
082.用聚合图和散点图探索心脏病
083.准备 Pandas 数据集以创建 XGBoost 模型
084. 使用 Hyperopt 调整 XGBoost 模型
085.使用混淆矩阵来理解模型
086.ML总结
087. SQL简介
088. 将 CSV 数据加载到 Pandas 数据框中并清理它
089.使用SqlAlchemy连接到SQLite数据库
090.使用to_sql用Pandas创建数据库表
091.使用read_sql从Pandas查询SQLite表
092. 使用 Pandas 查询 SQLite 表
093.使用 Pandas 可视化 SQLite 数据
094. SQL 总结
095.完全介绍
096. 将 CSV 数据加载到 Pandas 数据框中
097. 使用完全清理 Pandas 数据的功能
098. 在 Plotly 中为 Pandas 创建线图
099. 在 Plotly 中创建条形图
100. 在 Plotly 中创建散点图
101. 创建带有短划线和绘图的仪表板
102. 使用带有小部件的 Dash 创建 Plotly 仪表板
103.总结完整
104.结论