Zvládneme základy pandas. Naučíš se prohlížet DataFramy a provádět základní operace – řadit řádky, filtrovat podmnožiny a přidávat nové sloupce.

Seznámení s DataFrames

Prozkoumání DataFrame

Části DataFrame

Řazení a výběr dat

Řazení řádků

Výběr sloupců

Výběr řádků

Filtrování řádků podle kategorických proměnných

Nové sloupce

Přidávání nových sloupců

Combo-attack!

Transformace DataFramů

V této kapitole budeš počítat souhrnné statistiky pro sloupce DataFramu a osvojíš si skupinové souhrnné statistiky a kontingenční tabulky.

Souhrnné statistiky

Průměr a medián

Souhrnné statistiky pro data

Efektivní souhrny

Kumulativní statistiky

Počítání

Odstraňování duplicit

Počítání kategorických proměnných

Skupinové souhrnné statistiky

Jaké procento tržeb připadá na každý typ obchodu?

Výpočty s .groupby()

Více agregací najednou se seskupením

Pivot tabulky

Kontingenční tabulka s jednou proměnnou

Doplnění chybějících hodnot a součty v kontingenčních tabulkách

Agregace DataFramů

Indexy jsou výkonnou verzí názvů řádků a sloupců. Zjistíš, jak je kombinovat s řezáním pro efektivní výběr podmnožin DataFramu.

Explicitní indexy

Nastavení a odebrání indexu

Subsetting pomocí .loc[]

Nastavení víceúrovňových indexů

Řazení podle hodnot indexu

Slicování a výběr dat pomocí .loc a .iloc

Slicing hodnot indexu

Řezání v obou směrech

Řezání časových řad

Výběr podle čísla řádku a sloupce

Práce s pivot tabulkami

Pivot teplot podle města a roku

Subsetting kontingenčních tabulek

Výpočty nad kontingenční tabulkou

Řezání a indexování DataFramů

Naučíš se vizualizovat obsah DataFramů, pracovat s chybějícími hodnotami a importovat data ze souborů CSV i je do nich exportovat.

Vizualizace dat

Která velikost avokáda je nejoblíbenější?

Vývoj prodejů v čase

Nabídka a poptávka po avokádu

Cena konvenčních vs. bio avokád

Chybějící hodnoty

Hledání chybějících hodnot

Odstraňování chybějících hodnot

Nahrazování chybějících hodnot

Vytváření DataFrames

Seznam slovníků

Slovník seznamů

Čtení a zápis CSV souborů

CSV do DataFrame

DataFrame do CSV

Shrnutí

Vytváření a vizualizace DataFramů

Naučíte se analyzovat data napříč několika dimenzemi současně, což vám umožní odhalovat jemné vzorce díky rozčlenění souhrnů do několika kategorií najednou.

Seskupování podle více sloupců

Naučíte se členit souhrnné statistiky podle kategorií, což vám umožní porovnávat metriky napříč různými skupinami a objevovat vzorce ve vašich datech.

Jeden seskupovací sloupec

Naučíte se sumarizovat data výpočtem klíčových statistik, jako jsou součty, průměry a počty, což vám umožní získat smysluplné poznatky ze surových dat.

Souhrnné hodnoty

Agregace dat

Naučíte se pracovat s vícestupňovými výpočty a počítat procentuální podíly z celků, což vám umožní vytvářet komplexní metriky založené na mezivýsledcích.

Komplexní transformace

Naučíte se vytvářet nové sloupce kombinováním a výpočtem hodnot ze stávajících dat, což vám umožní odvodit poměry a další metriky, které v původním datasetu nejsou k dispozici.

Základní transformace

Transformace dat

Naučíte se ze svých dat vybírat konkrétní řádky na základě podmínek, což vám umožní zaměřit analýzu na relevantní podmnožiny a pracovat s chybějícími hodnotami a textovými vzory.

Základní filtrování

Naučíte se filtrovat data pomocí několika kritérií najednou, což vám umožní extrahovat přesně ty řádky, které potřebujete, díky kombinování podmínek pomocí logiky AND a OR.

Více podmínek

Naučíte se zjednodušit komplexní filtrování rozdělením podmínek do samostatných sloupců a extrahovat opačný výsledek filtru, díky čemuž bude vaše analýza transparentnější a lépe ověřitelná.

Komplexní filtrování

Filtrování dat

Naučíte se aplikovat různé výpočty na základě specifických podmínek, což vám umožní standardizovat hodnoty, klasifikovat data do kategorií a řešit různé scénáře ve vašich datech.

Podmíněná transformace

Naučíte se počítat souhrny, které zahrnují pouze hodnoty splňující konkrétní kritéria, což vám umožní vypočítat detailní metriky, jako je například „průměr pouze u zpožděných letů“ v rámci každé skupiny.

Podmíněná agregace

Podmíněné operace

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas je nejpopulárnější knihovna Pythonu na světě, která se používá k manipulaci i analýze dat. V tomto kurzu se naučíš pracovat s DataFramy – extrahovat, filtrovat a transformovat reálné datové sady připravené k analýze. S pandas prozkoumáš všechny základní koncepty datové vědy. Na reálných datech, včetně prodejních čísel Walmartu a globálních časových řad teplot, se naučíš importovat data, čistit je, počítat statistiky a vytvářet vizualizace – a využít tak pandas naplno!

Videa obsahují živé titulky, které zobrazíš kliknutím na „Show transcript" v levém dolním rohu přehrávače.

Glosář kurzu najdeš vpravo v sekci zdrojů.

Pro získání kreditů CPE musíš kurz dokončit a dosáhnout skóre alespoň 70 % v závěrečném hodnocení. K hodnocení se dostaneš kliknutím na upozornění CPE credits vpravo.

pandas je nejoblíbenější knihovna Pythonu na světě, používaná pro vše od manipulace s daty až po analýzu dat. V tomto kurzu se s AI Tutorem po svém boku naučíte pracovat s DataFrame, zatímco budete agregovat, filtrovat a transformovat reálné datové sady pro analýzu. Pomocí pandas prozkoumáš všechny základní operace pro práci s daty, které jsou v datové vědě nezbytné.

<h2>Objevte práci s daty v pandas</h2>
S tímto kurzem zjistíš, proč je pandas nejpopulárnější knihovna Pythonu na světě, používaná ke všemu od manipulace s daty až po analýzu dat. Prozkoumáte, jak pracovat s DataFrame, když budete extrahovat, filtrovat a transformovat reálné datové sady pro analýzu. 
<br><br>
S pandas prozkoumáte všechny klíčové koncepty datové vědy. Pomocí reálných dat, včetně prodejních údajů Walmartu a globálních časových řad teplot, se naučíte importovat, čistit, počítat statistiky a vytvářet vizualizace — s využitím pandas, které rozšiřuje možnosti Pythonu.
<br><br>
<h2>Pracujte s daty v pandas a objevte klíčové koncepty datové vědy</h2>
Začnete zvládnutím základů pandas, včetně toho, jak prohlížet DataFrame a provádět některé základní úpravy. Naučíte se také o agregaci DataFrame, než přejdete k ořezávání a indexování. 
<br><br>
Kurz před dokončením kurzu se naučíš, jak vizualizovat obsah svých DataFrameů při práci s datovou sadou, která obsahuje týdenní prodeje avokád v USA. 
<br><br>
<h2>Naučte se pracovat s DataFrame</h2>
Po absolvování tohoto kurzu pandas pochopíte, jak tuto knihovnu Pythonu používat pro manipulaci s daty. Budete rozumět DataFrames a tomu, jak je používat, a také budete schopni vizualizovat svá data v Pythonu.

Intermediate Python

Kurz manipulace s daty v pandas vás naučí pracovat s DataFrames pro analýzu reálných dat.

Manipulace s daty v pandas

Naučte se importovat a čistit data, počítat statistiky a vytvářet vizualizace s pandas. 

Asociovaný datový vědec  v Pythonu

Datový analytik  v Pythonu

Manipulace s daty  v Pythonu

Základy dat v Pythonu

Souhrnné statistiky pro data

Manipulace s daty v pandas

Pokyny k cvičení

Interaktivní cvičení na vyzkoušení si v praxi