Learn about some of the most important data types (integers, floats, strings, and booleans) and data structures (lists, dictionaries, numpy arrays, and pandas DataFrames) in Python and how they compare to the ones in R. 

Pendahuluan

Penugasan dan tipe data

Aritmetika dengan string

Container - list dan dictionary

List

Dictionary

Fungsi, metode, dan pustaka

Metode

Array NumPy

Pandas DataFrame

The Basics

This chapter covers control flow statements (if-else if-else), for loops and shows you how to write your own functions in Python!

Control flow and loops

Control flow

Loops

Functions

Individual binge drinking function

General binge drinking function

Lambda functions

Comprehensions

Mapping functions

List comprehension

Dictionary comprehension

Control flow, Loops, and Functions

In this chapter you will learn more about one of the most important Python libraries, Pandas. In addition to DataFrames, pandas provides several data manipulation functions and methods. 

Selecting data in pandas

Selecting columns

Selecting rows

Selecting rows and columns

Data types

Integers and floats

Strings

Dates (I)

Dates (II)

Advanced Pandas

Missing values

Groupby

Tidy data

Pandas

You will learn about the rich ecosystem of visualization libraries in Python. This chapter covers matplotlib, the core visualization library in Python along with the pandas and seaborn libraries. 

Plotting directly using pandas

Univariate plots in pandas

Bivariate plots in pandas

Seaborn

Univariate plots in seaborn

Bivariate plots in seaborn

Facet plots in seaborn

Matplotlib

Univariate and bivariate plots in matplotlib

Subfigures in matplotlib

Working with axes

Polishing up a figure

Plotting

As a final capstone, you will apply your Python skills on the NYC Flights 2013 dataset.

NYC flights data

Load multiple data files

Explore

Visualize

Manipulating data

Recode dates

Groupby aggregates

Plots

Dummy variables

Wrap-up

Capstone

Air quality

Country timeseries

Flights (sample)

Inflammation

NYC Flights 2013

Tips

Python dan R mengalami pertumbuhan popularitas yang sangat pesat di "Era Machine Learning". Keduanya adalah bahasa tingkat tinggi yang mudah dipelajari dan ditulis. Bahasa yang Anda gunakan akan bergantung pada latar belakang serta bidang studi dan pekerjaan Anda. R adalah bahasa yang dibuat oleh dan untuk ahli statistika, sedangkan Python adalah bahasa pemrograman serbaguna. Terlepas dari latar belakang, akan ada kalanya suatu algoritme hanya diimplementasikan dalam satu bahasa dan bukan yang lain, sebuah fitur didokumentasikan dengan lebih baik, atau sederhananya, tutorial yang Anda temukan di internet menggunakan Python alih-alih R.

Dalam keadaan seperti itu, pengguna R perlu bekerja dengan Python untuk menyelesaikan tugasnya, atau mencoba memahami bagaimana sesuatu diimplementasikan dalam Python agar dapat diterjemahkan ke dalam R. Kursus ini membantu Anda melampaui hambatan bahasa R–Python.

Fungsi, metode, dan pustaka

Create Your Free Account