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. 

Introduction

Assignment and data types

Arithmetic with strings

Containers - lists and dictionaries

Lists

Dictionaries

Functions, methods, and libraries

Methods

NumPy arrays

Pandas DataFrames

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!

Controllo di flusso e cicli

Flusso di controllo

Cicli

Funzioni

Funzione per il binge drinking individuale

Funzione generale per binge drinking

Funzioni lambda

Comprehension

Funzioni di mapping

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 e R hanno visto una crescita enorme di popolarità nell'"era del Machine Learning". Entrambi sono linguaggi di alto livello, facili da imparare e da scrivere. Il linguaggio che userai dipende dal tuo background e dal tuo ambito di studio o lavoro. R è un linguaggio creato da e per statistici, mentre Python è un linguaggio di programmazione più generale. Indipendentemente dal background, ci saranno momenti in cui un determinato algoritmo è implementato in un linguaggio e non nell'altro, una funzionalità è meglio documentata, o semplicemente il tutorial che hai trovato online usa Python invece di R.

In tutti questi casi, l'utente R potrebbe dover lavorare in Python per portare a termine il lavoro, oppure capire come qualcosa è implementato in Python per poi tradurlo in R. Questo corso ti aiuta a superare la barriera tra R e Python.

Controllo di flusso e cicli

Create Your Free Account