Opanuj podstawy pandas. Dowiedz się, jak przeglądać DataFrames i wykonywać podstawowe operacje: sortowanie wierszy, podzbiory danych i dodawanie nowych kolumn.

Wprowadzenie do DataFrames

Inspekcja DataFrame

Składowe DataFrame

Sortowanie i filtrowanie danych

Sortowanie wierszy

Wybieranie kolumn

Filtrowanie wierszy

Filtrowanie wierszy według zmiennych kategorycznych

Nowe kolumny

Dodawanie nowych kolumn

Atak kombinowany!

Przekształcanie DataFrames

W tym rozdziale obliczysz statystyki opisowe dla kolumn DataFrame oraz opanujesz grupowane statystyki opisowe i tabele przestawne.

Statystyki opisowe

Średnia i mediana

Statystyki podsumowujące dla dat

Wydajne podsumowania

Statystyki skumulowane

Zliczanie

Usuwanie duplikatów

Zliczanie zmiennych kategorycznych

Zgrupowane statystyki opisowe

Jaki procent sprzedaży przypadał na każdy typ sklepu?

Obliczenia z .groupby()

Wiele zgrupowanych statystyk

Tabele przestawne

Przestawianie według jednej zmiennej

Uzupełnianie brakujących wartości i sumowanie wyników w tabelach przestawnych

Agregowanie DataFrames

Indeksy to ulepszone nazwy wierszy i kolumn. Dowiedz się, jak łączyć je z wycinaniem danych, aby skutecznie tworzyć podzbiory DataFrames.

Jawne indeksy

Ustawianie i usuwanie indeksów

Filtrowanie za pomocą .loc[]

Tworzenie indeksów wielopoziomowych

Sortowanie według wartości indeksu

Wycinanie i podzbiory z .loc i .iloc

Wycinanie wartości indeksu

Wycinanie w obu kierunkach

Wycinanie szeregów czasowych

Wybieranie danych po numerach wierszy i kolumn

Praca z tabelami przestawnymi

Przestawna tabela temperatur według miasta i roku

Wycinanie danych z tabel przestawnych

Obliczenia na tabeli przestawnej

Wycinanie i indeksowanie DataFrames

Naucz się wizualizować zawartość DataFrames, obsługiwać brakujące wartości oraz importować dane z plików CSV i eksportować je do tych plików.

Wizualizacja danych

Który rozmiar awokado jest najpopularniejszy?

Zmiany sprzedaży w czasie

Podaż i popyt na awokado

Cena awokado konwencjonalnego i ekologicznego

Brakujące wartości

Znajdowanie brakujących wartości

Usuwanie brakujących wartości

Zastępowanie brakujących wartości

Tworzenie DataFrames

Lista słowników

Słownik list

Odczytywanie i zapisywanie plików CSV

CSV do DataFrame

DataFrame do CSV

Podsumowanie

Tworzenie i wizualizacja DataFrames

Nauczysz się analizować dane w wielu wymiarach jednocześnie, co pozwoli Ci odkrywać subtelne wzorce poprzez rozbijanie podsumowań na kilka kategorii naraz.

Wiele kolumn grupujących

Nauczysz się rozbijać statystyki opisowe na kategorie, co pozwoli Ci porównywać metryki w różnych grupach i odkrywać wzorce w Twoich danych.

Jedna kolumna grupująca

Nauczysz się podsumowywać dane poprzez obliczanie kluczowych statystyk, takich jak sumy, średnie i liczebności, co pozwoli Ci wyciągać istotne wnioski z surowych danych.

Wartości podsumowujące

Agregacja danych

Nauczysz się przeprowadzać wieloetapowe obliczenia i obliczać udziały procentowe w sumach, co pozwoli Ci tworzyć złożone metryki oparte na wynikach pośrednich.

Złożone transformacje

Nauczysz się tworzyć nowe kolumny poprzez łączenie i obliczanie wartości na podstawie istniejących danych, co pozwoli Ci wyznaczać wskaźniki i inne metryki niedostępne w oryginalnym zestawie danych.

Podstawowe transformacje

Transformacja danych

Nauczysz się wyodrębniać konkretne wiersze ze swoich danych na podstawie określonych warunków, co pozwoli Ci skupić analizę na istotnych podzbiorach oraz radzić sobie z brakującymi wartościami i wzorcami tekstowymi.

Podstawowe filtrowanie

Nauczysz się filtrować dane przy użyciu wielu kryteriów jednocześnie, co pozwoli Ci wyodrębnić dokładnie te wiersze, których potrzebujesz, poprzez łączenie warunków za pomocą logiki AND i OR.

Wiele warunków

Nauczysz się upraszczać złożone filtrowanie poprzez rozbijanie warunków na osobne kolumny oraz wyodrębniać odwrotność wyników filtrowania, dzięki czemu Twoja analiza stanie się bardziej przejrzysta i łatwa do zweryfikowania.

Złożone filtrowanie

Filtrowanie danych

Nauczysz się stosować różne obliczenia w oparciu o określone warunki, co pozwoli Ci standaryzować wartości, klasyfikować dane na kategorie oraz obsługiwać zróżnicowane scenariusze w Twoich danych.

Transformacja warunkowa

Nauczysz się obliczać podsumowania uwzględniające wyłącznie wartości spełniające określone kryteria, co umożliwi Ci wyliczanie precyzyjnych metryk, takich jak „średnia tylko dla opóźnionych lotów” w ramach każdej grupy.

Agregacja warunkowa

Operacje warunkowe

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas to najpopularniejsza biblioteka Pythona na świecie, wykorzystywana zarówno do manipulacji danymi, jak i ich analizy. W tym kursie nauczysz się przekształcać DataFrames – wyodrębniać, filtrować i transformować prawdziwe zbiory danych. Dzięki pandas poznasz wszystkie kluczowe koncepcje z obszaru data science. Pracując na rzeczywistych danych, w tym wynikach sprzedaży Walmart i historycznych szeregach temperatur globalnych, nauczysz się importować dane, czyścić je, obliczać statystyki i tworzyć wizualizacje – wszystko to z wykorzystaniem pandas jako rozszerzenia możliwości Pythona!

Filmy wideo zawierają transkrypcje na żywo, które możesz wyświetlić, klikając „Pokaż transkrypcję" w lewym dolnym rogu odtwarzacza.

Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.

Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanej ocenie. Do oceny możesz przejść, klikając informację o punktach CPE po prawej stronie.

pandas to najpopularniejsza na świecie biblioteka Pythona, używana do wszystkiego — od manipulacji danymi po analizę danych. W tym kursie, z pomocą AI Tutora u boku, nauczysz się manipulować DataFrame’ami, agregując, filtrując i przekształcając rzeczywiste zbiory danych do analizy. Korzystając z pandas, poznasz wszystkie podstawowe operacje manipulacji danymi niezbędne w data science.

<h2>Odkryj manipulację danymi z pandas</h2>
Dzięki temu kursowi dowiesz się, dlaczego pandas jest najpopularniejszą na świecie biblioteką Pythona, używaną do wszystkiego — od manipulacji danymi po analizę danych. Dowiesz się, jak manipulować DataFrame’ami, wyodrębniając, filtrując i przekształcając rzeczywiste zbiory danych do analizy. 
<br><br>
Dzięki pandas poznasz wszystkie kluczowe pojęcia z zakresu data science. Korzystając z rzeczywistych danych, w tym danych sprzedażowych Walmart i globalnych szeregów czasowych temperatur, nauczysz się importować, czyścić, obliczać statystyki i tworzyć wizualizacje — wykorzystując pandas, aby zwiększyć możliwości Pythona.
<br><br>
<h2>Pracuj z danymi pandas, aby poznawać kluczowe pojęcia data science</h2>
Zaczniesz od opanowania podstaw pandas, w tym tego, jak sprawdzać DataFrame’y i wykonywać podstawowe operacje na danych. Nauczysz się także agregowania DataFrame’ów, zanim przejdziesz do wycinania i indeksowania. 
<br><br>
Zakończysz kurs, ucząc się, jak wizualizować zawartość swoich DataFrame’ów, pracując z zestawem danych zawierającym tygodniową sprzedaż awokado w USA. 
<br><br>
<h2>Naucz się manipulować DataFrame’ami</h2>
Po ukończeniu tego kursu pandas zrozumiesz, jak korzystać z tej biblioteki Python do manipulacji danymi. Będziesz rozumieć DataFrames i wiedzieć, jak z nich korzystać, a także będziesz potrafić wizualizować swoje dane w Pythonie.

Intermediate Python

Kurs manipulacji danymi z pandas nauczy Cię manipulować DataFrames do analizy rzeczywistych danych.

Manipulacja danymi z pandas

Naucz się importować i czyścić dane, obliczać statystyki oraz tworzyć wizualizacje za pomocą pandas. 

Młodszy Data Scientist  w Pythonie

Analityk danych  w Pythonie

Manipulacja danymi  w Pythonie

Podstawy danych w Pythonie

Wybieranie kolumn

Manipulacja danymi z pandas

Interaktywne ćwiczenie praktyczne