Care este cea mai bună modalitate de a aborda un set de date nou? Învață să validezi și să rezumi date categoriale și numerice și creează vizualizări în Seaborn pentru a-ți comunica descoperirile.

Explorare inițială

Funcții pentru explorarea inițială

Numărarea valorilor categorice

Șomajul global în 2021

Validarea datelor

Detectarea tipurilor de date

Validarea continentelor

Validarea intervalului de valori

Rezumarea datelor

Rezumate cu .groupby() și .agg()

Agregări cu nume

Vizualizarea rezumatelor categoriale

Cunoașterea unui set de date

Explorarea și analiza datelor presupun adesea gestionarea valorilor lipsă, a tipurilor de date incorecte și a valorilor extreme. În acest capitol, vei învăța tehnici pentru a rezolva aceste probleme și a eficientiza procesele de EDA!

Tratarea valorilor lipsă

Gestionarea valorilor lipsă

Strategii pentru valorile lipsă rămase

Imputarea prețurilor lipsă pentru bilete de avion

Conversia și analiza datelor categoriale

Găsirea numărului de valori unice

Categorii de durată a zborului

Adăugarea categoriilor de durată

Lucrul cu date numerice

Durata zborului

Adăugarea statisticilor descriptive

Gestionarea valorilor extreme

Ce facem cu valorile atipice

Identificarea valorilor extreme

Eliminarea valorilor aberante

Curățarea și imputarea datelor

Variabilele dintr-un set de date nu există independent una de alta – ele au relații între ele. În acest capitol, vei examina relațiile dintre date numerice, categoriale și chiar DateTime, explorând direcția și intensitatea acestor relații, precum și modalitățile de vizualizare a lor.

Tipare în timp

Importul datelor de tip DateTime

Actualizarea tipului de date la DateTime

Vizualizarea relațiilor în timp

Corelație

Interpretarea unei hărți termice

Vizualizarea relațiilor dintre variabile

Vizualizarea relațiilor dintre mai multe variabile

Relații între factori și distribuții

Date categorice în grafice de dispersie

Explorare cu grafice KDE

Relații în date

Analiza exploratorie a datelor este un pas esențial în fluxul de lucru de știința datelor, dar nu este finalul! Acum este momentul să înveți tehnici și considerații pe care le poți folosi pentru a avansa cu succes în proiectele tale după ce ai terminat explorarea!

Considerații privind datele categorice

Verificarea dezechilibrului de clase

Tabelul încrucișat

Generarea de noi caracteristici

Extragerea caracteristicilor pentru corelație

Calcularea percentilelor salariale

Categorizarea salariilor

Generarea ipotezelor

Compararea salariilor

Alegerea unei ipoteze

Felicitări

De la analiza exploratorie la acțiune

planes.csv

books.csv

Course Glossary

unemployment.csv

data_science_salaries.csv

divorce.csv

Ai la dispoziție date interesante – de unde începi analiza? Acest curs acoperă întregul proces de explorare și analiză a datelor, de la înțelegerea conținutului unui set de date până la integrarea descoperirilor din explorare într-un flux de lucru de știința datelor. 

Folosind date despre rata șomajului și prețurile biletelor de avion, vei utiliza Python pentru a rezuma și valida date, a calcula, identifica și înlocui valorile lipsă, și a curăța atât valori numerice, cât și categoriale. Pe parcursul cursului, vei crea vizualizări atractive în Seaborn pentru a înțelege variabilele și relațiile dintre ele. 

În final, cursul arată cum descoperirile din explorare alimentează fluxurile de lucru de știința datelor – prin crearea de noi caracteristici, echilibrarea caracteristicilor categoriale și generarea de ipoteze pe baza rezultatelor. 

La finalul acestui curs, vei avea încrederea necesară pentru a realiza propria analiză exploratorie a datelor (EDA) în Python. Vei putea explica vizual concluziile tale altora și să propui pașii următori pentru extragerea de informații din datele tale!

Videoclipurile conțin transcrieri live pe care le poți afișa dând clic pe „Show transcript" în colțul din stânga jos al videoclipurilor.									
Glosarul cursului se află în dreapta, în secțiunea de resurse.
									
Pentru a obține credite CPE, trebuie să finalizezi cursul și să obții un scor de 70% la evaluarea calificată. Poți naviga la evaluare dând clic pe notificarea pentru credite CPE din dreapta.

Introduction to Statistics in Python

Introduction to Data Visualization with Seaborn

Învață analiza exploratorie a datelor în Python cu acest curs de patru ore. Folosește date reale.

Analiza exploratorie a datelor în Python

Învață să explorezi, să vizualizezi și să extragi insight-uri din date folosind exploratory data analysis (EDA) în Python.

Generarea de noi caracteristici

Create Your Free Account