Här lägger vi grunden i pandas. Du lär dig att inspektera DataFrames och utföra grundläggande manipuleringar, till exempel sortera rader, filtrera delmängder och lägga till nya kolumner.

Introduktion till DataFrames

Inspektera en DataFrame

Delar av en DataFrame

Sortering och delmängder

Sortera rader

Välja ut kolumner

Filtrera rader

Filtrera rader med kategoriska variabler

Nya kolumner

Lägga till nya kolumner

Kombinationsattack!

Transformera DataFrames

I det här kapitlet beräknar du sammanfattande statistik för DataFrame-kolumner och lär dig att arbeta med grupperad statistik och pivottabeller.

Sammanfattande statistik

Medelvärde och median

Sammanfatta datum

Effektiva sammanfattningar

Kumulativ statistik

Räkna

Ta bort dubbletter

Räkna kategoriska variabler

Grupperade sammanfattande statistik

Hur stor andel av försäljningen skedde vid varje butikstyp?

Beräkningar med .groupby()

Flera grupperade sammanfattningar

Pivottabeller

Pivotera på en variabel

Fyll i saknade värden och summera värden med pivottabeller

Aggregera DataFrames

Index är kraftfulla versioner av rad- och kolumnnamn. Lär dig hur de kan kombineras med slicning för effektiv filtrering av DataFrames.

Explicita index

Sätta och ta bort index

Subsetting med .loc[]

Skapa flernivåindex

Sortera efter indexvärden

Slicing och delmängdsval med .loc och .iloc

Skiva indexvärden

Skärning i båda riktningarna

Slicning av tidsserier

Subsettning med rad- och kolumnnummer

Arbeta med pivottabeller

Pivotera temperatur per stad och år

Subsetta pivottabeller

Beräkningar på en pivottabell

Slicning och indexering av DataFrames

Lär dig att visualisera innehållet i dina DataFrames, hantera saknade värden samt importera och exportera data via CSV-filer.

Visualisera dina data

Vilken avokadostorlek är mest populär?

Förändring i försäljning över tid

Utbud och efterfrågan på avokado

Pris på konventionella och ekologiska avokados

Saknade värden

Hitta saknade värden

Ta bort saknade värden

Ersätta saknade värden

Skapa DataFrames

Lista med dictionaries

Lexikon av listor

Läsa och skriva CSV-filer

CSV till DataFrame

DataFrame till CSV

Avslutning

Skapa och visualisera DataFrames

Du kommer att lära dig att analysera data utifrån flera dimensioner samtidigt, vilket gör det möjligt att upptäcka nyanserade mönster genom att bryta ner sammanställningar i flera kategorier samtidigt.

Flera grupperingskolumner

Du kommer att lära dig att bryta ner sammanfattande statistik efter kategorier, vilket gör det möjligt för dig att jämföra mätvärden mellan olika grupper och upptäcka mönster i din data.

En grupperingskolumn

Du kommer att lära dig att sammanfatta data genom att beräkna centrala statistiska mått som summor, medelvärden och antal, vilket gör det möjligt för dig att utvinna meningsfulla insikter från rådata.

Sammanfattande värden

Dataaggregering

Du kommer att lära dig att hantera beräkningar i flera steg och beräkna procentandelar av totaler, vilket gör att du kan bygga komplexa mätetal som bygger på delresultat.

Komplexa transformationer

Du kommer att lära dig att skapa nya kolumner genom att kombinera och beräkna värden från befintlig data, vilket gör det möjligt för dig att härleda nyckeltal och andra mätvärden som inte finns tillgängliga i det ursprungliga datasetet.

Grundläggande transformationer

Datatransformering

Du kommer att lära dig att extrahera specifika rader från din data baserat på villkor, vilket gör att du kan fokusera din analys på relevanta subsets samt hantera missing values och textmönster.

Grundläggande filtrering

Du kommer att lära dig att filtrera data med hjälp av flera kriterier samtidigt, vilket gör det möjligt för dig att extrahera exakt de rader du behöver genom att kombinera villkor med AND- och OR-logik.

Flera villkor

Du kommer att lära dig att förenkla komplex filtrering genom att dela upp villkor i separata kolumner, och att extrahera motsatsen till ett filtreringsresultat, vilket gör din analys mer transparent och verifierbar.

Komplex filtrering

Datafiltrering

Du kommer att lära dig att tillämpa olika beräkningar baserat på specifika villkor, vilket gör det möjligt för dig att standardisera värden, klassificera data i kategorier och hantera olika scenarier i din data.

Villkorlig transformation

Du kommer att lära dig att beräkna sammanställningar som endast inkluderar värden som uppfyller specifika kriterier, vilket gör det möjligt att beräkna nyanserade mätvärden som ”genomsnitt för enbart försenade flyg” inom varje grupp.

Villkorlig aggregering

Villkorliga operationer

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas är världens mest populära Python-bibliotek och används för allt från datamanipulering till dataanalys. I den här kursen lär du dig att manipulera DataFrames när du extraherar, filtrerar och transformerar verkliga datamängder för analys. Med pandas utforskar du alla centrala datavetenskap-koncept. Med hjälp av verkliga data – bland annat Walmarts försäljningssiffror och globala temperaturserier – lär du dig att importera, rensa, beräkna statistik och skapa visualiseringar, och på så sätt utnyttja pandas fulla potential i Python!

Videorna innehåller direkttextning som du når via "Visa textning" längst ned till vänster i videospelaren.

Kursens ordlista finns till höger i resurssektionen.

För att få CPE-poäng behöver du slutföra kursen och nå minst 70 % på den kvalificerade bedömningen. Du når bedömningen via CPE-länken till höger.

pandas är världens mest populära Python-bibliotek och används till allt från datamanipulering till dataanalys. I den här kursen, med en AI-tutor vid din sida, lär du dig hur du manipulerar DataFrames när du aggregerar, filtrerar och transformerar verkliga datamängder för analys. Med pandas kommer du att utforska alla de centrala datamanipuleringsoperationerna som är viktiga inom datavetenskap.

<h2>Upptäck datamanipulation med pandas</h2>
Med den här kursen lär du dig varför pandas är världens mest populära Python-bibliotek, som används till allt från datamanipulering till dataanalys. Du kommer att utforska hur du manipulerar DataFrames när du extraherar, filtrerar och transformerar verkliga datamängder för analys. 
<br><br>
Med pandas kommer du att utforska alla centrala koncept inom datavetenskap. Med verkliga data, inklusive Walmarts försäljningssiffror och globala temperaturtidsserier, lär du dig hur du importerar, rensar, beräknar statistik och skapar visualiseringar — med pandas för att förstärka Python.
<br><br>
<h2>Arbeta med pandas Data för att utforska centrala koncept inom datavetenskap</h2>
Du börjar med att bemästra grunderna i pandas, inklusive hur du inspekterar DataFrames och utför några grundläggande manipulationer. Du kommer också att lära dig om att aggregera DataFrames, innan du går vidare till att skära och indexera. 
<br><br>
Du avslutar kursen med att lära dig hur du visualiserar innehållet i dina DataFrames, genom att arbeta med ett dataset som innehåller veckovisa avokadoförsäljningar i USA. 
<br><br>
<h2>Lär dig att manipulera DataFrames</h2>
Genom att slutföra den här pandas-kursen kommer du att förstå hur du använder detta Python-bibliotek för datamanipulering. Du kommer att förstå DataFrames och hur du använder dem, samt kunna visualisera dina data i Python.

Intermediate Python

Lär dig manipulera DataFrames med pandas för att extrahera, filtrera och omvandla data för analys.

Datamanipulering med pandas

Lär dig importera och rensa data, beräkna statistik och skapa visualiseringar med pandas. 

Associate Data Scientist  i Python

Dataanalytiker  i Python

Datahantering  i Python

Python-datafundamenta

Sammanfatta datum

Datamanipulering med pandas

Övningsinstruktioner

Interaktiv övning med praktiskt arbete