Lär dig om några av de viktigaste datatyperna (heltal, flyttal, strängar och booleaner) och datastrukturerna (listor, ordlistor, numpy-arrayer och pandas DataFrames) i Python, och hur de förhåller sig till motsvarigheterna i R.

Introduktion

Tilldelning och datatyper

Aritmetik med strängar

Behållare – listor och ordlistor

Listor

Ordlistor (Dictionaries)

Funktioner, metoder och bibliotek

Metoder

NumPy-arrayer

Pandas DataFrames

Grunderna

Det här kapitlet behandlar kontrollflödessatser (if-else if-else), for-loopar och visar hur du skriver egna funktioner i Python!

Kontrollflöde och slingor

Kontrollflöde

Loopar

Funktioner

Funktion för individuell hetsdrrickningsstatus

Generell funktion för berusningsstatus

Lambdafunktioner

Comprehensions

Mappningsfunktioner

Listomfattning

Ordlistekomprehension

Kontrollflöde, loopar och funktioner

I det här kapitlet lär du dig mer om ett av Pythons viktigaste bibliotek: Pandas. Utöver DataFrames erbjuder pandas flera funktioner och metoder för databearbetning.

Välja data i pandas

Välja kolumner

Välja rader

Välja rader och kolumner

Datatyper

Heltal och flyttal

Strängar

Kategori

Datum (I)

Datum (II)

Avancerad Pandas

Saknade värden

Groupby

Tidy data

Pandas

Du får lära dig om det rika ekosystemet av visualiseringsbibliotek i Python. Kapitlet täcker matplotlib – Pythons centrala visualiseringsbibliotek – tillsammans med pandas- och seaborn-biblioteken.

Plotta direkt med pandas

Univariata diagram i pandas

Bivariata diagram i pandas

Seaborn

Univariata diagram i seaborn

Bivariata diagram i seaborn

Facet-diagram i seaborn

Matplotlib

Univariata och bivariata diagram i matplotlib

Delfigurer i matplotlib

Arbeta med axlar

Finputsa ett diagram

Visualisering

Som ett avslutande projekt får du tillämpa dina Python-kunskaper på datamängden NYC Flights 2013.

NYC-flygdata

Läs in flera datafiler

Utforska

Visualisera

Manipulera data

Koda om datum

Grupperade aggregat

Diagram

Dummyvariabler

Avslutning

Avslutande projekt

Flights (sample)

Inflammation

NYC Flights 2013

Tips

Country timeseries

Air quality

Python och R har båda vuxit enormt i popularitet under maskininlärningens era. Det är högnivåspråk som är enkla att lära sig och skriva kod i. Vilket språk du väljer beror på din bakgrund och ditt ämnesområde. R är ett språk skapat av och för statistiker, medan Python är ett mer allmänt programmeringsspråk. Oavsett bakgrund kommer det att finnas tillfällen då en viss algoritm finns implementerad i det ena språket men inte det andra, en funktion är bättre dokumenterad, eller helt enkelt att den handledning du hittat online använder Python i stället för R.

I sådana situationer behöver R-användaren arbeta i Python för att få jobbet gjort, eller försöka förstå hur något är implementerat i Python för att kunna översätta det till R. Den här kursen hjälper dig att ta dig över språkbarriären mellan R och Python.

Behållare – listor och ordlistor

Create Your Free Account