О курсе
1. Информация
Основы Numpy
1. Зачем при изучении Pandas нужен Numpy?
2. Практика: shape, dtype, ndim, zeros, ones, arange
3. Типы данных и их преобразование, арифметика, доступ к элементам
4. Практика: арифметика, преобразование типов, доступ к элементам
5. Двумерные и трехмерные массивы. Учимся применять индексы
6. Практика: закрепляем работу с индексами
7. Маска и слайсинг вместе, прихотливая индексация, а еще reshape
8. Практика: учимся изменять форму массива
9. Еще о reshape, транспонирование, унарные и бинарные функции
10. Практика: закрепляем знания про унарные и бинарные функции
11. Логические функции и функция в функции, а еще where и статистика
12. Практика: доводим до мастерства работу с полезными функциями
13. Функции any, all, sort, unique, in1d. Обзор линейной алгебры
14. Функции permutation и shuffle. Сохранение массива в файл
Введение в Pandas
1. Первое знакомство с Series
2. Практика: проверяем свои знания о серии
3. Поподробнее про серии: идексы, сложение, проверка на NaN
4. Практика: тонкости при работе с сериями
5. Первое знакомство с DataFrame
6. Поподробнее про DataFrame: индексы, вложенные словари, del и .T
7. Практика: особенности индексации
8. Функции reindex, drop и индексация в датафрейме
9. Практика: вытягиваем нужное, удаляем ненужное
10. Операторы loc, iloc, at, iat. Сложение нескольких датафреймов
11. Сложение датафреймов, сортировки, арифметика с пропусками
12. Описательные статистики. Уникальные значения
13. Контрольная работа
14. Контрольная работа (продолжение)
Pandas: работа с источниками данных
1. Что такое формат CSV и как его приручить?
2. Поподробнее про обработку пропусков
3. Учимся читать большие файлы кусочками
4. Кто такой JSON и как с ним подружиться?
5. Знакомимся с форматами HTML, XML, PICKLE, HDF5
6. Старый добрый Excel и немного про базы данных
Pandas: чистка и подготовка данных к анализу
1. Учимся обрабатывать пропуски
2. Проверяем данные на дубликаты и избавляемся от них
3. Про замену значений и дискретизацию
4. Определяем выбросы и грамотно устраняем их
5. Создаём матрицы фиктивных переменных
6. Работа со строками - проще чем кажется!
Pandas: объединение данных и преобразование формы
1. Знакомство с иерархической индексацией
2. Действия с мультииндексами в датафреймах
3. Учимся соединять датафреймы с помощью merge
4. Аналог merge; конкатенация датафреймов через concat
5. Комбинирование данных и преобразование формы