دوره یکپارچه‌سازی و ادغام داده‌ها با کتابخانه Pandas همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یکپارچه‌سازی و ادغام داده‌ها با کتابخانه Pandas

موضوع کلی: علوم کامپیوتر و داده‌کاوی

موضوع میانی: تحلیل و پردازش داده با پایتون

📋 سرفصل‌های دوره

• 1. مبانی کار با داده در پایتون
• 2. نصب و راه‌اندازی کتابخانه Pandas
• 3. ساختار داده‌ای Series در Pandas
• 4. ساختار داده‌ای DataFrame در Pandas
• 5. ورود داده‌ها از فایل‌های CSV
• 6. ورود داده‌ها از فایل‌های Excel
• 7. ورود داده‌ها از پایگاه‌های داده
• 8. انتخاب و فیلتر کردن داده‌ها در DataFrame
• 9. مرتب‌سازی داده‌ها در DataFrame
• 10. اضافه کردن و حذف ستون‌ها
• 11. تغییر نام ستون‌ها
• 12. مدیریت مقادیر گمشده (Missing Values)
• 13. پر کردن مقادیر گمشده
• 14. حذف مقادیر گمشده
• 15. عملیات آماری پایه بر روی داده‌ها
• 16. محاسبه میانگین، میانه و مد
• 17. محاسبه واریانس و انحراف معیار
• 18. محاسبه همبستگی بین ستون‌ها
• 19. گروه‌بندی داده‌ها (Group By)
• 20. توابع تجمعی (Aggregate Functions)
• 21. اعمال توابع سفارشی بر روی داده‌ها
• 22. پایه‌های ادغام داده‌ها (Merging)
• 23. تفاوت بین Join و Merge
• 24. انواع Join ها (Inner, Outer, Left, Right)
• 25. انجام Inner Join با Pandas
• 26. انجام Outer Join با Pandas
• 27. انجام Left Join با Pandas
• 28. انجام Right Join با Pandas
• 29. ادغام بر اساس کلیدهای چندگانه
• 30. ادغام با نام ستون‌های متفاوت
• 31. استفاده از شاخص (Index) برای ادغام
• 32. ادغام داده‌های تکراری
• 33. مدیریت ستون‌های تکراری پس از ادغام
• 34. استفاده از تابع merge در Pandas
• 35. پارامتر how در تابع merge
• 36. پارامتر on در تابع merge
• 37. پارامتر left_on و right_on
• 38. پارامتر left_index و right_index
• 39. ادغام داده‌های از منابع مختلف
• 40. ادغام داده‌های زمانی
• 41. ادغام داده‌های مکانی
• 42. ادغام داده‌های متنی
• 43. کاربرد ادغام در تحلیل داده‌های مشتریان
• 44. کاربرد ادغام در تحلیل داده‌های فروش
• 45. کاربرد ادغام در تحلیل داده‌های مالی
• 46. کاربرد ادغام در پردازش زبان طبیعی
• 47. کاربرد ادغام در علوم زیستی
• 48. کاربرد ادغام در شبکه‌های اجتماعی
• 49. کاربرد ادغام در هوش تجاری
• 50. بهینه‌سازی عملیات ادغام
• 51. روش‌های سریع‌تر برای ادغام
• 52. مدیریت حافظه در ادغام داده‌های بزرگ
• 53. اشکال‌زدایی (Debugging) در عملیات ادغام
• 54. نکات پیشرفته در ادغام داده‌ها
• 55. ادغام داده‌ها با استفاده از concat
• 56. تفاوت concat و merge
• 57. استفاده از concat برای الحاق ردیف‌ها
• 58. استفاده از concat برای الحاق ستون‌ها
• 59. ادغام داده‌های از چندین DataFrame
• 60. ادغام داده‌های با ساختارهای متفاوت
• 61. مدیریت ستون‌های ناموجود در concat
• 62. پارامتر axis در تابع concat
• 63. پارامتر join در تابع concat
• 64. پارامتر ignore_index در تابع concat
• 65. کاربرد concat در آماده‌سازی داده‌ها
• 66. کاربرد concat در ترکیب داده‌های سری زمانی
• 67. کاربرد concat در ترکیب داده‌های مکانی
• 68. ادغام داده‌ها با استفاده از join
• 69. تفاوت join و merge در Pandas
• 70. انجام Join با استفاده از متد join
• 71. استفاده از شاخص در متد join
• 72. ادغام چند DataFrame با join
• 73. مدیریت ستون‌های تکراری با join
• 74. مقایسه روش‌های مختلف ادغام
• 75. انتخاب روش مناسب برای ادغام
• 76. مطالعه موردی: ادغام داده‌های فروشگاه‌ها
• 77. مطالعه موردی: ادغام داده‌های شبکه‌های حمل و نقل
• 78. مطالعه موردی: ادغام داده‌های سلامت
• 79. مطالعه موردی: ادغام داده‌های آموزشی
• 80. مطالعه موردی: ادغام داده‌های اقتصادی
• 81. مطالعه موردی: ادغام داده‌های زیست‌محیطی
• 82. مطالعه موردی: ادغام داده‌های ورزشی
• 83. مطالعه موردی: ادغام داده‌های فرهنگی
• 84. مطالعه موردی: ادغام داده‌های گردشگری
• 85. مطالعه موردی: ادغام داده‌های پژوهشی
• 86. پیاده‌سازی ادغام داده‌ها در پروژه‌های واقعی
• 87. ملاحظات اخلاقی در ادغام داده‌ها
• 88. حفظ حریم خصوصی در ادغام داده‌ها
• 89. امنیت داده‌ها در فرآیند ادغام
• 90. مستندسازی فرآیند ادغام داده‌ها
• 91. جمع‌بندی و آینده تحلیل داده‌ها
• 92. کاربرد توابع شرطی در ادغام
• 93. استفاده از Boolean Indexing در ادغام
• 94. عملیات منطقی بر روی DataFrame ها
• 95. ترکیب DataFrame ها با شرط سفارشی
• 96. تنظیمات پیشرفته Pandas برای ادغام