کتاب آموزش Python و کتابخانه Pandas برای تحلیل داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش Python و کتابخانه Pandas برای تحلیل داده

موضوع کلی: برنامه نویسی

موضوع میانی: زبان‌های برنامه‌نویسی**

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون برای تحلیل داده
• 2. نصب و راه‌اندازی محیط پایتون و کتابخانه‌ها
• 3. آشنایی با متغیرها و انواع داده در پایتون
• 4. ساختارهای داده پایه: لیست، تاپل، دیکشنری و مجموعه
• 5. حلقه‌ها و شرط‌ها در پایتون
• 6. توابع و ماژول‌ها در پایتون
• 7. کار با فایل‌های متنی در پایتون
• 8. معرفی کتابخانه Pandas و نصب آن
• 9. ساختار داده Series در Pandas
• 10. ساختار داده DataFrame در Pandas
• 11. خواندن داده از فایل CSV با Pandas
• 12. خواندن داده از فایل Excel با Pandas
• 13. خواندن داده از پایگاه داده SQL با Pandas
• 14. بررسی اولیه داده با متدهای head و info
• 15. مدیریت مقادیر گمشده در DataFrame
• 16. حذف ردیف‌ها و ستون‌های اضافی
• 17. انتخاب و فیلتر کردن داده‌ها با ایندکس
• 18. فیلتر کردن داده‌ها با شرط‌های منطقی
• 19. مرتب‌سازی داده‌ها بر اساس ستون‌ها
• 20. افزودن و حذف ستون‌ها در DataFrame
• 21. تغییر نام ستون‌ها و ایندکس‌ها
• 22. کار با تاریخ و زمان در Pandas
• 23. ایجاد ستون‌های جدید بر اساس محاسبات
• 24. کاربرد تابع apply برای تغییر داده‌ها
• 25. گروه‌بندی داده‌ها با groupby
• 26. محاسبه آمار توصیفی با describe
• 27. محاسبه مجموع، میانگین و میانه در گروه‌ها
• 28. ادغام دو DataFrame با merge
• 29. اتصال دو DataFrame با concat
• 30. کار با داده‌های تکراری و حذف آنها
• 31. تبدیل نوع داده ستون‌ها
• 32. کار با داده‌های متنی در Pandas
• 33. نمایه‌سازی چندسطحی (MultiIndex)
• 34. ذخیره DataFrame در فایل CSV
• 35. ذخیره DataFrame در فایل Excel
• 36. ذخیره DataFrame در فایل JSON
• 37. مقدمه‌ای بر مصورسازی داده با Matplotlib
• 38. نمودار خطی با Pandas و Matplotlib
• 39. نمودار میله‌ای با Pandas و Matplotlib
• 40. نمودار هیستوگرام برای توزیع داده
• 41. نمودار پراکندگی برای روابط متغیرها
• 42. نمودار جعبه‌ای برای شناسایی داده‌های پرت
• 43. تحلیل همبستگی بین متغیرها با corr
• 44. کار با داده‌های بزرگ و chunking
• 45. مدیریت حافظه در Pandas
• 46. بهینه‌سازی نوع داده برای کارایی
• 47. کار با داده‌های زمانی و resampling
• 48. پر کردن مقادیر گمشده با روش‌های آماری
• 49. تشخیص و مدیریت داده‌های پرت
• 50. کاربرد pivot_table برای تحلیل جدولی
• 51. ایجاد خلاصه‌های آماری سفارشی
• 52. تحلیل داده‌های دسته‌بندی شده
• 53. تمرین جامع: تحلیل مجموعه داده واقعی
• 54. مقدمه‌ای بر توابع آماری پیشرفته در Pandas
• 55. ایجاد گزارش خودکار از تحلیل داده