کتاب کار با داده‌ها در پایتون با کتابخانه pandas

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با داده‌ها در پایتون با کتابخانه pandas

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل و پردازش داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و پایتون
  • 2. نصب و راه‌اندازی محیط توسعه
  • 3. آشنایی با کتابخانه pandas
  • 4. انواع ساختارهای داده در pandas: Series
  • 5. ایجاد Series از لیست‌ها و آرایه‌ها
  • 6. نام‌گذاری ایندکس در Series
  • 7. دسترسی به عناصر Series
  • 8. عملیات ریاضی روی Series
  • 9. فیلتر کردن داده‌ها در Series
  • 10. آشنایی با ساختار داده DataFrame
  • 11. ایجاد DataFrame از دیکشنری‌ها
  • 12. ایجاد DataFrame از لیست لیست‌ها
  • 13. ایجاد DataFrame از فایل CSV
  • 14. خواندن و نوشتن فایل‌های CSV
  • 15. خواندن و نوشتن فایل‌های Excel
  • 16. دسترسی به ستون‌ها در DataFrame
  • 17. دسترسی به سطرها با .loc
  • 18. دسترسی به سطرها با .iloc
  • 19. فیلتر کردن سطرها بر اساس شرایط
  • 20. انتخاب ستون‌های خاص
  • 21. تغییر نام ستون‌ها
  • 22. حذف ستون‌ها
  • 23. حذف سطرها
  • 24. آشنایی با مقادیر گمشده (NaN)
  • 25. شناسایی مقادیر گمشده
  • 26. حذف ردیف‌های دارای مقادیر گمشده
  • 27. جایگزینی مقادیر گمشده
  • 28. پر کردن مقادیر گمشده با مقدار میانگین
  • 29. پر کردن مقادیر گمشده با مقدار میانه
  • 30. پر کردن مقادیر گمشده با مقدار مد
  • 31. پر کردن مقادیر گمشده با مقدار قبلی
  • 32. پر کردن مقادیر گمشده با مقدار بعدی
  • 33. تغییر نوع داده ستون‌ها
  • 34. تبدیل رشته به تاریخ
  • 35. مرتب‌سازی DataFrame بر اساس ستون‌ها
  • 36. مرتب‌سازی DataFrame بر اساس ایندکس
  • 37. گروه‌بندی داده‌ها با groupby
  • 38. محاسبه مجموع گروه‌بندی شده
  • 39. محاسبه میانگین گروه‌بندی شده
  • 40. محاسبه شمارش گروه‌بندی شده
  • 41. محاسبه حداقل و حداکثر گروه‌بندی شده
  • 42. اعمال توابع دلخواه بر گروه‌ها
  • 43. ادغام (Merge) دو DataFrame
  • 44. الحاق (Join) دو DataFrame
  • 45. الحاق سطری (Concatenation)
  • 46. تبدیل (Pivot) داده‌ها
  • 47. بازسازی (Melt) داده‌ها
  • 48. توابع رشته‌ای در pandas
  • 49. عملیات بر روی رشته‌ها
  • 50. کار با عبارات منظم (Regex)
  • 51. شناسایی الگوها در رشته‌ها
  • 52. تبدیل رشته‌ها به حروف کوچک و بزرگ
  • 53. حذف فضاهای خالی از رشته‌ها
  • 54. تقسیم رشته‌ها
  • 55. الحاق رشته‌ها
  • 56. کار با داده‌های تاریخ و زمان
  • 57. استخراج اجزای تاریخ
  • 58. محاسبه اختلاف زمانی
  • 59. تغییر فرمت تاریخ
  • 60. فیلتر کردن بر اساس بازه زمانی
  • 61. آشنایی با نقشه‌های حرارتی (Heatmaps)
  • 62. ایجاد نقشه‌های حرارتی ساده
  • 63. کار با کتابخانه Seaborn برای تجسم
  • 64. تجسم داده‌های آماری
  • 65. رسم نمودار خطی
  • 66. رسم نمودار میله‌ای
  • 67. رسم نمودار پراکندگی (Scatter Plot)
  • 68. رسم نمودار هیستوگرام
  • 69. رسم نمودار جعبه‌ای (Box Plot)
  • 70. رسم نمودار چگالی (Density Plot)
  • 71. تنظیمات پیشرفته نمودارها
  • 72. ذخیره نمودارها در فایل
  • 73. کار با داده‌های حجیم
  • 74. بهینه‌سازی حافظه در pandas
  • 75. استفاده از انواع داده بهینه
  • 76. فشرده‌سازی داده‌ها
  • 77. خواندن بخش‌هایی از فایل‌های بزرگ
  • 78. کار با پایگاه‌های داده رابطه‌ای
  • 79. اتصال به پایگاه داده PostgreSQL
  • 80. استفاده از SQL در pandas
  • 81. خواندن داده از پایگاه داده
  • 82. نوشتن داده در پایگاه داده
  • 83. آشنایی با NoSQL (به صورت کلی)
  • 84. مقدمه‌ای بر داده‌های متنی
  • 85. پردازش اولیه متن
  • 86. شمارش کلمات
  • 87. حذف کلمات توقف (Stop Words)
  • 88. لِماتیزاسیون (Lemmatization)
  • 89. استمینگ (Stemming)
  • 90. نمایش متنی داده‌ها (Bag of Words)
  • 91. TF-IDF (Term Frequency-Inverse Document Frequency)
  • 92. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 93. الگوهای سری‌های زمانی
  • 94. شناسایی روند (Trend)
  • 95. شناسایی فصلی بودن (Seasonality)
  • 96. تحلیل و پیش‌بینی سری‌های زمانی
  • 97. ملاحظات اخلاقی در تحلیل داده
  • 98. حفظ حریم خصوصی داده‌ها
  • 99. پرهیز از سوگیری در تحلیل
  • 100. تفسیر صحیح نتایج

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.