کتاب مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده در پایتون

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 مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده در پایتون

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: ابزارهای تحلیل داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده با پایتون
  • 2. نصب و راه‌اندازی محیط تحلیل داده
  • 3. آشنایی با ساختارهای داده در پایتون
  • 4. مفهوم سری (Series) در Pandas
  • 5. ساخت سری از لیست‌ها و آرایه‌ها
  • 6. شاخص‌گذاری و انتخاب داده در سری
  • 7. عملیات ریاضی روی سری
  • 8. آشنایی با دیتافریم (DataFrame)
  • 9. ساخت دیتافریم از دیکشنری‌ها
  • 10. ساخت دیتافریم از لیست دیکشنری‌ها
  • 11. ساخت دیتافریم از آرایه‌های NumPy
  • 12. شاخص‌گذاری و انتخاب ستون در دیتافریم
  • 13. انتخاب سطر در دیتافریم
  • 14. انتخاب همزمان سطر و ستون
  • 15. فیلتر کردن داده‌ها در دیتافریم
  • 16. شرایط منطقی برای فیلتر کردن
  • 17. استفاده از عملگرهای منطقی در فیلتر
  • 18. انتخاب داده بر اساس برچسب (Label)
  • 19. انتخاب داده بر اساس موقعیت (Position)
  • 20. عملیات پایه روی دیتافریم
  • 21. جمع و میانگین ستون‌ها
  • 22. حداقل و حداکثر مقادیر
  • 23. مدیریت مقادیر گمشده (Missing Values)
  • 24. شناسایی مقادیر گمشده
  • 25. حذف مقادیر گمشده
  • 26. جایگزینی مقادیر گمشده
  • 27. پر کردن مقادیر گمشده با میانگین
  • 28. پر کردن مقادیر گمشده با مقدار ثابت
  • 29. بارگذاری داده‌ها از فایل‌های CSV
  • 30. بارگذاری داده‌ها از فایل‌های Excel
  • 31. ذخیره‌سازی داده‌ها در فایل CSV
  • 32. ذخیره‌سازی داده‌ها در فایل Excel
  • 33. مقدمه‌ای بر عملیات تجمیع (Aggregation)
  • 34. محاسبه مجموع هر گروه
  • 35. محاسبه میانگین هر گروه
  • 36. محاسبه تعداد هر گروه
  • 37. توابع تجمیع سفارشی
  • 38. مرتب‌سازی داده‌ها در دیتافریم
  • 39. مرتب‌سازی بر اساس مقادیر
  • 40. مرتب‌سازی بر اساس شاخص
  • 41. توابع String در Pandas
  • 42. عملیات روی رشته‌ها
  • 43. جستجو و جایگزینی در رشته‌ها
  • 44. کار با تاریخ و زمان
  • 45. تبدیل به نوع داده تاریخ و زمان
  • 46. استخراج اجزای تاریخ و زمان
  • 47. محاسبات زمانی
  • 48. مقدمه‌ای بر ادغام (Merge) دیتافریم‌ها
  • 49. ادغام داخلی (Inner Merge)
  • 50. ادغام خارجی (Outer Merge)
  • 51. ادغام سمت چپ (Left Merge)
  • 52. ادغام سمت راست (Right Merge)
  • 53. الحاق (Concatenate) دیتافریم‌ها
  • 54. الحاق سطری
  • 55. الحاق ستونی
  • 56. توابع کاربردی NumPy در Pandas
  • 57. استفاده از توابع ریاضی NumPy
  • 58. عملیات برداری با NumPy
  • 59. مقدمه‌ای بر Plotting با Matplotlib
  • 60. رسم نمودار خطی
  • 61. رسم نمودار میله‌ای
  • 62. رسم نمودار پراکندگی
  • 63. تنظیمات اولیه نمودار
  • 64. کار با داده‌های واقعی (مثال عملی)
  • 65. تحلیل داده‌های فروش
  • 66. تحلیل داده‌های مشتریان
  • 67. تحلیل داده‌های مالی (چارچوب مجاز)
  • 68. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 69. کار با داده‌های آب و هوایی
  • 70. کار با داده‌های اقتصادی (چارچوب مجاز)
  • 71. استفاده از GroupBy برای تحلیل عمیق‌تر
  • 72. تجمیع‌های چندگانه با GroupBy
  • 73. کار با توابع Apply
  • 74. اعمال توابع سفارشی روی گروه‌ها
  • 75. مقدمه‌ای بر Pivot Tables
  • 76. ساخت Pivot Table ساده
  • 77. تنظیمات پیشرفته Pivot Table
  • 78. کار با داده‌های متنی (محدود)
  • 79. پردازش اولیه متن (چارچوب مجاز)
  • 80. فیلتر کردن داده‌های متنی
  • 81. مقدمه‌ای بر بهینه‌سازی عملکرد
  • 82. نکات کلیدی برای سرعت بالا
  • 83. استفاده از Indexing بهینه
  • 84. کار با انواع داده مناسب
  • 85. مقدمه‌ای بر Data Wrangling
  • 86. پاکسازی داده‌ها
  • 87. استانداردسازی داده‌ها
  • 88. تبدیل داده‌ها
  • 89. مقدمه‌ای بر Data Visualization (با ابزارهای مجاز)
  • 90. نمودارهای آماری مناسب
  • 91. تفسیر نمودارها
  • 92. جمع‌بندی و گام‌های بعدی
  • 93. تمرینات عملی پیشرفته
  • 94. پروژه‌های کوچک تحلیل داده
  • 95. کار با کتابخانه‌های مرتبط (محدود)
  • 96. نکات پایانی برای تحلیل‌گر داده

📚 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.