دوره
دیتافریم‌ها رو از فرمت عریض به طولانی تغییر شکل بدید، سطرها و ستون‌ها رو روی هم بچینید و باز کنید و دیتافریم‌های با اندیس چندگانه رو مدیریت کنید.
اغلب اوقات داده‌ها در فرمتی هستن که خوندنشون برای انسان راحته، اما برای تحلیل داده مناسب نیستن. اینجاست که Pandas می‌تونه کمک کنه. Pandas یک ابزار قدرتمند برای تغییر شکل دیتافریم‌ها به فرمت‌های مختلفه. در این دوره، مهارت‌های علم داده و تحلیلگری خودتون رو گسترش می‌دید و یاد می‌گیرید که چطور ستون‌های رشته‌ای و داده‌های تودرتوی داخل یک دیتافریم رو مدیریت کنید. شما با داده‌های دنیای واقعی، مثل رتبه‌بندی بازیکنان فیفا، نقد کتاب‌ها و داده‌های تحلیل ریزش مشتریان کار می‌کنید و یاد می‌گیرید که چطور یک دیتافریم رو از فرمت عریض به طولانی تغییر شکل بدید، سطرها و ستون‌ها رو هم بچینید و باز کنید و آمار توصیفی یک دیتافریم با اندیس چندگانه رو به دست بیارید.
اول با مفهوم فرمت عریض و فرمت طولانی و مزایای استفاده از هرکدوم آشنا می‌شید. بعد یاد می‌گیرید چطور داده‌ها رو از فرمت طولانی به عریض تبدیل کنید و از یک دیتافریم بزرگ، آمار خلاصه به دست بیارید.
یاد بگیرید چطور دیتافریم‌ها رو از فرمت عریض به طولانی تغییر شکل بدید. در این بخش، با متد melt و تابع wide_to_long آشنا می‌شید و بعد یاد می‌گیرید چطور با اتصال یا جدا کردن رشته‌ها، ستون‌های متنی رو مدیریت کنید.
در این بخش، با استفاده از اندیس‌گذاری چندسطحی، مهارت‌هاتون در تغییر داده‌ها رو ارتقا می‌دید. یاد می‌گیرید چطور با جابه‌جا کردن سطوح اندیس سطرها به محور ستون‌ها یا برعکس، شکل دیتافریم‌ها رو تغییر بدید. همچنین یاد می‌گیرید چطور داده‌های گمشده‌ای رو که در فرایندهای روی هم چیدن و باز کردن ایجاد می‌شن، مدیریت کنید.
در پایان، یاد می‌گیرید چطور فرایند تغییر شکل داده‌ها رو با گروه‌بندی ترکیب کنید تا تغییرات داده رو سریع‌تر انجام بدید. همچنین یاد می‌گیرید چطور ستون‌های شبیه لیست رو تغییر بدید و داده‌های تودرتوی پیچیده، مثل فایل‌های JSON تو‌در‌تو، رو مدیریت کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
اغلب اوقات داده‌ها در فرمتی هستن که خوندنشون برای انسان راحته، اما برای تحلیل داده مناسب نیستن. اینجاست که Pandas می‌تونه کمک کنه. Pandas یک ابزار قدرتمند برای تغییر شکل دیتافریم‌ها به فرمت‌های مختلفه. در این دوره، مهارت‌های علم داده و تحلیلگری خودتون رو گسترش می‌دید و یاد می‌گیرید که چطور ستون‌های رشته‌ای و داده‌های تودرتوی داخل یک دیتافریم رو مدیریت کنید. شما با داده‌های دنیای واقعی، مثل رتبه‌بندی بازیکنان فیفا، نقد کتاب‌ها و داده‌های تحلیل ریزش مشتریان کار می‌کنید و یاد می‌گیرید که چطور یک دیتافریم رو از فرمت عریض به طولانی تغییر شکل بدید، سطرها و ستون‌ها رو هم بچینید و باز کنید و آمار توصیفی یک دیتافریم با اندیس چندگانه رو به دست بیارید.
اول با مفهوم فرمت عریض و فرمت طولانی و مزایای استفاده از هرکدوم آشنا می‌شید. بعد یاد می‌گیرید چطور داده‌ها رو از فرمت طولانی به عریض تبدیل کنید و از یک دیتافریم بزرگ، آمار خلاصه به دست بیارید.
یاد بگیرید چطور دیتافریم‌ها رو از فرمت عریض به طولانی تغییر شکل بدید. در این بخش، با متد melt و تابع wide_to_long آشنا می‌شید و بعد یاد می‌گیرید چطور با اتصال یا جدا کردن رشته‌ها، ستون‌های متنی رو مدیریت کنید.
در این بخش، با استفاده از اندیس‌گذاری چندسطحی، مهارت‌هاتون در تغییر داده‌ها رو ارتقا می‌دید. یاد می‌گیرید چطور با جابه‌جا کردن سطوح اندیس سطرها به محور ستون‌ها یا برعکس، شکل دیتافریم‌ها رو تغییر بدید. همچنین یاد می‌گیرید چطور داده‌های گمشده‌ای رو که در فرایندهای روی هم چیدن و باز کردن ایجاد می‌شن، مدیریت کنید.
در پایان، یاد می‌گیرید چطور فرایند تغییر شکل داده‌ها رو با گروه‌بندی ترکیب کنید تا تغییرات داده رو سریع‌تر انجام بدید. همچنین یاد می‌گیرید چطور ستون‌های شبیه لیست رو تغییر بدید و داده‌های تودرتوی پیچیده، مثل فایل‌های JSON تو‌در‌تو، رو مدیریت کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.