Cursus Data-analyse met Python: NumPy, pandas en visualisatie

Gratis online cursus · Gemiddeld · 8 lessen

Gebruik NumPy en pandas om gegevens in te lezen, op te schonen, te combineren, om te vormen, te groeperen en te visualiseren met Matplotlib en Seaborn. Je werkt ook met tijdreeksen en doet een volledige verkennende analyse in een notebook. Daarna kun je een reproduceerbare data-analyse in Python uitvoeren.

Door Studeli

Begin met les 1

Is deze cursus Data-analyse met Python iets voor jou?

Voor wie

Je kunt eenvoudige Python-code schrijven (variabelen, lussen, functies, lijsten en dictionary's), kent het analyseproces en wilt gegevens analyseren met NumPy, pandas en notebooks.

Wat je leert in 8 lessen

Elke les bevat alle negen studietools

  • Leermodule
  • Samenvatting
  • Walkthroughs
  • Oefenvragen
  • Flashcards
  • Leg Het Uit
  • Kernbegrippen
  • Spiekbriefje
  • Conceptmap
  1. NumPy-arrays

    Begin hier

    Maak NumPy-arrays, indexeer ze en wijzig hun vorm, en vervang lussen door gevectoriseerde berekeningen, broadcasting en aggregaties.

    6 leerdoelen
    1. 1.Maak arrays en bepaal hun datatypes
    2. 2.Selecteer en filter gegevens in arrays
    3. 3.Wijzig de vorm van arrays, transponeer ze en voeg ze samen
    4. 4.Vervang lussen door gevectoriseerde berekeningen, ufuncs en broadcasting
    5. 5.Vat arrays samen met aggregaties langs assen
    6. 6.Genereer toevalsgetallen en voer simulaties uit
  2. Maak en controleer Series en DataFrames in pandas, selecteer en filter rijen en kolommen en bereken nieuwe kolommen en samenvattende statistieken.

    6 leerdoelen
    1. 1.Begrijp Series en DataFrames
    2. 2.Lees een CSV-bestand in en controleer de ingelezen gegevens
    3. 3.Selecteer gegevens op label en op positie
    4. 4.Filter rijen op voorwaarden
    5. 5.Voeg kolommen toe en transformeer ze
    6. 6.Sorteer gegevens, ken rangnummers toe en vat gegevens samen
  3. Lees gegevens in en sla ze op in CSV, Excel, JSON, Parquet en SQL-databases, roep web-API's aan en ga om met tekencoderingen en rommelige bestandsindelingen.

    6 leerdoelen
    1. 1.Lees tekstbestanden met scheidingstekens in met pandas
    2. 2.Lees tekst correct en efficiënt in
    3. 3.Werk met Excel-werkmappen
    4. 4.Haal gegevens op uit JSON-bestanden en web-API's
    5. 5.Sla gegevens op in het juiste bestandsformaat
    6. 6.Lees gegevens uit SQL-databases en schrijf er gegevens naartoe
  4. Schoon DataFrames op en transformeer, combineer en herstructureer ze met pandas, inclusief ontbrekende gegevens, tekstbewerkingen, samenvoegingen en pivots.

    5 leerdoelen
    1. 1.Spoor ontbrekende waarden en duplicaten op en verwerk ze
    2. 2.Transformeer waarden door vervanging, waardetoewijzing en klasse-indeling
    3. 3.Schoon tekst en categorische gegevens op
    4. 4.Combineer DataFrames
    5. 5.Herstructureer gegevens met hiërarchische indexen, pivot en melt
  5. Verdeel gegevens in groepen, pas aggregaties, transformaties en eigen functies toe en maak draaitabellen en kruistabellen.

    5 leerdoelen
    1. 1.Verdeel gegevens in groepen met groupby
    2. 2.Vat elke groep samen met aggregaties
    3. 3.Transformeer en filter per groep en pas per groep functies toe
    4. 4.Deel numerieke gegevens in klassen in en analyseer groepen op basis van klassen en kwantielen
    5. 5.Vat gegevens samen in draaitabellen en kruistabellen
  6. Zet datums en tijden om, indexeer gegevens op tijd, pas resampling toe, bereken statistieken met schuivende vensters en werk met tijdzones en perioden.

    6 leerdoelen
    1. 1.Zet datums en tijden om in gegevens waarmee pandas kan rekenen
    2. 2.Indexeer, selecteer en vergelijk gegevens op basis van tijd
    3. 3.Genereer datums en gebruik frequenties, verschuivingen en perioden
    4. 4.Wijzig de frequentie van een tijdreeks met resampling
    5. 5.Vlak gegevens af en vat ze samen met schuivende en uitbreidende vensters
    6. 6.Verwerk tijdzones en zomertijd
  7. Maak lijndiagrammen, staafdiagrammen, spreidingsdiagrammen, histogrammen, boxplots en heatmaps met Matplotlib, pandas en seaborn en pas ze aan.

    5 leerdoelen
    1. 1.Maak grafieken met figuren en grafiekgebieden van Matplotlib
    2. 2.Maak grafieken rechtstreeks vanuit pandas
    3. 3.Maak statistische grafieken met seaborn
    4. 4.Visualiseer verdelingen en waardenrasters
    5. 5.Maak figuren met meerdere deelgrafieken, voeg annotaties toe en exporteer ze
  8. Voer een volledige verkennende analyse uit in een notebook: breng variabelen in kaart, onderzoek verdelingen en verbanden en rapporteer je bevindingen op een reproduceerbare manier.

    6 leerdoelen
    1. 1.Plan een verkennende analyse in een notebook
    2. 2.Breng een dataset in kaart en beoordeel de kwaliteit
    3. 3.Beschrijf de verdeling van elke variabele
    4. 4.Verken verbanden tussen variabelen
    5. 5.Vergelijk segmenten van de gegevens
    6. 6.Rapporteer verkennende bevindingen op een reproduceerbare manier

Wat je hierna kunt volgen

Meer cursussen Data science & AI
Kunstmatige intelligentie (Gemiddeld)

Je kunt programmeren, kent basisdatastructuren, discrete wiskunde en kansrekening, en wilt de kerntechnieken van AI begrijpen in plaats van alleen AI-tools te gebruiken.

Maak je eigen Studiemateriaal

Maak van je aantekeningen, slides en documenten Leermodules, Oefenvragen, Flashcards en 6 andere tools.

Aan de slag