Подборка статей о работе с библиотеками для анализа данных на языке Python

Еженедельные обновления доступны в Telegram-канале:

Введение в pandas на русском языке

01. Какие данные обрабатывает pandas?	[.IPYNB]	[CoLab]
02. Как мне читать и записывать табличные данные?	[.IPYNB]	[CoLab]
03. Как выбрать подмножество из DataFrame?	[.IPYNB]	[CoLab]
04. Как строить график в pandas?	[.IPYNB]	[CoLab]
05. Как создать новые столбцы?	[.IPYNB]	[CoLab]
06. Как рассчитать сводную статистику?	[.IPYNB]	[CoLab]
07. Как изменить раскладку таблиц?	[.IPYNB]	[CoLab]
08. Как объединить данные из нескольких таблиц?	[.IPYNB]	[CoLab]
09. Как легко обрабатывать данные временных рядов?	[.IPYNB]	[CoLab]
10. Как манипулировать текстовыми данными?	[.IPYNB]	[CoLab]

Уроки по работе с pandas на русском языке

Pandas за 10 минут	[.IPYNB]	[CoLab]	[оригинал документации]
Типичные задачи Excel, продемонстрированные в pandas (часть 1)	[.IPYNB]	[CoLab]	[оригинал статьи]
Типичные задачи Excel, продемонстрированные в pandas (часть 2)	[.IPYNB]	[CoLab]	[оригинал статьи]
Советы по выбору столбцов в DataFrame с помощью iloc и filter	[.IPYNB]	[CoLab]	[оригинал статьи]
Обзор типов данных pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Использование типа данных категории в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Руководство по кодированию категориальных значений в Python	[.IPYNB]	[CoLab]	[оригинал статьи]
Очистка данных о валюте с помощью pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Эффективная очистка текста с помощью pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Excel процедуры Filter и Edit, продемонстрированные в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Сводная таблица (pivot_table) в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Подробное руководство по группировке и агрегированию с помощью pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Объяснение функций Grouper и agg в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Понимание функции transform в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Объяснение кросс-таблицы (crosstab) в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Биннинг (разделение) данных с помощью qcut и cut в pandas	[.IPYNB]	[CoLab]	[оригинал статьи]
Моделирование Монте-Карло с помощью Python	[.IPYNB]	[CoLab]	[оригинал статьи]
Аккуратные данные (tidy data) в Python	[.IPYNB]	[CoLab]	[оригинал статьи]

Уроки по визуализации данных на русском языке

Эффективное использование Matplotlib	[.IPYNB]	[CoLab]	[оригинал статьи]
Взгляд на Plotly Express	[.IPYNB]	[CoLab]	[оригинал статьи]
Введение в визуализацию данных с помощью Altair (часть 1)	[.IPYNB]	[CoLab]	[оригинал статьи] и [документация]
Введение в визуализацию данных с помощью Altair (часть 2)	[.IPYNB]	[CoLab]	[документация]
Введение в визуализацию данных с помощью Altair (часть 3)	[.IPYNB]	[CoLab]	[документация]
Делаем сетевые графы интерактивными с помощью pyvis	[.IPYNB]	[CoLab]	[оригинальная документация]
Схема участников процесса анализа данных на визуальном языке ДРАКОН	[DrakonHub]		[документация по языку ДРАКОН]

Полезные модули и сервисы для анализа данных

Шаблон Cookiecutter на русском языке: позволяет автоматизировать создание структуры файлов и каталогов для проекта по анализу данных
Создание простых сводных таблиц в pandas с помощью модуля sidetable	[.IPYNB]	[CoLab]
Анализ IP- и MAC-адресов с помощью модуля cyberpandas	[.IPYNB]	[CoLab]
Используем модуль folium для рисования карт	[.IPYNB]	[CoLab]
Использование модуля Pandas Profiling для профилирования	[.IPYNB]	[CoLab]
Проверка статистических данных с помощью модуля pandera	[.IPYNB]	[CoLab]
Deepnote — новая перспективная веб-IDE для специалистов по анализу данных.

Шпаргалки по pandas и Python в оригинале

Основные команды при работе с утилитой conda	[PDF]
Типы данных и операции в классическом Python	[PDF]
Операции над матрицами в NumPy	[PDF]
Официальная шпаргалка по pandas	[PDF]
Восхитительная шпаргалка по pandas	[PDF]
Шпаргалка по pandas от Enthought	[PDF]
Шпаргалка по Seaborn	[PDF]
Шпаргалка по plotly	[PDF]
Шпаргалка по git	[PDF]
Шпаргалка по git от Atlassian	[PDF]
Шпаргалка по git от GitHub Education	[PDF]
Шпаргалка по регулярным выражениям на Python	[PDF]
Шпаргалка по регулярным выражениям (на русском языке)	[PDF]

Шпаргалки по Matplotlib в оригинале

Шпаргалка по Matplotlib	[PDF]
Шпаргалка Быстрый старт 1	[PNG]
Шпаргалка Быстрый старт 2	[PNG]
Шпаргалка для начинающих	[PNG]
Шпаргалка для продвинутых пользователей	[PNG]

Кейсы и упражнения по pandas и NumPy

Что добавляют в избранное на Ozon в 2020 году?	[CoLab]
Что не находят на Ozon в 2020 году?	[CoLab]
Вакансии и зарплаты в Тинькофф в 2019 году	[CoLab]
Анализ статистики COVID-19 в мире	[CoLab]
Анализ частоты запросов на Яндекс.Метрике с помощью модуля pymorphy2	[CoLab]
Подборка заданий по pandas	[github]
Подборка заданий по NumPy	[github]
Регулярные выражения в Python и pandas	[CoLab]

Кейсы и упражнения на Python

Теория игр и равновесие Нэша

Авторские видеоуроки "Python: основы программирования. Быстрый старт"

Учебник по Python в PDF или бумажный на Ozon

01. Простой калькулятор, переменные, функции и создание собственных функций	[Видео]	[Презентация]
02. Строки и операции над ними, операторы отношений, оператор if	[Видео]	[Презентация]
03. Модули, создание собственных модулей, doc-тесты и случайные числа	[Видео]	[Презентация]
04. Строковые методы, форматирование строк и популярные строковые методы	[Видео]	[Презентация]
05. Списки и операции над ними, псевдонимы, срезы и поверхностное копирование, методы списка, сортировка списков, преобразование типов	[Видео]	[Презентация]
06. Цикл for, функция range, способы создания списка и цикл while	[Видео]	[Презентация]
07. Множества, кортежи и словари	[Видео]	[Презентация]
08. Обработка ошибок, работа с файлами и unicode	[Видео]	[Презентация], [Блокнот по обработке ошибок], [Блокнот по файлам]
09. Классы и объекты, специальный метод __add__, атрибуты класса, наследование и создание собственного исключения	[Видео]	[Презентация], [Блокнот по ООП]
10. Разработка оконного приложения с помощью модуля tkinter	[Видео]	[Презентация]

Документация в переводе Семёна Лукашевского

Краткое руководство по NumPy	[Часть 1 в .IPYNB и CoLab], [Часть 2 в .IPYNB и CoLab], [Часть 3 в .IPYNB и CoLab], [Часть 4 в .IPYNB и CoLab], [ссылка на оригинал]
Справочное руководство по NumPy	[ссылка]
Руководство по Pandas	[ссылка]
Краткое руководство по Matplotlib	[ссылка]
Руководство по Seaborn	[ссылка]