Logo DS

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

Этапы анализа данных на языке Python:

telegram Посмотреть [все видеоуроки Python для анализа данных]

Способы поддержки автора

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

Уроки по визуализации данных на русском языке

Эффективное использование Matplotlib [.IPYNB] [CoLab] [original]
Взгляд на Plotly Express [.IPYNB] [CoLab] [original]
Введение в визуализацию данных с помощью Altair (часть 1) [.IPYNB] [CoLab] [original] и [doc]
Введение в визуализацию данных с помощью Altair (часть 2) [.IPYNB] [CoLab] [doc]
Введение в визуализацию данных с помощью Altair (часть 3) [.IPYNB] [CoLab] [doc]
Делаем сетевые графы интерактивными с помощью pyvis [.IPYNB] [CoLab] [original doc]
Визуализация с помощью HoloViz (hvplot) [.IPYNB] [install miniconda] [original doc]

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.

Элементы науки о данных на русском языке (Elements Of Data Science, professor Allen Downey)

Исследуем средний вес новорожденных (+упражнения) [.IPYNB] [CoLab] [original (07)]
Исследуем отношение между переменными (+упражнения) [.IPYNB] [CoLab] [original (09)]

Введение в байесовскую статистику с использованием Python на русском языке (Bite Size Bayes, professor Allen Downey)

Законы вероятности (+упражнения) [.IPYNB] [CoLab] [original (01)]
Теорема Байеса (+упражнения) [.IPYNB] [CoLab] [original (02)]
Проблема с печеньками (+упражнения) [.IPYNB] [CoLab] [original (03)]

Кейсы и упражнения по pandas и NumPy

Регулярные выражения в Python и pandas [CoLab]
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]

Кейсы и упражнения на Python

Теория игр и равновесие Нэша [CoLab]

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]
Шпаргалка по командам IPython [Ipython-quick-ref-sheets]

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]

Сообщество преподавателей Python

telegram Я искренне верю, что только объединив усилия, мы сделаем преподавание ИТ лучше.
Именно поэтому я хочу создать сообщество преподавателей Python для поддержки, обмена идеями и полезными материалами.
Подробности по ссылке.