Logo DS

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

Еженедельные обновления доступны в Telegram-канале:
telegram

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 Matplotlib [PDF]
Шпаргалка по Seaborn [PDF]
Шпаргалка по plotly [PDF]

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]

Кейсы и упражнения на Python

Теория игр и равновесие Нэша [CoLab]

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]