Packt
Intermediate Data Analysis Techniques with Pandas

Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Packt

Intermediate Data Analysis Techniques with Pandas

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 12 Stunden
3 Wochen bei 4 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 12 Stunden
3 Wochen bei 4 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Utilize advanced data selection and column operations techniques in Pandas.

  • Employ various filtering techniques to enhance data extraction precision.

  • Apply Pandas methods proficiently to clean and prepare data effectively.

  • Manage and manipulate MultiIndex and text data within Pandas for comprehensive data handling.

Kompetenzen, die Sie erwerben

  • Kategorie: MultiIndex Pandas
  • Kategorie: Data Cleaning
  • Kategorie: Pandas DataFrames
  • Kategorie: Data Filtering
  • Kategorie: Data Extraction

Wichtige Details

Erwerben Sie ein Karrierezertifikat.

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

August 2024

Bewertungen

8 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data Analysis with Pandas and Python
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 7 Module

In this module, we will explore the foundational concepts of working with DataFrames in Pandas, starting with a comparison of Series and DataFrame methods and attributes. You will learn to select and manipulate both single and multiple columns, and add new columns to your DataFrames. We will cover the use of value_counts for column analysis and strategies for handling missing values. Additionally, you'll master data type conversions using the astype method, sorting DataFrames with sort_values and sort_index, and ranking values within columns using the rank method.

Das ist alles enthalten

14 Videos2 Lektüren1 Aufgabe

In this module, we will dive into filtering data within DataFrames. You'll be introduced to the dataset and learn memory optimization techniques. We will cover filtering rows based on conditions and using logical operators like AND (&) and OR (|). Advanced filtering methods such as isin, isnull, and notnull will be explored. You'll also learn to filter data within a range using the between method, identify and handle duplicates with duplicated and drop_duplicates, and find and count unique values using unique and nunique methods.

Das ist alles enthalten

10 Videos1 Aufgabe

In this module, we will explore essential data extraction techniques in Pandas. You'll start with an introduction to the dataset and learn to set and reset indices using set_index and reset_index methods. We will cover retrieving rows by index positions with iloc and by labels with loc, and understand the second arguments for precise data retrieval. You'll learn to overwrite individual and multiple values, rename index labels or columns, and delete rows or columns. Advanced extraction techniques like sampling with the sample method, extracting specific rows with nsmallest and nlargest, conditional filtering with where, and executing functions across DataFrame rows or columns with apply, will also be covered.

Das ist alles enthalten

13 Videos1 Aufgabe

In this module, we will focus on working with text data in Pandas. You'll start with an introduction to the dataset and learn to use common string methods for text data manipulation. We will cover filtering DataFrame rows using string methods and applying these methods to DataFrame indices and columns. You'll master the split method to divide text data into multiple parts and enhance your skills with additional practice exercises. Finally, you'll learn to customize text splitting using the expand and n parameters of the split method for more detailed analysis.

Das ist alles enthalten

7 Videos1 Aufgabe

In this module, we will explore the advanced capabilities of MultiIndex in Pandas, starting with an introduction to its concepts. You'll learn to create and manage MultiIndex DataFrames for complex data grouping and analysis. We will cover techniques to extract and rename index level values for clarity, and how to sort and extract specific rows for better data organization. Additionally, you'll master methods like transpose, stack, and unstack to reshape DataFrames, and apply pivot, melt, and pivot_table methods to reorganize and transform data efficiently.

Das ist alles enthalten

12 Videos1 Aufgabe

In this module, we will delve into the GroupBy functionality in Pandas, starting with an introduction to its essential concepts for data aggregation. You'll learn to use the groupby method to group data and retrieve specific groups with the get_group method. We will explore various aggregation methods available on GroupBy objects and cover techniques for grouping data by multiple columns. Additionally, you'll master the agg method to apply multiple operations on grouped data and learn to iterate through groups for individual data processing.

Das ist alles enthalten

7 Videos1 Aufgabe

In this module, we will explore essential techniques for merging DataFrames in Pandas. You'll begin with an introduction to various merging methods, followed by a detailed look at using the pd.concat function to concatenate DataFrames along a specified axis. We will cover left joins and the use of left_on and right_on parameters for specific column matching, as well as inner joins to combine DataFrames based on intersecting keys. Additionally, you'll learn about full-outer joins to merge DataFrames including all keys from both frames, and how to merge by indexes using left_index and right_index parameters. Finally, you'll be introduced to the join method as a simpler alternative for merging DataFrames.

Das ist alles enthalten

10 Videos1 Lektüre2 Aufgaben

Dozent

Packt - Course Instructors
Packt
373 Kurse10.749 Lernende

von

Packt

Empfohlen, wenn Sie sich für Data Analysis interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen