Visão Geral

Curso Pandas For Data Analysis, Pandas é uma biblioteca python de código aberto que fornece ferramentas de análise e estrutura de dados de alto desempenho para a linguagem de programação Python. Python com pandas pode ser usado em vários campos, como estatística, economia e análise. Este curso foi desenvolvido para fornecer conhecimento sobre como analisar dados de maneira rápida e fácil com a poderosa biblioteca pandas do Python.

Neste Curso Pandas For Data Analysis de 16 horas, os participantes obterão conhecimento abrangente sobre pandas e estruturas de dados. Os alunos participantes aprenderão como trabalhar com dados de texto, dados faltantes e dados categóricos. Além disso, eles compreenderão mesclagem, junção, concatenação, remodelagem e tabelas dinâmicas.

Durante este Curso Pandas For Data Analysis, os participantes se familiarizarão com visualização, IDE, validação de dados e tipos de dados de extensão. Os aluos participantes aprenderão como armazenar objetos DataFrame do pandas no formato Apache Parquet. Ao concluir este curso, os participantes compreenderão vários temas dos pandas.

Publico Alvo

• Cientistas de Dados
• Analistas de dados
• Engenheiros de software
• Engenheiros de aprendizado de máquina
• Analistas de negócios
• Profissionais de inteligência de negócios
• Gerentes de projeto

Materiais

Conteúdo Programatico

Introduction and Installation

1. Define Pandas
2. Installing Pandas
3. Running Test Suite
4. Dependencies

Getting Started with Pandas

1. Package Overview
2. Exploring Panda
3. Essential Basic Functionality
4. Comparison with Other Tools

User Guide

1. IO Tools
2. Indexing
3. Merge, Join, and Concatenate
4. Reshaping and Pivot Tables
5. Working with Text Data, Missing Data, and Categorical Data
6. Nullable Integer Data Type
7. Computational Tools
8. Group By: Split-Apply-Combine
9. Time Series and Time Deltas
10. Stylings
11. Options and Settings
12. Enhancing Performance
13. Sparse Data Structures

Pandas Ecosystem

1. Statistics and Machine Learning
2. Visualisation
3. IDE
4. Extension Data Types

Development Phase

1. Extending Pandas
2. Storing Pandas DataFrame Objects in Apache Parquet Format