Основы анализа данных в Python

Дорогие студенты!

Это страница курса по выбору «Основы анализа данных в Python», читаемого на программе «Политология» 3 курса бакалавриата в 1 модуле 2022-2023 учебного года.

Лекции читает: Стукал Денис Константинович.
Семинары ведут: Тамбовцева Алла Андреевна, Беленков Вадим Евгеньевич (семинары 1-2).

Правила игры

• Формула оценки: 0.25 * Экзамен + 0.08 * ДЗ1 + 0.08 * ДЗ2 + 0.08 * ДЗ3 + 0.08 * ДЗ4 + 0.08 * ДЗ5 + 0.1 * ДЗ6 + 0.25 * Проект.
• Программа курса.
• Домашние задания, начиная с третьей недели курса, сдаются через запросы Dropbox.

Материалы практических занятий

Недели 1-2. Предварительная обработка данных. Введение в анализ данных.

• Файл wiki.csv, файл с описанием данных.
• Доверительные интервалы, проверка гипотез, коэффициенты корреляции (читать, скачать).

Дополнительно:

• NumPy arrays, Pandas Series, Pandas DataFrame (читать).
• Работа с датафреймами pandas: часть 1 , часть 2, часть 3, файл с данными firtree.csv.
• Официальная документация модуля stats из библиотеки scipy.

Неделя 3. Визуализация данных с библиотекой matplotlib.

• Файл wiki.csv, файл с описанием данных.
• Визуализация данных с matplotlib (читать, скачать).

Дополнительно:

• Визуализация данных с matplotlib: более продвинутые примеры (TBA).
• Форматы цветов в matplotlib, палитра цветов от Google.
• Типы маркеров и линий в matplotlib.
• Официальная документация: hist(), plot(), scatter_matrix(), bar().

Неделя 4. Линейная регрессия с библиотекой statsmodels.

• Данные для работы: можно скопировать ссылку или скачать файл Salaries.csv, описание данных.
• Парная и множественная линейная регрессия со statsmodels (читать, скачать).

Неделя 5. Линейная регрессия с эффектами взаимодействия.

• Данные для работы: можно скопировать ссылку или скачать файл Salaries.csv, описание данных.

• Линейная регрессия с эффектами взаимодействия (читать, скачать).

• Сырой ipynb-файл с занятия, с влиятельными наблюдениями (читать, скачать).

Дополнительно:

• Гетероскедастичность и влиятельные наблюдения (TBA).

Неделя 6. Логистическая регрессия.

• Данные для работы: можно скопировать ссылку или скачать файл HR.csv, данных.

• Сырой ipynb-файл с занятия (читать, скачать).

Домашние задания

Домашние задания 1-2 сдавались через SmartLMS.

Домашнее задание	Файлы	Дедлайн	Куда сдавать
Домашнее задание 2а	ipynb responses_py.csv life_expect.csv	04.10 23:59	ссылка
Домашнее задание 3	ipynb canada.csv	07.10 23:59	ссылка
Домашнее задание 4	ipynb research.csv nyc_squirrels.csv	13.10 23:59	ссылка
Домашнее задание 5	ipynb research.csv	18.10 23:59	ссылка
Домашнее задание 6	ipynb spanish_data.csv	23.10 15:00	ссылка

Проект

• Задание, выполненное задание нужно загрузить на Dropbox по ссылке.
• Два дедлайна на выбор: 23 октября 23:59 и 25 октября 23:59, при сдаче до первого дедлайна можно получить оценку до экзамена.