Python для сбора и анализа данных: различия между версиями
(→Проект) |
|||
(не показаны 22 промежуточные версии этого же участника) | |||
Строка 86: | Строка 86: | ||
=== Парсинг HTML-файлов. (15 и 18 марта) === | === Парсинг HTML-файлов. (15 и 18 марта) === | ||
− | * Видеозапись занятия: вторник, пятница. | + | * Видеозапись занятия: [https://www.dropbox.com/sh/7u2oosvjii01cku/AACzRWW8-VgCc9hLOD2l8p0ma?dl=0 вторник], [https://www.dropbox.com/sh/nca9rwd1oo5xto3/AADrpAgV3xPnU6YeM9St0crma?dl=0 пятница]. |
* Парсинг BeautifulSoup: [https://gist.github.com/allatambov/0b3b72f30da68602cff928511878772f часть 1], [https://gist.github.com/allatambov/a9853d3deff299fac9d706c960a5e8f7 часть 2]. | * Парсинг BeautifulSoup: [https://gist.github.com/allatambov/0b3b72f30da68602cff928511878772f часть 1], [https://gist.github.com/allatambov/a9853d3deff299fac9d706c960a5e8f7 часть 2]. | ||
* Установка драйвера Selenium: для [https://chromedriver.chromium.org/downloads Chrome], для [https://github.com/mozilla/geckodriver/releases/ Firefox], [https://allatambov.github.io/icef/instr-wb.pdf решение] проблем на Mac. | * Установка драйвера Selenium: для [https://chromedriver.chromium.org/downloads Chrome], для [https://github.com/mozilla/geckodriver/releases/ Firefox], [https://allatambov.github.io/icef/instr-wb.pdf решение] проблем на Mac. | ||
Строка 92: | Строка 92: | ||
=== Управление браузером с помощью Selenium. Знакомство с API. (22 и 25 марта) === | === Управление браузером с помощью Selenium. Знакомство с API. (22 и 25 марта) === | ||
− | * Видеозапись занятия: вторник, пятница. | + | * Видеозапись занятия: [https://www.dropbox.com/sh/ghx8yi79qjaecv4/AAAKMAHPbG4zaPwbtRNRBvita?dl=0 вторник], пятница. |
− | * Selenium: [часть 1 https://gist.github.com/allatambov/ | + | * Selenium: пример с поиском по сайту ([https://nbviewer.org/github/allatambov/allatambov.github.io/blob/master/icef/selenium-bg.ipynb смотреть], [https://allatambov.github.io/icef/selenium-bg.ipynb скачать]). |
+ | * Selenium: пример с ВКонтакте ([https://github.com/allatambov/allatambov.github.io/blob/master/icef/selenium-vk.ipynb смотреть], [https://allatambov.github.io/icef/selenium-vk.ipynb скачать]). | ||
+ | * Доступ к API ВКонтакте: [https://allatambov.github.io/pypolit/vk-auth.pdf инструкция]. | ||
+ | |||
+ | === Работа с API на примере ВКонтакте. Массивы NumPy и датафреймы pandas. (5 и 8 апреля) === | ||
+ | |||
+ | * Видеозаписи занятий: [https://www.dropbox.com/sh/0krvvix3kiwj9cp/AAAbiZwbVkf7U0ObIFgvS9HYa?dl=0 вторник], [https://www.dropbox.com/sh/tjw5b0aokppzqqy/AAANLCtDWENYaDaexhS3IEhGa?dl=0 пятница]. | ||
+ | * [https://dev.vk.com/method Документация] API ВКонтакте. | ||
+ | * Выгрузка постов со стены сообщества ([https://allatambov.github.io/icef/vk-api-wall.ipynb задачи], [https://allatambov.github.io/icef/vk-api-wall-upd.ipynb решения]). | ||
+ | * NumPy arrays, Pandas Series, Pandas DataFrames ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/arrays-pandas.ipynb читать], [https://allatambov.github.io/icef/seminars/arrays-pandas.ipynb скачать]). | ||
+ | * Работа с датафреймами pandas: часть 1 ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/pandas-01.ipynb читать], [https://allatambov.github.io/icef/seminars/pandas-01.ipynb скачать], файл [https://allatambov.github.io/pydj/seminars/firtree.csv firtree.csv]). | ||
+ | |||
+ | Дополнительно: | ||
+ | |||
+ | * Выгрузка информации о друзьях ([https://allatambov.github.io/icef/vk-api-friends.ipynb задачи], [https://nbviewer.org/github/allatambov/allatambov.github.io/blob/master/web-scrape/vk-api-friends-upd.ipynb решения]). | ||
+ | |||
+ | === Датафреймы pandas. Визуализация с библиотекой seaborn. (12 и 15 апреля) === | ||
+ | |||
+ | * Видеозаписи занятий: [https://www.dropbox.com/sh/he8o9ekwaqbv53a/AAByYYPQzUI4260kR-lGqHUVa?dl=0 вторник], [https://www.dropbox.com/sh/vwxj6of6miovwak/AADMdGEflO2nWyzedszkdyBda?dl=0 пятница]. | ||
+ | * Данные для работы: [https://allatambov.github.io/pydj/seminars/firtree.csv firtree.csv], [https://allatambov.github.io/pydj/seminars/Chile.csv Chile.csv], [https://allatambov.github.io/rprog/data/wgi_fh.csv wgi_fh.csv]. | ||
+ | * Работа с датафреймами pandas: часть 2 ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/pandas-02.ipynb читать], [https://allatambov.github.io/icef/seminars/pandas-02.ipynb скачать]), часть 3 ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/pandas-03.ipynb читать], [https://allatambov.github.io/icef/seminars/pandas-03.ipynb скачать]). | ||
+ | * Визуализация с библиотекой seaborn ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/seaborn-graphs.ipynb читать], [http://allatambov.github.io/icef/seminars/seaborn-graphs.ipynb скачать]). | ||
+ | |||
+ | === Интерактивные визуализации с библиотеками plotly и dash. (22 апреля) === | ||
+ | |||
+ | * [https://www.dropbox.com/sh/ylu042uf2ddespd/AABiQipFldBrvWPj3wNpr00xa?dl=0 Видеозапись] занятия (было только в пятницу). | ||
+ | * [https://plotly.com/python/ Документация] библиотеки plotly. | ||
+ | * [https://dash.plot.ly/ Документация] библиотеки dash для интерактивных дэшбордов. | ||
+ | * Обзор работы с dash: файл [https://gist.github.com/allatambov/9057d18b80c7f0698bd73d02d3e32d09 dash1.py]. | ||
+ | * Dashboard со своими данными: файл [https://gist.github.com/allatambov/043ddefcc76566f4c739fa5c7b2502fc dash2.py], с меню для пользователя: файл [https://gist.github.com/allatambov/cdecca50d511024ae10e685081303cea dash3.py]. | ||
+ | |||
+ | === Дополнительные темы. Классы. Регулярные выражения. (26 апреля) === | ||
+ | |||
+ | * [https://www.dropbox.com/sh/38lt2w17o7yekyy/AABp31nthGEo0edzvj1rEgJQa?dl=0 Видеозапись] занятия (было только во вторник). | ||
+ | * Объекты и классы в Python ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/pydj/seminars/classes.ipynb конспект], [https://www.w3schools.com/python/python_classes.asp материалы] от W3schools). | ||
+ | * Введение в регулярные выражения ([https://github.com/allatambov/Py-programming-3/blob/3e471c720a4f5f7e08b5f4878299b939799cded2/28-05/regex-1.ipynb конспект]). | ||
== Дополнительные материалы == | == Дополнительные материалы == | ||
Строка 113: | Строка 148: | ||
* Домашние задания типа ''online'' выполняются на платформе DataCamp. | * Домашние задания типа ''online'' выполняются на платформе DataCamp. | ||
* Обычные домашние задания сдаются в системе [http://python.math-hse.info python.math-hse.info]. Познакомиться с системой можно на примере домашнего задания №0. | * Обычные домашние задания сдаются в системе [http://python.math-hse.info python.math-hse.info]. Познакомиться с системой можно на примере домашнего задания №0. | ||
+ | * Домашнее задание 4 – дополнительное. Оценка за ДЗ рассчитывается по домашним заданиям 1-3. Но если какое-то из них не сдано, можно сдать домашнее задание 4 и тем самым скомпенсировать полученный 0. | ||
{| class="wikitable" | {| class="wikitable" | ||
Строка 126: | Строка 162: | ||
| Online 3 || DataCamp: глава [https://app.datacamp.com/learn/courses/python-data-science-toolbox-part-1 Default arguments, variable-length arguments and scope]|| 16.03 23:59 | | Online 3 || DataCamp: глава [https://app.datacamp.com/learn/courses/python-data-science-toolbox-part-1 Default arguments, variable-length arguments and scope]|| 16.03 23:59 | ||
|- | |- | ||
− | | Домашнее задание 2 || MathInfo: задания [https://nbviewer.org/url/python.math-hse.info/static/assignments_release/pyicef2022/icef-hw02/icef-hw02.ipynb hw02] || | + | | Домашнее задание 2 || MathInfo: задания [https://nbviewer.org/url/python.math-hse.info/static/assignments_release/pyicef2022/icef-hw02/icef-hw02.ipynb hw02] || 05.04 10:00 |
|- | |- | ||
| Online 4 || DataCamp: глава [https://app.datacamp.com/learn/courses/intro-to-python-for-data-science NumPy] || 07.04 23:59 | | Online 4 || DataCamp: глава [https://app.datacamp.com/learn/courses/intro-to-python-for-data-science NumPy] || 07.04 23:59 | ||
|- | |- | ||
− | | Домашнее задание 3 || MathInfo: задания hw03 || | + | | Домашнее задание 3 || MathInfo: задания [https://nbviewer.org/url/python.math-hse.info/static/assignments_release/pyicef2022/icef_hw03/icef_hw03.ipynb hw03] || 26.04 23:59 |
|- | |- | ||
| Online 5 || DataCamp: глава [https://app.datacamp.com/learn/courses/data-manipulation-with-pandas Aggregating DataFrames] || 14.04 23:59 | | Online 5 || DataCamp: глава [https://app.datacamp.com/learn/courses/data-manipulation-with-pandas Aggregating DataFrames] || 14.04 23:59 | ||
Строка 140: | Строка 176: | ||
| Online 8 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Converting Between Wide and Long Format] || 21.04 23:59 | | Online 8 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Converting Between Wide and Long Format] || 21.04 23:59 | ||
|- | |- | ||
− | | Домашнее задание 4 || | + | | Домашнее задание 4* || задания [https://github.com/allatambov/allatambov.github.io/blob/master/icef/hw/hw03.ipynb hw04], файл [https://allatambov.github.io/pydj/seminars/polit.csv polit.csv], сдавать через [https://www.dropbox.com/request/AbCirZTrcqQKpX9Pg4uN Dropbox] || 12.05 23:59 |
|- | |- | ||
| Online 9 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Stacking and Unstacking DataFrames] || 28.04 23:59 | | Online 9 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Stacking and Unstacking DataFrames] || 28.04 23:59 | ||
Строка 146: | Строка 182: | ||
| Online 10 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Advanced Reshaping] || 28.04 23:59 | | Online 10 || DataCamp: глава [https://app.datacamp.com/learn/courses/reshaping-data-with-pandas Advanced Reshaping] || 28.04 23:59 | ||
|} | |} | ||
+ | |||
+ | == Проект == | ||
+ | |||
+ | * [https://allatambov.github.io/icef/icef-project.pdf Описание] проекта и критерии оценивания. | ||
+ | * Проект можно выполнять как на русском, так и на английском языке. Для того, чтобы получить высокие баллы за проект (оценки 9-10), в проекте необходимо использовать продвинутые инструменты/библиотеки, не обсуждаемые подробно в рамках курса. | ||
+ | * Проект необходимо загрузить на [https://www.dropbox.com/request/UIrB1HUgUiBhACAmNCUG Dropbox] до 19 мая 18:00, дедлайн жёсткий. Файл с кодом, файл с документацией и вспомогательные файлы (при наличии) лучше загружать в виде zip-архива. |
Версия 16:12, 29 апреля 2022
Это страница факультатива «Python для сбора и анализа данных», читаемого в МИЭФ в 2021/2022 учебном году.
Авторы курса: Щуров Илья Валерьевич, Тамбовцева Алла Андреевна.
Лекции и семинары ведет: Тамбовцева Алла Андреевна.
Содержание
- 1 Правила игры
- 2 Программное обеспечение
- 3 Материалы занятий
- 3.1 Презентация факультатива и знакомство с Jupyter Notebook (1 февраля)
- 3.2 Переменные и типы данных в Python. Ввод и вывод (8 или 11 февраля)
- 3.3 Списки и цикл for. Методы на строках. (15 или 18 февраля)
- 3.4 Генераторы списков. Условные конструкции и цикл while. (22 или 25 февраля)
- 3.5 Кортежи и словари. Работа с файлами. Формат JSON. (1 и 4 марта)
- 3.6 Функции. Введение в парсинг HTML-файлов. (9 и 11 марта)
- 3.7 Парсинг HTML-файлов. (15 и 18 марта)
- 3.8 Управление браузером с помощью Selenium. Знакомство с API. (22 и 25 марта)
- 3.9 Работа с API на примере ВКонтакте. Массивы NumPy и датафреймы pandas. (5 и 8 апреля)
- 3.10 Датафреймы pandas. Визуализация с библиотекой seaborn. (12 и 15 апреля)
- 3.11 Интерактивные визуализации с библиотеками plotly и dash. (22 апреля)
- 3.12 Дополнительные темы. Классы. Регулярные выражения. (26 апреля)
- 4 Дополнительные материалы
- 5 Домашние задания
- 6 Проект
Правила игры
- Формула оценки: 0.4 * ДЗ + 0.2 * Онлайн + 0.4 * Проект.
- Сдача домашних заданий с опозданием допускается, но со штрафом: за задержку в пределах часа – 15% от полученной оценки, в пределах суток – 30%, в пределах двух дней – 50%.
- Курс читается с использованием онлайн-курсов на платформе DataCamp. Бесплатный доступ к платформе студентам предоставляется.
- Ведомость по курсу: таблица.
Программное обеспечение
Перед занятиями необходимо установить дистрибутив Anaconda (скачать можно здесь), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду для работы Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс Google Colab (для создания и редактирования файлов нужен аккаунт Gmail). Но в долгосрочной перспективе предпочтительнее установить Anaconda.
Материалы занятий
Презентация факультатива и знакомство с Jupyter Notebook (1 февраля)
- Презентация факультатива: слайды, видеозапись.
- Знакомство со средой Jupyter Notebook. Инструкция по работе с Jupyter Notebook. Знакомство с Jupyter Notebook и Markdown (смотреть, скачать).
Дополнительно:
- Markdown и Jupyter: больше про Markdown, интерактивные виджеты в Jupyter.
- LaTeX: ShareLaTeX для желающих, документация на английском, материалы других курсов по LaTeX.
Переменные и типы данных в Python. Ввод и вывод (8 или 11 февраля)
- Видеозапись занятия: вторник, пятница. Just wait, планирую разбить каждое видео на 2 части – пара до перерыва и после.
- Вычисления и переменные в Python (смотреть, скачать). Типы переменных, ввод и вывод в Python (смотреть, скачать).
- Форматирование строк (смотреть, скачать).
- Интерактивные виджеты в Jupyter Notebook: документация ipywidgets.
- Практикум 1: (смотреть, скачать), решения задач (смотреть, скачать).
Дополнительно:
- Pythontutor: визуализатор кода, вычисления, ввод и вывод.
- Проверка соответствия стандартам оформления кода: PEP8 online check.
Списки и цикл for. Методы на строках. (15 или 18 февраля)
- Видеозапись занятий: вторник, пятница. Файл для занятия.
- Списки и цикл for: введение (смотреть, скачать), методы на списках (смотреть, скачать).
- Методы .split() и .join() (смотреть, скачать).
- Практикум 2: списки, цикл for, методы на строках (смотреть, скачать), решения задач (смотреть, скачать).
Дополнительно:
Генераторы списков. Условные конструкции и цикл while. (22 или 25 февраля)
- Видеозапись занятия: вторник, пятница.
- Генераторы списков и enumerate() (смотреть, скачать).
- Проверка условий (смотреть, скачать). Условные конструкции (смотреть, скачать). Цикл while (смотреть, скачать).
- Практикум 3: условные конструкции и цикл while (смотреть, скачать), решения задач (смотреть, скачать).
Дополнительно:
Кортежи и словари. Работа с файлами. Формат JSON. (1 и 4 марта)
- Видеозапись: вторник, пятница. Сырые ipynb-файлы с занятия: вторник, пятница.
- Кортежи (смотреть, скачать). Словари (смотреть, скачать). Множества (смотреть).
- Работа с файлами и JSON-файлы (смотреть). Файл data.json.
- Практикум 4: словари (смотреть, скачать), решения задач ([смотреть], [скачать]).
Функции. Введение в парсинг HTML-файлов. (9 и 11 марта)
- Видеозапись: среда, пятница.
- Полная лекция по функциям (И.В.Щуров). Lambda-функции (смотреть, скачать).
- Практикум 5: функции (смотреть, скачать).
- Введение в HTML (слайды). Тьюториалы по веб-дизайну и веб-разработке от W3schools. Пример файла на платформе codepen.io.
Дополнительно:
- Pythontutor: функции и рекурсия.
- Учебник от html5book.ru.
Парсинг HTML-файлов. (15 и 18 марта)
- Видеозапись занятия: вторник, пятница.
- Парсинг BeautifulSoup: часть 1, часть 2.
- Установка драйвера Selenium: для Chrome, для Firefox, решение проблем на Mac.
Управление браузером с помощью Selenium. Знакомство с API. (22 и 25 марта)
- Видеозапись занятия: вторник, пятница.
- Selenium: пример с поиском по сайту (смотреть, скачать).
- Selenium: пример с ВКонтакте (смотреть, скачать).
- Доступ к API ВКонтакте: инструкция.
Работа с API на примере ВКонтакте. Массивы NumPy и датафреймы pandas. (5 и 8 апреля)
- Видеозаписи занятий: вторник, пятница.
- Документация API ВКонтакте.
- Выгрузка постов со стены сообщества (задачи, решения).
- NumPy arrays, Pandas Series, Pandas DataFrames (читать, скачать).
- Работа с датафреймами pandas: часть 1 (читать, скачать, файл firtree.csv).
Дополнительно:
Датафреймы pandas. Визуализация с библиотекой seaborn. (12 и 15 апреля)
- Видеозаписи занятий: вторник, пятница.
- Данные для работы: firtree.csv, Chile.csv, wgi_fh.csv.
- Работа с датафреймами pandas: часть 2 (читать, скачать), часть 3 (читать, скачать).
- Визуализация с библиотекой seaborn (читать, скачать).
Интерактивные визуализации с библиотеками plotly и dash. (22 апреля)
- Видеозапись занятия (было только в пятницу).
- Документация библиотеки plotly.
- Документация библиотеки dash для интерактивных дэшбордов.
- Обзор работы с dash: файл dash1.py.
- Dashboard со своими данными: файл dash2.py, с меню для пользователя: файл dash3.py.
Дополнительные темы. Классы. Регулярные выражения. (26 апреля)
- Видеозапись занятия (было только во вторник).
- Объекты и классы в Python (конспект, материалы от W3schools).
- Введение в регулярные выражения (конспект).
Дополнительные материалы
Библиотека SymPy для символьных вычислений
Введение в SymPy: часть 1 (sympy-1.ipynb), часть 2 (sympy-2.ipynb), задачи (sympy-problems.ipynb). Официальная документация SymPy.
Работа с текстом в Python
Библиотека pymorphy2 (морфологический анализатор). Библиотека pymystem3 (предобработка текста). Тьюториал для построения облака слов.
Статистика и анализ данных в Python
Материалы по статистическим тестам и линейным регрессиям в Python.
Домашние задания
- Домашние задания типа online выполняются на платформе DataCamp.
- Обычные домашние задания сдаются в системе python.math-hse.info. Познакомиться с системой можно на примере домашнего задания №0.
- Домашнее задание 4 – дополнительное. Оценка за ДЗ рассчитывается по домашним заданиям 1-3. Но если какое-то из них не сдано, можно сдать домашнее задание 4 и тем самым скомпенсировать полученный 0.
Домашнее задание | Ссылка | Дедлайн |
---|---|---|
Online 1 | DataCamp: глава Python Lists | 17.02 23:59 |
Домашнее задание 1 | MathInfo: задания hw01 | 02.03. 23:59 |
Online 2 | DataCamp: глава Writing your own functions | 16.03 23:59 |
Online 3 | DataCamp: глава Default arguments, variable-length arguments and scope | 16.03 23:59 |
Домашнее задание 2 | MathInfo: задания hw02 | 05.04 10:00 |
Online 4 | DataCamp: глава NumPy | 07.04 23:59 |
Домашнее задание 3 | MathInfo: задания hw03 | 26.04 23:59 |
Online 5 | DataCamp: глава Aggregating DataFrames | 14.04 23:59 |
Online 6 | DataCamp: глава Slicing and Indexing DataFrames | 14.04 23:59 |
Online 7 | DataCamp: глава Introduction to Data Reshaping | 21.04 23:59 |
Online 8 | DataCamp: глава Converting Between Wide and Long Format | 21.04 23:59 |
Домашнее задание 4* | задания hw04, файл polit.csv, сдавать через Dropbox | 12.05 23:59 |
Online 9 | DataCamp: глава Stacking and Unstacking DataFrames | 28.04 23:59 |
Online 10 | DataCamp: глава Advanced Reshaping | 28.04 23:59 |
Проект
- Описание проекта и критерии оценивания.
- Проект можно выполнять как на русском, так и на английском языке. Для того, чтобы получить высокие баллы за проект (оценки 9-10), в проекте необходимо использовать продвинутые инструменты/библиотеки, не обсуждаемые подробно в рамках курса.
- Проект необходимо загрузить на Dropbox до 19 мая 18:00, дедлайн жёсткий. Файл с кодом, файл с документацией и вспомогательные файлы (при наличии) лучше загружать в виде zip-архива.