Python для сбора и анализа данных: различия между версиями
(→Проект) |
|||
Строка 187: | Строка 187: | ||
* [https://allatambov.github.io/icef/icef-project.pdf Описание] проекта и критерии оценивания. | * [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 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 | + | * 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.