Основы анализа данных в Python: различия между версиями
Перейти к навигации
Перейти к поиску
| Строка 46: | Строка 46: | ||
* Данные для работы: можно скопировать [https://vincentarelbundock.github.io/Rdatasets/csv/carData/Salaries.csv ссылку] или скачать файл [https://www.dropbox.com/s/nx7bi0mkopteqj3/Salaries.csv?dl=0 Salaries.csv], [https://vincentarelbundock.github.io/Rdatasets/doc/carData/Salaries.html описание] данных. | * Данные для работы: можно скопировать [https://vincentarelbundock.github.io/Rdatasets/csv/carData/Salaries.csv ссылку] или скачать файл [https://www.dropbox.com/s/nx7bi0mkopteqj3/Salaries.csv?dl=0 Salaries.csv], [https://vincentarelbundock.github.io/Rdatasets/doc/carData/Salaries.html описание] данных. | ||
| − | * Сырой ipynb-файл с занятия ([https://github.com/allatambov/PyDataAnalysis/blob/main/OLS-contd.ipynb читать], [https://www.dropbox.com/s/dy9gixolm5gj3mt/OLS-contd.ipynb?dl=0 скачать]). | + | * Линейная регрессия с эффектами взаимодействия ([https://nbviewer.org/github/allatambov/PyDataAnalysis/blob/main/seminar05-OLS-interactions.ipynb читать], [https://www.dropbox.com/s/kx16k8lzvx4u736/seminar05-OLS-interactions.ipynb?dl=0 скачать]). |
| + | |||
| + | * Сырой ipynb-файл с занятия, с влиятельными наблюдениями ([https://github.com/allatambov/PyDataAnalysis/blob/main/OLS-contd.ipynb читать], [https://www.dropbox.com/s/dy9gixolm5gj3mt/OLS-contd.ipynb?dl=0 скачать]). | ||
| + | |||
| + | Дополнительно: | ||
| + | |||
| + | * Гетероскедастичность и влиятельные наблюдения (TBA). | ||
== Домашние задания == | == Домашние задания == | ||
Версия 20:04, 15 октября 2022
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.
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.
Дополнительно:
- Гетероскедастичность и влиятельные наблюдения (TBA).
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 |
