Основы анализа данных в Python: различия между версиями
Строка 38: | Строка 38: | ||
* Массивы NumPy и датафреймы Pandas ([https://nbviewer.org/github/allatambov/PyPerm23/blob/main/arrays-pandas.ipynb читать]). | * Массивы NumPy и датафреймы Pandas ([https://nbviewer.org/github/allatambov/PyPerm23/blob/main/arrays-pandas.ipynb читать]). | ||
* Основные операции с датафреймами Pandas ([https://nbviewer.org/github/allatambov/PyPerm23/blob/main/pandas-intro.ipynb читать], [https://www.dropbox.com/s/4hjm5mp2wl0bjfo/Salaries.csv?dl=0 Salaries.csv]) | * Основные операции с датафреймами Pandas ([https://nbviewer.org/github/allatambov/PyPerm23/blob/main/pandas-intro.ipynb читать], [https://www.dropbox.com/s/4hjm5mp2wl0bjfo/Salaries.csv?dl=0 Salaries.csv]) | ||
+ | |||
+ | === Описание данных === | ||
+ | |||
+ | * '''Лекция 2.''' Описательные статистики ([https://www.dropbox.com/scl/fi/uyt9t4f0jdzkhoz36zey5/02.pdf?rlkey=ef3lkwzxgnws9c81z3ijnw38u&dl=0 слайды]). | ||
+ | * '''Практикум 2.''' Описательные статистики, группировка и агрегирование в pandas. |
Версия 01:54, 25 сентября 2023
Дорогие студенты!
Это страница обязательного курса «Основы анализа данных в Python», читаемого на программе «Политология» 3 курса бакалавриата в 1-2 модулях 2023-2024 учебного года.
Преподаватель: Тамбовцева Алла Андреевна.
Содержание
Правила игры и план курса
- Программа курса, организационная презентация.
- Формула оценки: 0.21 * Тесты + 0.28 * Домашнее задание + 0.3 * Экзамен + 0.21 * Контрольная работа.
- Подробный план курса, с примерными датами.
- Сопровождающий онлайн-курс «Сбор и анализ данных в Python».
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).
Установка Anaconda и запуск Jupyter Notebook:
- Для установки Anaconda нужно скачать установочный файл для своей системы отсюда, запустить его и следовать инструкциям.
- Среду Jupyter Notebook можно запускать через приложение Anaconda Navigator (находим Anaconda Navigator в списке программ, запускаем, кликаем на кнопку Launch под Jupyter Notebook) и отдельно от него (см. инструкцию).
- Работа в Jupyter Notebook (видео), работа в Google Colab (видео).
- Набор текста в Jupyter (видео, ipynb).
Для тех, кто не работал в Python и Jupyter: можно записаться на вышкинский онлайн-курс «Python как иностранный» (открыт для записи в SmartLMS). Для подготовки рабочего места рекомендуется ознакомиться со следующими материалами в теме 1: Видео. Подготовка рабочего места, инструкция по открытию файлов в Jupyter Notebook, Видео. Первая программа, Задачи для тренировки.
Материалы
Введение в выборочные обследования
Генеральная совокупность и выборка. Репрезентативность выборки. Способы формирования выборок.
Нарушение свойства репрезентативности и виды смещений. Ошибка выборки (sampling error).
- Лекция 1. Введение в выборочные обследования (слайды, ipynb с примерами, файл students.csv).
- Практикум 1. Модуль random. Обработка данных с pandas (ipynb, beasts.csv), решения (ipynb).
Дополнительно:
- Массивы NumPy и датафреймы Pandas (читать).
- Основные операции с датафреймами Pandas (читать, Salaries.csv)
Описание данных
- Лекция 2. Описательные статистики (слайды).
- Практикум 2. Описательные статистики, группировка и агрегирование в pandas.