Основы работы с количественными данными: различия между версиями
| Строка 46: | Строка 46: | ||
* Описание данных: часть 2 ([https://www.dropbox.com/scl/fi/t4c0j3hrrguq8cjh1scdv/03.pdf?rlkey=5g5egla5x0ki9o0jo6r4nu85p&dl=0 слайды]). Визуализация количественных данных ([https://www.dropbox.com/scl/fi/1d2cliqmjly22oq2o3xac/04.pdf?rlkey=c8ifdwf54q24czmzukxtmpubz&dl=0 слайды]). | * Описание данных: часть 2 ([https://www.dropbox.com/scl/fi/t4c0j3hrrguq8cjh1scdv/03.pdf?rlkey=5g5egla5x0ki9o0jo6r4nu85p&dl=0 слайды]). Визуализация количественных данных ([https://www.dropbox.com/scl/fi/1d2cliqmjly22oq2o3xac/04.pdf?rlkey=c8ifdwf54q24czmzukxtmpubz&dl=0 слайды]). | ||
| − | * Практикум 2. Описание и визуализация данных (читать, [https://www.dropbox.com/scl/fi/ | + | * Практикум 2. Описание и визуализация данных ([https://github.com/allatambov/QuantData23/blob/main/qd-practice02-upd.ipynb читать], [https://www.dropbox.com/scl/fi/eww9371q4ppitre9qivm8/qd-practice02-upd.ipynb?rlkey=kmdscagtzz4e0qext9l9bjrwo&dl=0 ipynb], файл [https://www.dropbox.com/scl/fi/8qhjgfit3mucaxtx7ck4l/flats.csv?rlkey=vfym0gova9x16rket70t5wj7d&dl=0 flats.csv]). |
| + | |||
| + | Дополнительно: | ||
| + | |||
| + | * Выбор типа визуализации: [https://www.dropbox.com/s/xqwrae5zagx987w/choosing-a-good-chart-09%20%281%29.pdf?dl=0 схема] от ExtremePresentation. | ||
| + | * [https://matplotlib.org/stable/gallery/color/named_colors.html Цвета] в Python, [https://g.co/kgs/shDZVq палитра] цветов от Google. | ||
=== Визуализация данных. Введение в выборочное оценивание. === | === Визуализация данных. Введение в выборочное оценивание. === | ||
Версия 04:01, 24 сентября 2023
Дорогие студенты!
Это страница обязательного курса «Основы работы с количественными данными», читаемого на программе
«Коммуникации в государственных структурах и НКО» 1 курса магистратуры в 1 модуле 2023-2024 учебного года.
Занятия ведёт: Тамбовцева Алла Андреевна.
Содержание
Правила игры
- Формула оценки: Итог = 0.5 * Домашние задания + 0.2 * Самостоятельная работа + 0.3 * Экзамен.
- Программа курса, организационная презентация.
- Домашние задания, сданные позже дедлайна, оцениваются со штрафом:
в пределах часа – 10% от оценки, суток – 30%, недели – 60%.
Программное обеспечение
На этом курсе для практической работы с данными мы используем язык Python и среду Jupyter Notebook (ее облачную версию Google Colab). Для создания и редактирования файлов в Google Colab ничего устанавливать не нужно, но нужно иметь аккаунт Google (Gmail).
Если вы хотите работать в Jupyter Notebook локально, на своем компьютере, а не в облачной среде, удобнее всего установить дистрибутив Anaconda (скачать можно здесь), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также саму среду Jupyter Notebook.
Работа в Google Colab:
- Создание файлов и запуск кода в Google Colab: видео.
- Загрузка и выгрузка файлов в Google Colab: видео.
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).
Подробнее про работу в Jupyter Notebook и Google Colab:
- 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 работу с данными. Описание данных.
- Введение в выборочные обследования (слайды). Шкалы данных (слайды).
- Описание данных: часть 1 (слайды).
- Практикум 1. Введение в работу с данными (читать, ipynb).
Описание данных. Визуализация данных.
- Описание данных: часть 2 (слайды). Визуализация количественных данных (слайды).
- Практикум 2. Описание и визуализация данных (читать, ipynb, файл flats.csv).
Дополнительно:
Визуализация данных. Введение в выборочное оценивание.
- Практикум 3. Группировка, агрегирование и визуализация с pandas (читать, ipynb, файл CPI_FH.xlsx).
- Введение в выборочное оценивание (слайды).
Домашние задания
| Домашнее задание | Файлы | Дедлайн | Куда сдавать |
|---|---|---|---|
| Домашнее задание 1 | ipynb | 24.09 23:59 | ссылка |
| Домашнее задание 2 | |||
| Домашнее задание 3 | |||
| Домашнее задание 4 | |||
| Домашнее задание 5 |
