Manipulacao e Analise de Dados com Pandas Python

Manipulacao e Analise de Dados com Pandas Python

What you’ll learn

Como baixar e instalar o Pandas no Python
A importância do Pandas para Machine Learning e Data Science
Como participar de campeonatos de análise de dados
O que são Dataframes
Como criar e manipular Dataframes
Utilizar as funções Merge e Groupby
Com funciona o sistema de indexação na Pandas
Como fazer reshaping de dados
Como fazer filtros e manipulações avançadas de dados
Limpar dados – Data Wrangling
Importar e exportar dados – I/O
Visualizar dados com gráficos e tabelas
Várias aplicações em dados – casos reais do dia a dia
E muito mais!

Requirements

É recomendado que o aluno tenha conhecimentos básicos da linguagem de programação Python.

Description

Este curso visa oferecer ao aluno conhecimentos básicos e avançados a respeito da biblioteca Python Pandas.  A Pandas é  uma das mais importantes bibliotecas Python utilizadas para manipulação e análise de dados nos campos da Inteligência artificial e Big Data. Sem sombra de dúvidas todo e qualquer analista e cientista de dados precisa conhecer e dominar bem a biblioteca Pandas.Neste curso o aluno irá aprender a manipular dados com segurança, controle e velocidade utilizando os mais importantes recursos e funcionalidades que a biblioteca tem a oferecer.As aulas são curtas, com linguagem simples e direta. O aluno não precisará de muitas horas de frente ao computador para fazer seus estudos. O aluno terá acesso vitalício as aulas do curso e também a atualizações e acesso a novas aulas.Inscreva-se agora mesmo e venha estudar como manipular e analisar dados com Pandas no Python!Vamos aos estudos e até logo!!

Overview

Section 1: Introdução

Lecture 1 Informações importantes para o curso

Lecture 2 Requisitos para melhor aproveitar o curso

Lecture 3 Site oficial da biblioteca Pandas

Lecture 4 Pandas – dicas para estudos

Lecture 5 Ambiente Colab – Python

Lecture 6 Download do Anaconda Python

Lecture 7 Instalação do Anaconda

Lecture 8 IDEs Anaconda – Jupyter Notebook

Section 2: Importância do Kaggle

Lecture 9 Como funciona?

Lecture 10 Notebooks do Kaggle

Lecture 11 Ranking de usuários

Section 3: Dataframes

Lecture 12 O que são e para que servem os Dataframes

Lecture 13 Criação de Dataframes 1-3

Lecture 14 Criação de Dataframes 2-3

Lecture 15 Criação de Dataframes 3-3

Lecture 16 Visualizando Dataframes

Lecture 17 Combinando Dataframes 1-2

Lecture 18 Combinando Dataframes 2-2

Section 4: Merge e Groupby

Lecture 19 Merge de dados – Sintaxe 1-5

Lecture 20 Merge de dados – INNER JOIN 2-5

Lecture 21 Merge de dados – FULL JOIN 3-5

Lecture 22 Merge de dados – LEFT JOIN 4-5

Lecture 23 Merge de dados – OTHER 5-5

Lecture 24 Uso do groupby

Section 5: Indexações

Lecture 25 Indexação

Lecture 26 MultiIndex em Arrays

Lecture 27 MultiIndex com Prod Cartesiano

Section 6: Reshaping de dados

Lecture 28 Reshaping dados

Lecture 29 Função pivot()

Lecture 30 Função pivot_table()

Lecture 31 Stack e Unstack de dados

Lecture 32 Usando melt() 1-2

Lecture 33 Usando melt() 2-2

Section 7: Filtros e manipulações dos dados

Lecture 34 Seleção de linhas e colunas 1-2

Lecture 35 Seleção de linhas e colunas 2-2

Lecture 36 Filtros booleanos

Section 8: Limpeza de dados

Lecture 37 Data wrangling

Lecture 38 Sumarizando dados

Lecture 39 Dados missing – NaN

Lecture 40 Dados únicos

Lecture 41 Removendo duplicatas

Lecture 42 Ordenação dos dados

Section 9: Importando e Exportando – I/O

Lecture 43 Tipos de arquivos .TXT .CSV .XLSX

Lecture 44 Repositório de dados gratuitos

Lecture 45 Abrindo arquivos externo ao Colab

Lecture 46 Salvando dados do Excel para .CSV

Section 10: Visualizando os Dados

Lecture 47 Estilos de plotagens com Pandas – Linhas

Lecture 48 Dados em gráficos – Linhas

Lecture 49 Dados em gráficos – Scatter Plot

Lecture 50 Dados em gráficos – Histogramas

Lecture 51 Salvando figuras

Section 11: Aplicações

Lecture 52 Sobre a seção de aplicações

Lecture 53 EDA – Exploratory Data Analysis 1-5

Lecture 54 EDA – Exploratory Data Analysis 2-5

Lecture 55 EDA – Exploratory Data Analysis 3-5

Lecture 56 EDA – Exploratory Data Analysis 4-5

Lecture 57 EDA – Exploratory Data Analysis 5-5

Lecture 58 Iniciando campeonatos com dados do Titanic

Section 12: Próximos passos

Lecture 59 Agradecimentos

Lecture 60 Aula Bônus

Cientistas dos dados,Estatísticos e matemáticos,Engenheiros,Autodidatas interessados em machine learning e data Science,Pesquisadores, analistas e desenvolvedores de softwares

Course Information:

Udemy | Português | 5h 48m | 1.97 GB
Created by: Rafael F. V. C. Santos, Ph.D.

You Can See More Courses in the Developer >> Greetings from CourseDown.com