Python for Data Analysis

Udforsk anvendelserne af NumPy og forstå, hvorfor det er et af de mest populære biblioteker til numerisk databehandling. Lær de forskellige metoder til at oprette og initialisere arrays for effektiv håndtering af forskellige databehov.

Opdag, hvordan man får adgang til specifikke elementer og delmængder i NumPy-arrays ved hjælp af indeksnotation. Lær at anvende betinget indeksering til at filtrere data og håndtere manglende værdier effektivt.

NumPy tilbyder mange indbyggede funktioner til at udføre almindelige array-operationer. Lær, hvordan disse værktøjer kan anvendes til effektivt at transformere, aggregere og analysere data uden at skrive gentagen kode.

Lær at udføre matematiske operationer effektivt på NumPy-arrays. Anvend disse operationer til at løse virkelige problemer og opnå en dybere forståelse af, hvordan vektoriserede beregninger accelererer numerisk analyse.

Dyk ned i grundlæggende elementer i pandas-biblioteket. Opret og manipulér Series og DataFrames, undersøg deres struktur, og opbyg fortrolighed med udførelse af essentielle dataoperationer.

Opnå færdigheder i at indlæse og håndtere data fra CSV- og TXT-filer. Få praktisk erfaring med import af datasæt og forberedelse til videre analyse ved hjælp af pandas-værktøjer.

Lær at udforske, rense og opsummere data effektivt. Forstå håndtering af manglende værdier, udtrækning af indsigter og udførelse af grundlæggende statistiske operationer med pandas.

Dette afsnit vil lære dig, hvordan du udtrækker specifikke kolonner ved hjælp af deres titler eller indekser. Du vil også blive introduceret til metoder til at udvælge rækker baseret på indekser.

Her vil du lære, hvordan du udtrækker data med specifikke betingelser. Du vil også lære, hvordan du kombinerer dem og endda opretter dine egne.

I dette afsnit udvider du din viden om at opstille forskellige datakriterier. Du lærer at kontrollere, om dine data er i en defineret liste af værdier eller mellem to værdier. Du lærer også, hvordan du finder de største og mindste værdier.

Dette afsnit er et af de mest fascinerende i kurset. Her lærer du, hvordan du kan gruppere data på forskellige måder. Det vil hjælpe dig som dataanalytiker med at finde information om specifikke datagrupper.

Dette afsnit er et af de mest betydningsfulde for en dataanalytiker, da det vil være umuligt at arbejde med data, hvis de indeholder manglende værdier eller er i et forkert format. Derfor vil du her lære, hvordan du håndterer sådanne uhensigtsmæssige værdier.

We will start our way of learning probability theory by considering some basic definitions and rules: what is a stochastic experiment and random event, what is independence and incompatibility of events in the context of probability theory, what is the probability and how can we calculate probabilities of different elementary events.

In real-life tasks, we often have to deal with complex relationships and, as a result, calculate probabilities of several events or events that depend on each other. Let's consider how we can do this using probability theory.

To solve many real problems in probability theory, special models have been created that describe a particular situation. Let's consider some of the most used models that can be used to describe some discrete results of stochastic experiments.

What if the result of a stochastic experiment cannot be described by a discrete value? For this, models that work with continuous values are used. Consider the most popular of these models.

Often we are faced with the task of checking the dependence of the results of different stochastic experiments on each other. Moreover, it is necessary not only to assess the presence of dependencies but also to somehow quantify the degree of dependencies. To solve these problems, we can use covariance and correlation.

Opdag det grundlæggende inden for datavisualisering med Matplotlib. Lær dets kernekoncepter, udforsk dets fordele, og opret dit første enkle plot ved hjælp af dette fundamentale plotbibliotek.

Opnå færdigheder i at visualisere data gennem de mest populære diagramtyper. Lær at opbygge linje-, punkt- og søjlediagrammer for tydelig formidling af indsigter fra dine data.

Lær at gøre dine plots mere informative og visuelt tiltalende. Tilføj titler, signaturforklaringer, farver og gitterlinjer, og opdag hvordan du effektivt arrangerer flere underplots.

Udforsk statistiske visualiseringer, der hjælper med at analysere datadistributioner og mønstre. Opret histogrammer, boksplot og cirkeldiagrammer for at afdække dybere statistiske indsigter.

Forbedr dine visualiseringsevner med Seaborn. Opret avancerede diagrammer såsom countplots, KDE'er, parplots og heatmaps, mens du mestrer Seaborns elegante stil og tilpasningsmuligheder.