Python for Data Analysis

Esplora le applicazioni di NumPy e comprendi perché è una delle librerie più popolari per il calcolo numerico. Scopri i diversi metodi per creare e inizializzare array per gestire in modo efficiente varie esigenze di dati.

Scopri come accedere a elementi specifici e sottoinsiemi negli array NumPy utilizzando la notazione degli indici. Apprendi l'applicazione dell'indicizzazione condizionale per filtrare i dati e gestire in modo efficiente i valori mancanti.

NumPy offre molte funzioni integrate per eseguire operazioni comuni sugli array. Scopri come applicare questi strumenti per trasformare, aggregare e analizzare i dati in modo efficiente senza scrivere codice ripetitivo.

Scopri come eseguire operazioni matematiche in modo efficiente sugli array NumPy. Applica queste operazioni per risolvere problemi reali e acquisire una comprensione più approfondita di come i calcoli vettorializzati accelerano l'analisi numerica.

Approfondimento sui fondamenti della libreria pandas. Creazione e manipolazione di Series e DataFrame, esplorazione della loro struttura e sviluppo di sicurezza nell'esecuzione delle principali operazioni sui dati.

Apprendimento delle modalità di caricamento e gestione dei dati da file CSV e TXT. Acquisizione di esperienza pratica nell'importazione di dataset e nella loro preparazione per analisi successive tramite gli strumenti di pandas.

Apprendere come esplorare, pulire e sintetizzare i dati in modo efficace. Comprendere la gestione dei valori mancanti, l'estrazione di informazioni e l'esecuzione di operazioni statistiche di base con pandas.

Questa sezione ti insegnerà come visualizzare colonne specifiche tramite i loro titoli o indici. Inoltre, verranno illustrate le modalità di selezione delle righe tramite indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, apprenderai come combinarle e persino crearne di proprie.

In questa sezione, amplierai le tue conoscenze sull'impostazione di diverse condizioni sui dati. Imparerai a verificare se i tuoi dati sono in un elenco definito di valori o compresi tra due valori. Imparerai inoltre come individuare i valori massimi e minimi.

Questa sezione è una delle più affascinanti del corso. Qui verrà illustrato come raggruppare i dati in modi diversi. Sarà utile per lavorare come data analyst e ottenere informazioni su gruppi di dati specifici.

Questa sezione è una delle più significative per un data analyst, poiché se i dati contengono valori mancanti o in formato errato, sarà impossibile lavorarci. Pertanto, qui si apprenderà come gestire tali valori inappropriati.

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.

Scopri le nozioni fondamentali della visualizzazione dei dati con Matplotlib. Esplora i concetti principali, analizza i vantaggi e realizza il primo semplice grafico utilizzando questa libreria di visualizzazione essenziale.

Apprendere come visualizzare i dati attraverso i tipi di grafici più popolari. Costruire grafici a linee, a dispersione e a barre per comunicare chiaramente le informazioni ricavate dai dati.

Approfondimento sulle tecniche per rendere i grafici più informativi e visivamente accattivanti. Aggiunta di titoli, legende, colori e griglie, con esplorazione delle modalità di disposizione efficace di più sottografi.

Esplora visualizzazioni statistiche che aiutano ad analizzare le distribuzioni e i modelli dei dati. Crea istogrammi, box plot e grafici a torta per scoprire approfondimenti statistici più dettagliati.

Porta le tue competenze di visualizzazione al livello successivo con Seaborn. Crea grafici avanzati come countplot, KDE, pair plot e heatmap, perfezionando lo stile elegante e le opzioni di personalizzazione di Seaborn.