Python for Data Analysis

Explore as aplicações do NumPy e compreenda por que é uma das bibliotecas mais populares para computação numérica. Aprenda as diferentes formas de criar e inicializar arrays para lidar de maneira eficiente com diversas necessidades de dados.

Descubra como acessar elementos específicos e subconjuntos em arrays do NumPy utilizando notação de índice. Aprenda a aplicar indexação condicional para filtrar dados e gerenciar valores ausentes de forma eficiente.

O NumPy oferece diversas funções integradas para realizar operações comuns em arrays. Aprenda a aplicar essas ferramentas para transformar, agregar e analisar dados de forma eficiente, sem a necessidade de escrever código repetitivo.

Aprenda a realizar operações matemáticas de forma eficiente em arrays do NumPy. Aplique essas operações para resolver problemas do mundo real e obtenha uma compreensão mais profunda de como os cálculos vetorizados aceleram a análise numérica.

Mergulhe nos fundamentos da biblioteca pandas. Aprenda a criar e manipular Series e DataFrames, explore suas estruturas e desenvolva confiança na realização de operações essenciais de dados.

Domine como carregar e gerenciar dados de arquivos CSV e TXT. Adquira experiência prática na importação de conjuntos de dados e preparação para análise adicional utilizando as ferramentas do pandas.

Aprenda a explorar, limpar e resumir dados de forma eficaz. Compreenda como lidar com valores ausentes, extrair insights e realizar operações estatísticas básicas com pandas.

Esta seção ensinará como exibir colunas específicas por seus títulos ou índices. Além disso, você se familiarizará com as formas de selecionar linhas por índices.

Aqui, você aprenderá como extrair dados que possuem condições específicas. Além disso, você aprenderá como combiná-las e até mesmo criar as suas próprias.

Nesta seção, você expandirá seu conhecimento sobre a definição de diferentes condições de dados. Você aprenderá a verificar se seus dados estão em uma lista definida de valores ou entre dois valores. Você também aprenderá a identificar os maiores e menores valores.

Esta seção é uma das mais fascinantes do curso. Aqui, você aprenderá como agrupar dados de diferentes maneiras. Isso ajudará no trabalho como analista de dados para identificar informações em grupos de dados específicos.

Esta seção é uma das mais significativas para um analista de dados, pois, se os dados contiverem valores ausentes ou em formato incorreto, será impossível trabalhar com eles. Assim, você aprenderá como lidar com esses valores inadequados aqui.

Iniciaremos nosso estudo da teoria das probabilidades considerando algumas definições e regras básicas: o que é um experimento estocástico e um evento aleatório, o que significa independência e incompatibilidade de eventos no contexto da teoria das probabilidades, o que é probabilidade e como podemos calcular as probabilidades de diferentes eventos elementares.

Em tarefas do cotidiano, frequentemente lidamos com relações complexas e, consequentemente, calculamos probabilidades de vários eventos ou de eventos que dependem uns dos outros. Vamos analisar como podemos fazer isso utilizando a teoria das probabilidades.

Para resolver muitos problemas reais em teoria das probabilidades, foram criados modelos especiais que descrevem uma situação específica. Vamos considerar alguns dos modelos mais utilizados que podem ser empregados para descrever certos resultados discretos de experimentos estocásticos.

E se o resultado de um experimento estocástico não puder ser descrito por um valor discreto? Para isso, são utilizados modelos que trabalham com valores contínuos. Considere os modelos mais populares desse tipo.

Frequentemente, enfrentamos a tarefa de verificar a dependência dos resultados de diferentes experimentos estocásticos entre si. Além disso, é necessário não apenas avaliar a presença de dependências, mas também quantificar de alguma forma o grau dessas dependências. Para resolver esses problemas, podemos utilizar covariância e correlação.

Descubra os conceitos essenciais da visualização de dados com Matplotlib. Conheça seus conceitos centrais, explore suas vantagens e crie seu primeiro gráfico simples utilizando esta biblioteca fundamental de plotagem.

Domine a visualização de dados por meio dos tipos de gráficos mais populares. Aprenda a construir gráficos de linha, dispersão e barras para comunicar claramente insights extraídos dos seus dados.

Aprenda a tornar seus gráficos mais informativos e visualmente atraentes. Adicione títulos, legendas, cores e grades, e descubra como organizar múltiplos subgráficos de forma eficaz.

Explore visualizações estatísticas que auxiliam na análise de distribuições e padrões de dados. Crie histogramas, boxplots e gráficos de pizza para revelar insights estatísticos mais profundos.

Aprimore suas habilidades de visualização com Seaborn. Crie gráficos avançados como countplots, KDEs, pair plots e heatmaps, dominando o estilo elegante e as opções de personalização do Seaborn.