Парсинг и анализ данных на Python

Научимся работать с pandas, импортировать и майнить данные из Сети, строить графики и картограммы, создавать отчеты 

Парсинг и анализ данных на Python
Цена
6799
Кэшбэк до 7.5%
48 уроков48 уроков
СертификатСертификат
РусскийРусский
Udemy
Купить с кэшбэком

Описание:

Курс состоит из 4 больших частей.

1. Анализ данных

  • Вы изучите работу с импортом, объединением, преобразованием, фильтрацией данных на pandas, а также научитесь предсказывать тренды.
  • Вы сможете самостоятельно загружать данные в формате CSV, TSV, Excel, извлекать из них значения, находить взаимосвязи между разными наборами данных, преобразовывать и усекать наборы данных. В заключении вы освоите математический аппарат линейной регрессии для поиска линейной связи между данными и эффективно примените его для предсказания значений в будущем.

2. Парсинг данных

  • Вы изучите получение данных в Python, используя библиотеку requests API и форматы JSON и XML (включая SOAP).
  • Научитесь работать с неструктурированными данными в HTML, собирать их и преобразовывать в фреймы данных.
  • Научитесь собирать данные целиком с сайта в несколько потоков: создадите мультипроцессного робота-паука.
  • В завершении установите SQLite и загрузите все собранные данные в базу, а также научитесь выбирать из базы данных непосредственно в фреймы данных.

3. Визуализация данных

  • Вы изучите анатомию matplotlib и типы визуализации различных данных: линии, области, столбцы, круговые диаграммы.
  • Научитесь визуализировать зависимости между данными и линейную регрессию с помощью seaborn: построите ящичковые и парные диаграммы, диаграммы распределения.
  • Изучите визуализацию временных (хронологических) данных: ряды, скользящие средние, отклонения и "японские свечи".
  • В завершении разберете работу с гео-данными и построение фоновых картограмм по нескольким наборам данных, используя geopandas.

4. Генерация отчетов и автоматизация

  • В этом курсе вы научитесь создавать и преобразовывать PDF документы, генерировать их из HTML кода, используя шаблонизатор, отправлять отчеты по e-mail и автоматизировать работу.
  • В курсе используются библиотеки reportlab, pypdf2, pdfkit, jinja2, smtplib, email, binascii, io, а также бинарный файл wkhtmltopdf. Решаем задачи по созданию PDF документа через холст, разбору PDF документа, объединению PDF документов, созданию HTML и PDF документов из HTML, шаблонизации HTML через jinja2, преобразованию бинарных данных в base64-кодировку. В заключении разберем отправку e-mail, включая HTML-письма и вложенные PDF отчеты.

Чему вы научитесь

  • Работа с данными с помощью pandas и numpy
  • Получение наборов данных из множества источников
  • Преобразование данных и предсказание последовательностей
  • Работа с HTTP, JSON, API, SOAP
  • Парсинг и скрепинг HTML сайтов
  • Визуализация данных: тренды и зависимости
  • Гео-данные м фоновые картограммы
  • Генерация PDF отчетов
  • HTML документы и шаблонизация
  • Отправка email и автоматизация работы

Программа курса:

  1. numpy и pandas
  2. Индексы и объединение фреймов
  3. Фильтрация и изменение данных
  4. Линейная регрессия
  5. Импорт данных
  6. Парсинг данных
  7. Веб-скрепинг
  8. Работа с SQL
  9. Основы Matplotlib
  10. Визуализация зависимостей
  11. Временные ряды
  12. Гео-данные и картограммы
  13. Работа с PDF
  14. Базовые отчеты
  15. Генерация отчетов
  16. Отправка email и интеграция