Гарафутдинов Р.В. Python для анализа данных

Учебное пособие. — Пермь: Пермский государственный национальный исследовательский университет, 2024. — 276 с.Цель учебного пособия — помочь студентам, изучающим курс «Python для анализа данных», приобрести системные знания по основам программирования на языке Python и освоить работу со стандартными возможностями языка и его библиотеками на уровне, достаточном для решения задач обработки и анализа данных. Рассматриваются базовые элементы и синтаксические конструкции языка Python 3 Описываются основные методы и приемы работы с рядами и табличными данными с применением популярных Python-библиотек. Издание содержит тематический план, теорию с примерами программного кода, задания для самостоятельной работы и список использованных источников.Основы программирования на Python.
Предисловие к первому разделу.Введение в алгоритмизацию и программирование.
Высокоуровневые языки программирования.
Язык Python.
Задания для самостоятельной работы.Среда разработки Google Colaboratory.
Общие сведения о платформе.
Основы работы в Colab.
Задания для самостоятельной работы.Синтаксис Python и основные конструкции программы.
Переменные.
Оператор присваивания.
Комментарии.
Типы данных.
Функции.
Ввод-вывод данных.
Математические вычисления.
Подключение функций из библиотек.
Операции сравнения чисел.
Особенности работы с вещественными числами.
Исключительные ситуации (ошибки).
Задания для самостоятельной работы.Условия и циклы.
Основные алгоритмические структуры.
Условный оператор if.
Оператор цикла while.
Задания для самостоятельной работы.Коллекции.
Классы, объекты, методы.
Итерируемые объекты (коллекции).
Строка.
Диапазон.
Кортеж.
Список.
Преобразование типов коллекций.
Передача в функцию элементов коллекции как аргументов.
Оператор цикла for.
Задания для самостоятельной работы.Вложенные коллекции.
Двумерные массивы в Python.
Обращение к внутренним элементам вложенных коллекций.
Поэлементный обход вложенных коллекций.
Функция enumerate() и for с несколькими параметрами.
Простое и глубокое копирование.
Задания для самостоятельной работы.Обработка строк.
Срезы.
Строковые методы.
Задания для самостоятельной работы.Продвинутая обработка коллекций.
Сортировка.
Некоторые другие инструменты обработки коллекций.
Модуль itertools.
Функции map(), filter() и генерация списка.
Задания для самостоятельной работы.Подробно о функциях.
Пользовательские функции.
Значения аргументов по умолчанию.
Позиционные и именованные аргументы.
Нефиксированное количество аргументов функции.
Локальные и глобальные переменные.
Передача в функцию изменяемых и неизменяемых объектов.
Анонимные (лямбда) функции.
Задания для самостоятельной работы.Неиндексированные коллекции и файлы.
Множества.
Словари.
Работа с файлами.
Задания для самостоятельной работы.Работа с интернет-данными.
Данные в сети Интернет.
REST API.
Извлечение данных из веб-страниц.
Задания для самостоятельной работы.
Библиотеки для анализа данных.
Предисловие ко второму разделу.Библиотека NumPy и векторизованные вычисления.
Векторизованные операции.
Операции с массивами.
Многомерные массивы.
Использование генератора случайных чисел.
Операции линейной алгебры над матрицами.
Задание для самостоятельной работы.Библиотека pandas.
Ряды (тип данных Series).
Таблицы (тип данных DataFrame).
Загрузка и выгрузка наборов данных (датасетов).
Пример предварительной обработки датасета.
Задания для самостоятельной работы.Визуализация.
Библиотека Matplotlib.
Библиотека seaborn.
Несколько диаграмм на холсте.
Задания для самостоятельной работы.
Список использованных источников.