Học big data | Làm Quen với Pandas và DataFrame | Tự Học Data Science #1

41

Học big data đang là chủ đề được rất nhiều người tìm kiếm. Vậy nên hôm nay Điểm Tốt xin đưa đến các bạn chủ đề Học big data | Làm Quen với Pandas và DataFrame | Tự Học Data Science #1 thông qua video và nội dung dưới đây:



Mua khóa học này trên Unica: Mua Ngay

Mua khóa học này trên Kyna: Mua Ngay

Hello Diu Túp, hôm nay chúng mình xin giới thiệu đến các bạn Series “Tự Học Data Science Cho Người Mới Bắt Đầu”. Và chủ đề của Video hôm này là “Làm Quen vs Pandas và DataFrame” 🤩 !

Link Download Dataset trong Video:

Data Science (hay còn gọi là Khoa học dữ liệu) trở thành một trong những ngành có nhu cầu nhân lực cao nhất ở thế kỷ 21. Thuật ngữ “Data Science” cũng là thuật ngữ được nhiều người nhắc đến hằng ngày. Data Science được định nghĩa là tất cả những gì về thu thập, khai thác và phân tích dữ liệu để tìm ra insight giá trị. Sau đó trực quan hóa các Insight cho các bên liên quan, để chuyển hóa Insight thành hành động. Đây là lĩnh vực đa ngành sử dụng các phương pháp và quy trình khoa học để rút ra insight từ dữ liệu.

Pandas là là thư viện mã nguồn mở với hiệu năng cao cho phân tích dữ liệu trong Python được phát triển bởi Wes McKinney trong năm 2008. Chỉ với hơn 1 năm phát triển nó đã trở thành một thư viện chuẩn cho việc phân tích dữ liệu khi dùng Python. Pandas là một thư viện mã nguồn mở được xây dựng dựa trên NumPy, sử dụng thao tác và phân tích dữ liệu, được thiết kế để cho phép bạn làm việc với dữ liệu được gắn nhãn hoặc quan hệ theo cách trực quan hơn

– Có thể xử lý tập dữ liệu khác nhau về định dạng: chuỗi thời gian, bảng không đồng nhất, ma trận dữ liệu
– Khả năng import dữ liệu từ nhiều nguồn khác nhau như CSV, DB/SQL
– Có thể xử lý vô số phép toán cho tập dữ liệu: subsetting, slicing, filtering, merging, groupBy, re-ordering, and re-shaping,..
– Xử lý dữ liệu mất mát theo ý người dùng mong muốn: bỏ qua hoặc chuyển sang 0
– Xử lý, phân tích dữ liệu tốt như mô hình hoá và thống kê
– Tích hợp tốt với các thư viện khác của python
– Cung cấp hiệu suất tốt

[0:00] Giới thiệu về Data Science
[1:30] Giới thiệu về CodeXplore Github Repo
Link:
[3:10] Hướng dẫn cài đặt và sử dụng Anaconda
Link:
[4:35] Hướng dẫn sử dụng Jupyter Notebook
[8:00] pd.read_csv()
[10:15] df.shape
[11:10] df.info()
[12:35] df.columns
[13:15] df.index
[14:00] df.describe()
[16:38] .loc()
[22:45] .iloc()
[26:59] .dtype
[28:14] .apply()
[32:50] Nhân các column trong Data Frame và tạo Column mới
[36:36] .groupby()
[38:59] .sort_values()
[40:45] .value_count()
[41:39] .nuique()

Full Series “Tự Học Data Science Cho Người Mới Bắt Đầu”:

Group Hỏi Đáp:

————- ✪ About CodeXplore Channel ✪ ————
CodeXplore là một platform chia sẻ kiến thức về Lập Trình [Coding] dành cho các bạn trẻ Việt Nam từ một cựu du học sinh Sing, hiện đang sống và làm việc tại Singapore.

Channel của mình sẽ focus vào các chủ đề sau:
► [Code] Lập Trình Web – Full-Stack (HTML, CSS, JavaScript, Node JS và React JS) ☞ Future Projects: Deno
► [Code] Interview Preparation (Cấu Trúc Dữ Liệu và Thuật Toán & LeetCode Solutions)
► [Code] Lập Trình Python (Cơ Bản, Lập Trình Hướng Đối Tượng, Lập Trình Game)

► [Xplore] Travel Vlog (Chia sẻ kinh nghiệm đi du lịch và trải nghiệm)
——————
✪ Business inquiries: [email protected]
✪ Subscribe:

➥ CodeXplore Social Links:
Fanpage:
Instagram:
GitHub:

———————————————-/————-
© Bản quyền thuộc về CodeXplore
© Copyright by CodeXplore ☞ Do not Reup

#JupyterNotebook #Pandas #DataScience

Tag: Học big data, CodeXplore, lap trinh, lap, trinh, python, PYTHON, python3, tự học, lập trình, lập, trình, cơ bản, AI, code, co ban, data science, pandas, data frame, DataFrame, Jupyter, notebook, tự học data science, data science cơ bản, cài đặt anaconda, machine learning, trí tuệ nhân tạo, máy học, trí, tuệ, nhân, tạo, ai, học pandas, pandas là gì, tự học pandas, pandas python, Pandas Library, python pandas

Cảm ơn các bạn đã theo dõi chủ đề Học big data | Làm Quen với Pandas và DataFrame | Tự Học Data Science #1. Điểm Tốt hy vọng đã giúp được bạn giải đáp được vấn đề, mọi thắc mắc hay bình luận xuống phía dưới.

Xem thêm: https://tieudiemtuong.net/category/bai-tap

41 Comments

  1. Hi mọi người, mình Pin comment các cách để tải Dataset xuống nhé:

    Cách 1: Các bạn Click vào đường link này: https://github.com/CodexploreRepo/data_science/blob/main/Code/A2_Pandas/P1_Getting_Knowing_Data/chipotle.tsv
    Rồi bấm nút "raw" => và Lưu Xuống bằng cách > Click chuột phải vào link này rồi chọn "Save Link As"

    Cách 2: Clone toàn bô Repo "Data Science" @ https://github.com/CodexploreRepo/data_science xuống máy tính của các bạn, Dataset sẽ nằm tại Folder: Code/A2_Pandas/P1_Getting_Knowing_Data/

    Reply
  2. Dạ anh ơi, tại sao tổng số lượng ordered Chicken Bowl ở 2 phương pháp (Groupby – 761 và value_count – 726) là khác nhau vậy ạ? Thế thì với value_count, phương thức này đã bỏ qua những trường hợp nào thế anh? Cảm ơn anh nhiều ạ – bài giảng của anh rất hay <3.

    Reply
  3. Chào anh ạ, em là sinh viên chuyên ngành toán học mong muốn tìm hiểu thêm về data-scientist và machine-learning không biết là bắt đầu từ đâu ạ. Em cảm ơn rất nhiều!!!
    Video rất hay ạ!

    Reply
  4. hay quá anh ơi, em trông chờ vào những video tiếp theo của anh. Hy vọng kênh của anh sẽ được phổ biến rộng rãi hơn vì độ chất lượng của nó <3

    Reply
  5. Cho em hỏi khi em đọc file thì xuất hiện lỗi này, em kiểm tra lại đã download và lưu đúng tên file mà không được ạ
    NameError Traceback (most recent call last)

    <ipython-input-1-a29405eb924b> in <module>

    —-> 1 df.head(5)

    NameError: name 'df' is not defined

    Reply
  6. em thấy kênh rất hay nhưng ý kiến riêng của em để kênh tốt hơn và chuyên nghiệp hơn
    quan trọng nhất là anh nên đầu tư cái mic xịn khử noise đi nghe nó sẽ ổn hơn

    Reply
  7. cảm ơn bạn!
    Mình muốn tìm hướng dẫn sử dụng hàm if trong pandas giống như hàm if trong excel thì tìm ở đâu nhỉ. Hy vọng series này bạn đề cập đến vấn đề này.

    Reply

Leave a Reply

Your email address will not be published. Required fields are marked *