Python jako spoiwo NumPy pandas Matplotlib IPython i Jupyter SciPy Scikit-learn statsmodels Instalacja i konfiguracja Windows GNU, Linux macOS Zintegrowane środowiska programistyczne i edytory tekstowe Społeczność i konferencje Przykłady kodu Przykładowe dane Konwencje importowania Podstawy Pythona oraz obsługi narzędzi IPython i Jupyter Interpreter Pythona Uruchamianie powłoki IPython Uruchamianie notatnika Jupyter Notebook Uzupełnianie poleceń Introspekcja Semantyka języka Python Skalarne typy danych Przepływ sterowania 3. Wbudowane struktury danych, funkcje i pliki 3.1. Struktury danych i sekwencje Krotka Lista Słownik Zbiór Wbudowane funkcje obsługujące sekwencje Przestrzenie nazw, zakres i funkcje lokalne Zwracanie wielu wartości Funkcje są obiektami Funkcje anonimowe (lambda) Generatory Błędy i obsługa wyjątków Pliki i system operacyjny Bajty i kodowanie Unicode w plikach . Podstawy biblioteki NumPy: obsługa tablic i wektorów NumPy ndarray - wielowymiarowy obiekt tablicowy Typ danych tablic ndarray Działania matematyczne z tablicami NumPy Podstawy indeksowania i przechwytywania części Indeksowanie i wartości logiczne Indeksowanie specjalne Transponowanie tablic i zamiana osi Generowanie liczb pseudolosowych Funkcje uniwersalne - szybkie funkcje wykonywane na poszczególnych elementach tablicy Programowanie z użyciem tablic Logiczne operacje warunkowe jako operacje tablicowe Metody matematyczne i statystyczne Metody tablic logicznych Sortowanie Wartości unikalne i operacje logiczne Tablice i operacje na plikach Algebra liniowa Przykład: błądzenie losowe Jednoczesne symulowanie wielu błądzeń losowych Rozpoczynamy pracę z biblioteką pandas Wprowadzenie do struktur danych biblioteki pandas Obiekt Series Obiekt DataFrame Obiekty index Podstawowe funkcjonalności Uaktualnianie indeksu Odrzucanie elementów osi Indeksowanie, wybieranie i filtrowanie Działania arytmetyczne i wyrównywanie danych Funkcje apply i map Sortowanie i tworzenie rankingów Indeksy osi ze zduplikowanymi etykietami Podsumowywanie i generowanie statystyk opisowych Współczynnik korelacji i kowariancja Unikalne wartości, ich liczba i przynależność Odczyt i zapis danych, formaty plików Odczyt i zapis danych w formacie tekstowym Wczytywanie części pliku tekstowego Zapis danych w formacie tekstowym Praca z plikami danych rozgraniczonych Dane w formacie JSON XML i HTML - web scraping Formaty danych binarnych Wczytywanie plików programu Microsoft Excel Obsługa formatu HDF5 Obsługa interfejsów sieciowych Obsługa baz danych Czyszczenie i przygotowywanie danych Obsługa brakujących danych Filtrowanie brakujących danych Wypełnianie brakujących danych Przekształcanie danych Usuwanie duplikatów Przekształcanie danych przy użyciu funkcji lub mapowania Zastępowanie wartości Zmiana nazw indeksów osi Dyskretyzacja i podział na koszyki Wykrywanie i filtrowanie elementów odstających Permutacje i próbkowanie losowe Przetwarzanie wskaźników i zmiennych zastępczych Rozszerzone typy danych Operacje przeprowadzane na łańcuchach Metody obiektu typu string Wyrażenia regularne Funkcje tekstowe w pakiecie pandas Dane kategoryczne Kontekst i motywacja Rozszerzony typ Categorical w bibliotece pandas Obliczenia na obiektach typu Categorical Metody obiektu kategorycznego Przetwarzanie danych - operacje łączenia, wiązania i przekształcania Indeksowanie hierarchiczne Zmiana kolejności i sortowanie poziomów Parametry statystyki opisowej z uwzględnieniem poziomu Indeksowanie z kolumnami ramki danych Łączenie zbiorów danych Łączenie ramek danych w stylu łączenia elementów baz danych Łączenie przy użyciu indeksu Konkatenacja wzdłuż osi Łączenie częściowo nakładających się danych Zmiana kształtu i operacje osiowe Przekształcenia z indeksowaniem hierarchicznym

Przekształcanie z formatu "długiego" na "szeroki" Przekształcanie z formatu "szerokiego" na "długi" Wykresy i wizualizacja danych Podstawy obsługi interfejsu pakietu matplotlib Obiekty figure i wykresy składowe Kolory, oznaczenia i style linii Punkty, etykiety i legendy Adnotacje i rysunki Zapisywanie wykresów w postaci plików Konfiguracja pakietu matplotlib Generowanie wykresów za pomocą pakietów pandas i seaborn Wykresy liniowe Wykresy słupkowe Histogramy i wykresy gęstości Wykresy punktowe Wykresy panelowe i dane kategoryczne Inne narzędzia przeznaczone do wizualizacji danych w Pythonie. Agregacja danych i operacje wykonywane na grupach Mechanika interfejsu groupby Iteracja po grupach Wybieranie kolumny lub podzbioru kolumn Grupowanie przy użyciu słowników i serii Grupowanie przy użyciu funkcji Grupowanie przy użyciu poziomów indeksu Agregacja danych Przetwarzanie kolumna po kolumnie i stosowanie wielu funkcji Zwracanie zagregowanych danych bez indeksów wierszy Metoda apply - ogólne zastosowanie techniki dziel-zastosuj-połącz Usuwanie kluczy grup Kwantyle i analiza koszykowa Przykład: wypełnianie brakujących wartości przy użyciu wartości charakterystycznych dla grupy Przykład: losowe generowanie próbek i permutacja Przykład: średnie ważone grup i współczynnik korelacji Przykład: regresja liniowa grup Transformacje grup i "nieobudowane" operacje grupowania Tabele przestawne i krzyżowe Szeregi czasowe Typy danych i narzędzia przeznaczone do obsługi daty i czasu Konwersja pomiędzy obiektami string i datetime Podstawy szeregów czasowych Indeksowanie i wybieranie Szeregi czasowe z duplikatami indeksów Zakresy dat, częstotliwości i przesunięcia Obsługa strefy czasowej Lokalizacja i konwersja stref czasowych Operacje z udziałem obiektów Timestamp o wyznaczonej strefie czasowej Operacje pomiędzy różnymi strefami czasowymi Okresy i przeprowadzanie na nich operacji matematycznych Konwersja częstotliwości łańcuchów Kwartalne częstotliwości okresów Konwersja znaczników czasu na okresy (i z powrotem) Tworzenie obiektów PeriodIndex na podstawie tablic Zmiana rozdzielczości i konwersja częstotliwości Zmniejszanie częstotliwości Zwiększanie rozdzielczości i interpolacja Zmiana rozdzielczości z okresami Grupowa zmiana częstotliwości Funkcje ruchomego okna Funkcje ważone wykładniczo Binarne funkcje ruchomego okna Funkcje ruchomego okna definiowane przez użytkownika Wprowadzenie do bibliotek modelujących Łączenie pandas z kodem modelu Tworzenie opisów modeli przy użyciu biblioteki Patsy Przekształcenia danych za pomocą formuł Patsy Patsy i dane kategoryczne Wprowadzenie do biblioteki statsmodels Szacowanie modeli liniowych Szacowanie procesów szeregów czasowych Wprowadzenie do pakietu scikit-learn Przykłady analizy danych Dane USA.gov serwisu Bitly Liczenie stref czasowych w czystym Pythonie Liczenie stref czasowych przy użyciu pakietu pandas Zbiór danych MovieLens 1M Wyznaczenie rozbieżności ocen Imiona nadawane dzieciom w USA w latach 1880 - 2010 Analiza trendów imion Baza danych USDA Food Baza danych 2012 Federal Election Commission Statystyki datków z podziałem na wykonywany zawód i pracodawcę Podział kwot datków na koszyki Statystyki datków z podziałem na poszczególne stany Zaawansowane zagadnienia związane z biblioteką NumPy Szczegóły budowy obiektu ndarray Hierarchia typów danych NumPy Zaawansowane operacje tablicowe Zmiana wymiarów tablic Kolejności charakterystyczne dla języków C i Fortran Łączenie i dzielenie tablic Powtarzanie elementów - funkcje tile i repeat Alternatywy indeksowania specjalnego - metody take i put Rozgłaszanie wzdłuż innych osi Przypisywanie wartości elementom tablicy poprzez rozgłaszanie Zaawansowane zastosowania funkcji uniwersalnych Metody instancji funkcji uniwersalnych Pisanie nowych funkcji uniwersalnych w Pythonie Tablice o złożonej strukturze Zagnieżdżone typy danych i pola wielowymiarowe Do czego przydają się tablice o złożonej strukturze? Sortowanie pośrednie - metody argsort i lexsort Alternatywne algorytmy sortowania Częściowe sortowanie tablic Wyszukiwanie elementów w posortowanej tablicy za pomocą metody numpy.searchsorted Pisanie szybkich funkcji NumPy za pomocą pakietu Numba Tworzenie obiektów numpy.ufunc za pomocą pakietu Numba Zaawansowane tablicowe operacje wejścia i wyjścia Pliki mapowane w pamięci HDF5 i inne możliwości zapisu tablic Polecenie %run Uruchamianie kodu zapisanego w schowku Korzystanie z historii poleceń Przeszukiwanie i korzystanie z historii poleceń Zmienne wejściowe i wyjściowe Interakcja z systemem operacyjnym Polecenia powłoki systemowej i aliasy System tworzenia skrótów do katalogów Narzędzia programistyczne Interaktywny debuger Pomiar czasu - funkcje %time i %timeit Podstawowe profilowanie - funkcje %prun i %run-p Profilowanie funkcji linia po linii Wskazówki dotyczące produktywnego tworzenia kodu w środowisku IPython Przeładowywanie modułów Wskazówki dotyczące projektowania kodu. Zaawansowane funkcje środowiska IPython