Курс на Stepik
Обложка курса «Pandas для анализа данных» на Stepik
1 090 ₽

Pandas для анализа данных ★ 5.000

Открыть на
STEPIK.ORG

Этот курс позволит вам освоить ключевые концепции и методы работы с Pandas, которые будут полезны в различных аналитических задачах и проектах. Вы также приобретете практические навыки через выполнение упражнений.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Pandas для анализа данных»Учеников на курсе 70
Сертификаты, выданные на курсе «Pandas для анализа данных»Сертификатов выдано 21
Отзывы о курсе «Pandas для анализа данных»Отзывов получено 3
Рейтинг курса «Pandas для анализа данных»Рейтинг курса 5.000
Уроки в курсе «Pandas для анализа данных»Количество уроков 24
Тесты в курсе «Pandas для анализа данных»Количество квизов 122
Задачи с кодом в курсе «Pandas для анализа данных»Количество задач с кодом 15
Время прохождения курса «Pandas для анализа данных»Время прохождения курса —
Стоимость курса «Pandas для анализа данных»Стоимость курса 1 090 ₽ —
Обновления курса «Pandas для анализа данных»Обновления курса — —
Дата публикации курса «Pandas для анализа данных»Дата публикации курса — ———
Последнее обновление курса «Pandas для анализа данных»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Pandas для анализа данных» 13 разделов Уроки в курсе «Pandas для анализа данных» 24 урока Тесты в курсе «Pandas для анализа данных» 122 теста Задачи в курсе «Pandas для анализа данных» 15 задач Время прохождения курса «Pandas для анализа данных» 6 ч. Последнее обновление курса «Pandas для анализа данных» обн. 23 апреля 2026

1. Чтение данных из файлов

2 урока
Закрытый
1.1 Импорт данных из форматов CSV, Excel, JSON ↗
45
34
11м 49с
0
Закрытый
1.2 Обработка крупных файлов с chunksize ↗
39
25
30м 52с
2

2. Экспресс знакомство с данными

3 урока
Закрытый
2.1 Методы быстрого просмотра: head(), tail(), sample() ↗
35
30
2м 38с
2
Закрытый
2.2 Основные характеристики данных: info(), describe() ↗
33
17
19м 44с
-1
Закрытый
2.3 Выявление и обработка пропущенных значений ↗
31
27
9м 54с
1

3. Вывод столбцов и работа с типами данных

2 урока
Закрытый
3.1 Доступ к столбцам и преобразование типов данных ↗
28
24
22м 2с
1
Закрытый
3.2 Преобразование типов данных для оптимизации памяти ↗
28
24
9м 6с
2

4. Фильтрация строк

1 урок
Закрытый
4.1 Условные фильтры и фильтрация по значениям ↗
29
20
19м 40с
1

5. Сортировка строк

1 урок
Закрытый
5.1 Сортировка по значениям и индексам ↗
27
23
19м 56с
1

6. Агрегирующие функции и вычисления

2 урока
Закрытый
6.1 Применение стандартных агрегирующих функций ↗
27
23
12м 9с
1
Закрытый
6.2 Пользовательские функции для агрегации ↗
25
22
15м 25с
2

7. Объединение данных

2 урока
Закрытый
7.1 Методы объединения данных: merge, join, concat ↗
22
19
23м 36с
1
Закрытый
7.2 Конкатенация таблиц ↗
23
18
13м 45с
1

8. Работа с датами и временем

2 урока
Закрытый
8.1 Преобразование строк в формат дат ↗
20
17
31м 46с
1
Закрытый
8.2 Извлечение временных компонентов (год, месяц, день) ↗
18
17
4м 37с
1

9. Преобразование значений и редактирование данных

2 урока
Закрытый
9.1 Замена значений (replace, map, applymap) ↗
18
17
19м 40с
1
Закрытый
9.2 Удаление дубликатов и управление индексами ↗
20
17
12м 57с
1

10. Визуализация данных в Pandas

1 урок
Закрытый
10.1 Базовая визуализация: гистограммы, boxplot, scatter ↗
20
13
20м 50с
2

11. Слайсинг и выборка данных

1 урок
Закрытый
11.1 Индексация и выборка данных с помощью .loc и .iloc ↗
21
13
9м 22с
1

12. Работа с текстовыми данными

1 урок
Закрытый
12.1 Разбор и обработка текстов ↗
19
11
18м 38с
1

13. Pandas и машинное обучение

4 урока
Закрытый
13.1 Масштабирование данных и нормализация ↗
21
8
9м 52с
1
Закрытый
13.2 Преобразование категориальных признаков(One-Hot, Label Encoding) ↗
16
8
4м 31с
1
Закрытый
13.3 Подготовка данных для ML-моделей ↗
16
8
2м 3с
1
Закрытый
13.4 Обратная связь ↗
15
6
1м 37с
1