Сколько стоит курс «Pandas для дата-инженера»?

Стоимость курса составляет 800.00 рублей

Сколько времени занимает прохождение курса «Pandas для дата-инженера»?

Прохождение курса «Pandas для дата-инженера» занимает примерно 3 часов.

Какой рейтинг у курса «Pandas для дата-инженера»?

Курс имеет рейтинг 5.0 из 5 на основе 2 отзывов. На курсе обучается 88 учеников.

Где можно пройти курс «Pandas для дата-инженера»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/280193.

Содержание курса «Pandas для дата-инженера» — уроки, модули, разделы

Name: Pandas для дата-инженера
Price: 800.00 RUB
Availability: InStock
Rating: 5.0 (2 reviews)

Показатель	Текущие показатели	Рост
Учеников на курсе	88
Сертификатов выдано	0
Отзывов получено	2
Рейтинг курса	5.000
Количество уроков	147
Количество квизов	732
Время прохождения курса	3 ч.	—
Стоимость курса	800 ₽	—
Обновления курса	—	—
Дата публикации курса	3 недели назад	—	—	—	—
Последнее обновление	14 июля 2026	—	—	—	—

1. Модуль 1. Введение: зачем дата-инженеру pandas и среда

7 уроков

Закрытый

1.1 О курсе: как проходить обучение и канал «Логово Дата-Инженера» ↗

65

19

3м 12с

0

Закрытый

1.2 Почему pandas — ключевой инструмент дата-инженера в Python ↗

23

14

6м 50с

0

Закрытый

1.3 Установка: Python, окружение и pandas 2.x ↗

16

10

9м 13с

0

Закрытый

1.4 Jupyter Notebook и IPython: рабочее место для данных ↗

14

11

10м 52с

0

Закрытый

1.5 Минимум NumPy для pandas: массивы, dtype, векторизация ↗

17

11

15м 48с

0

Закрытый

1.6 Импорт pandas, проверка версии и экосистема (NumPy, PyArrow) ↗

14

8

7м 41с

0

Закрытый

1.7 Как читать ошибки pandas и быстрый цикл эксперимента ↗

14

9

2м 57с

0

2. Модуль 2. Series — одномерная структура

7 уроков

Закрытый

2.1 Что такое Series: значения плюс индекс-метки ↗

14

8

14м 43с

0

Закрытый

2.2 Создание Series из списка, словаря и скаляра ↗

11

7

6м 42с

0

Закрытый

2.3 Индекс Series: метки против позиций ↗

10

5

2м 40с

0

Закрытый

2.4 Доступ к элементам Series по метке и по позиции ↗

10

5

4м 49с

0

Закрытый

2.5 Типы данных dtype у Series ↗

7

4

-

0

Закрытый

2.6 Векторизованные операции и выравнивание по индексу ↗

7

3

-

0

Закрытый

2.7 Пропуски в Series: NaN и его особенности ↗

6

3

-

0

3. Модуль 3. DataFrame — основа

8 уроков

Закрытый

3.1 Что такое DataFrame: таблица из колонок-Series ↗

7

4

-

0

Закрытый

3.2 Создание DataFrame: словарь, список словарей, NumPy ↗

5

2

-

0

Закрытый

3.3 Индекс, колонки и dtypes; атрибуты shape, columns, index ↗

4

2

-

0

Закрытый

3.4 Осмотр данных: head, tail, sample, info, describe ↗

5

3

-

0

Закрытый

3.5 Выбор колонок: одной и нескольких ↗

3

2

-

0

Закрытый

3.6 Добавление, вычисление и удаление колонок ↗

5

3

-

0

Закрытый

3.7 Переименование колонок и индекса ↗

3

2

-

0

Закрытый

3.8 set_index и reset_index: колонка как индекс и обратно ↗

4

2

-

0

4. Модуль 4. Индексация и выборка

9 уроков

32

19

0м

0

Закрытый

4.1 Две системы доступа: loc по меткам и iloc по позициям ↗

4

2

-

0

Закрытый

4.2 loc подробно: метки, срезы, списки ↗

4

3

-

0

Закрытый

4.3 iloc подробно: позиции и срезы ↗

3

2

-

0

Закрытый

4.4 Булева индексация: отбор строк по условию ↗

3

2

-

0

Закрытый

4.5 Сложные условия: операторы &, | , ~ и скобки ↗

5

2

-

0

Закрытый

4.6 Фильтры isin, between и отбор по нескольким колонкам ↗

3

2

-

0

Закрытый

4.7 Метод query: фильтрация выражением-строкой ↗

3

2

-

0

Закрытый

4.8 Присваивание через loc и предупреждение SettingWithCopyWarning ↗

4

2

-

0

Закрытый

4.9 Копия против представления и Copy-on-Write в pandas 2.x ↗

3

2

-

0

5. Модуль 5. Ввод и вывод данных

8 уроков

Закрытый

5.1 Единый API ввода-вывода: семейства read_ и to_ ↗

5

2

-

0

Закрытый

5.2 Чтение CSV: основные опции sep, header, names, dtype ↗

4

2

-

0

Закрытый

5.3 CSV глубже: parse_dates, кодировки, пропуски, проблемные строки ↗

4

2

-

0

Закрытый

5.4 Чтение больших CSV по частям: chunksize ↗

3

2

-

0

Закрытый

5.5 JSON: чтение, запись и разворачивание вложенного json_normalize ↗

3

2

-

0

Закрытый

5.6 Excel: чтение листов через read_excel ↗

3

2

-

0

Закрытый

5.7 Parquet и Feather: колоночные форматы для дата-инженера ↗

2

1

-

0

Закрытый

5.8 Чтение и запись через SQL: read_sql и to_sql ↗

2

1

-

0

6. Модуль 6. Типы данных и память

7 уроков

Закрытый

6.1 Обзор dtypes pandas: числа, bool, object, datetime, category ↗

2

1

-

0

Закрытый

6.2 Тип object и почему он дорогой; строковый тип ↗

2

1

-

0

Закрытый

6.3 Nullable-типы: Int64, boolean, string и пропуски ↗

2

1

-

0

Закрытый

6.4 Категориальный тип category: экономия памяти и скорость ↗

2

1

-

0

Закрытый

6.5 astype и понижение разрядности (downcasting) ↗

2

1

-

0

Закрытый

6.6 Измерение и оптимизация памяти DataFrame ↗

3

1

-

0

Закрытый

6.7 PyArrow-backend в pandas 2.x: когда включать ↗

3

1

-

0

7. Модуль 7. Очистка данных

8 уроков

Закрытый

7.1 Пропущенные значения: NaN, None, NaT и pd.NA ↗

4

2

-

0

Закрытый

7.2 Поиск и подсчёт пропусков: isna, notna ↗

4

0

-

0

Закрытый

7.3 Удаление пропусков: dropna и его параметры ↗

2

1

-

0

Закрытый

7.4 Заполнение пропусков: fillna, ffill, bfill, интерполяция ↗

3

1

-

0

Закрытый

7.5 Дубликаты: duplicated и drop_duplicates ↗

3

1

-

0

Закрытый

7.6 Замена значений: replace и сопоставление по словарю ↗

2

1

-

0

Закрытый

7.7 Приведение «грязных» чисел и дат к нужным типам ↗

2

1

-

0

Закрытый

7.8 Сквозной пример: чистим реальный грязный датасет ↗

2

1

-

0

8. Модуль 8. Преобразование данных

7 уроков

Закрытый

8.1 Векторизация против циклов по строкам: почему циклы — зло ↗

2

1

-

0

Закрытый

8.2 assign: вычисляемые колонки без мутации ↗

2

1

-

0

Закрытый

8.3 map для Series: поэлементное преобразование ↗

2

1

-

0

Закрытый

8.4 apply: применение функции к Series и DataFrame ↗

2

1

-

0

Закрытый

8.5 Условная замена: where и mask ↗

3

1

-

0

Закрытый

8.6 Условные колонки: np.where, np.select, pd.cut, pd.qcut ↗

2

1

-

0

Закрытый

8.7 Когда apply оправдан, а когда это ловушка производительности ↗

2

1

-

0

9. Модуль 9. Работа со строками

6 уроков

Закрытый

9.1 Строковый аксессор .str: векторные операции над текстом ↗

2

1

-

0

Закрытый

9.2 Базовые методы: lower, upper, strip, len, contains ↗

2

0

-

0

Закрытый

9.3 Разбиение и сборка строк: split, cat, join ↗

2

1

-

0

Закрытый

9.4 Регулярные выражения: extract, replace, findall ↗

2

1

-

0

Закрытый

9.5 Проверки: startswith, endswith, isnumeric, match ↗

2

1

-

0

Закрытый

9.6 Типовая очистка текстовых колонок в пайплайне ↗

2

1

-

0

10. Модуль 10. Дата и время

8 уроков

Закрытый

10.1 Тип datetime64 и Timestamp: зачем правильные типы дат ↗

2

1

-

0

Закрытый

10.2 Разбор дат: to_datetime, форматы и обработка ошибок ↗

2

1

-

0

Закрытый

10.3 Аксессор .dt: компоненты даты и времени ↗

2

1

-

0

Закрытый

10.4 Арифметика дат и Timedelta ↗

2

1

-

0

Закрытый

10.5 DatetimeIndex: даты в роли индекса ↗

2

1

-

0

Закрытый

10.6 Ресемплинг временных рядов: resample ↗

2

0

-

0

Закрытый

10.7 Скользящие агрегаты по времени ↗

1

0

-

0

Закрытый

10.8 Часовые пояса: tz_localize и tz_convert ↗

1

0

-

0

11. Модуль 11. Группировка и агрегация

10 уроков

10

1

0м

0

Закрытый

11.1 Идея split-apply-combine и объект groupby ↗

1

0

-

0

Закрытый

11.2 Простые агрегаты по группам: sum, mean, count, size ↗

1

0

-

0

Закрытый

11.3 agg: несколько агрегатов и именованные агрегаты ↗

1

0

-

0

Закрытый

11.4 Разные агрегаты для разных колонок ↗

1

0

-

0

Закрытый

11.5 transform: результат размера исходных данных ↗

1

0

-

0

Закрытый

11.6 filter: отбор целых групп по условию ↗

1

0

-

0

Закрытый

11.7 apply на группах: гибкость и её цена ↗

1

0

-

0

Закрытый

11.8 Группировка по нескольким ключам ↗

1

0

-

0

Закрытый

11.9 Группировка по производному ключу: функция, бины, период ↗

1

0

-

0

Закрытый

11.10 as_index, reset_index и типичные ошибки groupby ↗

1

-

0

12. Модуль 12. Объединение данных

9 уроков

9

0

0м

0

Закрытый

12.1 Конкатенация concat по строкам и колонкам ↗

1

0

-

0

Закрытый

12.2 merge: соединения в стиле SQL ↗

1

0

-

0

Закрытый

12.3 Типы соединений: inner, left, right, outer ↗

1

0

-

0

Закрытый

12.4 Ключи соединения: on, left_on/right_on, по индексу ↗

1

0

-

0

Закрытый

12.5 Размножение строк при merge — главная ловушка ↗

1

0

-

0

Закрытый

12.6 Валидация соединений: validate и indicator ↗

1

0

-

0

Закрытый

12.7 join по индексу ↗

1

0

-

0

Закрытый

12.8 merge_asof и merge_ordered для временных рядов ↗

1

0

-

0

Закрытый

12.9 combine_first и update: дополнение и обновление ↗

1

0

-

0

13. Модуль 13. Изменение формы данных

8 уроков

Закрытый

13.1 Длинный и широкий форматы данных: зачем и когда ↗

1

0

-

0

Закрытый

13.2 pivot: из длинного в широкий ↗

1

0

-

0

Закрытый

13.3 pivot_table: сводные таблицы с агрегацией ↗

1

0

-

0

Закрытый

13.4 melt: из широкого в длинный ↗

1

0

-

0

Закрытый

13.5 stack и unstack ↗

1

0

-

0

Закрытый

13.6 crosstab: таблицы сопряжённости ↗

1

0

-

0

Закрытый

13.7 get_dummies: one-hot кодирование категорий ↗

1

0

-

0

Закрытый

13.8 explode: разворачивание списков в строки ↗

1

0

-

0

14. Модуль 14. Иерархический индекс (MultiIndex)

6 уроков

Закрытый

14.1 Что такое MultiIndex и откуда он берётся ↗

1

0

-

0

Закрытый

14.2 Создание иерархического индекса; set_index по нескольким… ↗

1

0

-

0

Закрытый

14.3 Доступ к данным по уровням: loc и xs ↗

1

0

-

0

Закрытый

14.4 Сортировка уровней и swaplevel ↗

1

0

-

0

Закрытый

14.5 Агрегация по уровням MultiIndex ↗

1

0

-

0

Закрытый

14.6 Сглаживание индекса: когда MultiIndex мешает ↗

1

0

-

0

15. Модуль 15. Оконные и накопительные операции

6 уроков

Закрытый

15.1 Накопительные функции: cumsum, cumprod, cummax ↗

1

0

-

0

Закрытый

15.2 Скользящее окно rolling ↗

1

0

-

0

Закрытый

15.3 Расширяющееся окно expanding ↗

1

0

-

0

Закрытый

15.4 Экспоненциально взвешенное окно ewm ↗

1

0

-

0

Закрытый

15.5 shift, diff и pct_change ↗

1

0

-

0

Закрытый

15.6 Оконные операции внутри групп ↗

1

0

-

0

16. Модуль 16. Производительность и масштаб

9 уроков

10

0

0м

0

Закрытый

16.1 Откуда берётся медленный pandas ↗

1

0

-

0

Закрытый

16.2 Векторизация и встроенные методы вместо apply ↗

1

0

-

0

Закрытый

16.3 Правильные dtypes как ускорение ↗

1

0

-

0

Закрытый

16.4 eval и query для больших выражений ↗

1

0

-

0

Закрытый

16.5 Обработка данных больше памяти: chunking ↗

1

0

-

0

Закрытый

16.6 Профилирование времени и памяти ↗

1

0

-

0

Закрытый

16.7 Копии, представления и Copy-on-Write на практике ↗

1

0

-

0

Закрытый

16.8 Когда pandas перестаёт справляться ↗

2

0

-

0

Закрытый

16.9 Альтернативы для масштаба: Polars, Dask, DuckDB, Spark ↗

1

0

-

0

17. Модуль 17. pandas глазами дата-инженера

6 уроков

Закрытый

17.1 pandas против SQL: переносим мышление ↗

2

0

-

0

Закрытый

17.2 pandas против Spark: одна машина против кластера ↗

1

0

-

0

Закрытый

17.3 Место pandas в дата-платформе: где уместен, где нет ↗

2

0

-

0

Закрытый

17.4 Идемпотентность и детерминизм pandas-пайплайна ↗

1

0

-

0

Закрытый

17.5 Контракты данных и валидация схемы ↗

1

0

-

0

Закрытый

17.6 Логирование и наблюдаемость pandas-джоба ↗

1

0

-

0

18. Модуль 18. Качество данных и тестирование

6 уроков

Закрытый

18.1 Проверки качества данных: ассерты и ожидания ↗

1

0

-

0

Закрытый

18.2 Тестирование pandas-кода: assert_frame_equal и pytest ↗

1

0

-

0

Закрытый

18.3 Фикстуры с тестовыми DataFrame ↗

1

0

-

0

Закрытый

18.4 Профилирование данных: describe, value_counts, пропуски ↗

1

0

-

0

Закрытый

18.5 Поиск аномалий и выбросов ↗

1

0

-

0

Закрытый

18.6 Чек-лист код-ревью pandas-пайплайна ↗

1

0

-

0

19. Модуль 19. Продакшн-пайплайн на pandas

6 уроков

Закрытый

19.1 Структура pandas-ETL проекта: модули и конфиги ↗

2

0

-

0

Закрытый

19.2 Параметризация и запуск через CLI ↗

1

0

-

0

Закрытый

19.3 Чтение источников и запись приёмников ↗

1

0

-

0

Закрытый

19.4 Метод-чейнинг и pipe: читаемые конвейеры ↗

1

0

-

0

Закрытый

19.5 Обработка ошибок и частичных данных ↗

1

0

-

0

Закрытый

19.6 Упаковка и запуск pandas-джоба ↗

1

0

-

0

20. Модуль 20. Итоговый проект: end-to-end ETL на pandas

6 уроков

Закрытый

20.1 Постановка задачи: пакетный ETL на pandas ↗

3

0

-

0

Закрытый

20.2 Слои данных: raw, cleansed, curated ↗

3

0

-

0

Закрытый

20.3 Проектируем доменную модель и шаги пайплайна ↗

2

0

-

0

Закрытый

20.4 Реализация: чтение, очистка, трансформации, агрегации ↗

3

0

-

0

Закрытый

20.5 Тесты, запуск и оптимизация пайплайна ↗

4

1

-

0

Закрытый

20.6 Дорожная карта: что дальше за пределами pandas ↗

2

1

-

0

Pandas для дата-инженера ★ 5.000