Курс на Stepik
Обложка курса «Python: анализ данных с Pandas» на Stepik
1 990 ₽

Python: анализ данных с Pandas 4.768

Открыть на
STEPIK.ORG

Курс посвящен практической работе с Pandas. Вы получите необходимую теорию и закрепите ее на большом количестве практических задач.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Python: анализ данных с Pandas»Учеников на курсе 2 191
Сертификаты, выданные на курсе «Python: анализ данных с Pandas»Сертификатов выдано 739
Отзывы о курсе «Python: анализ данных с Pandas»Отзывов получено 168
Рейтинг курса «Python: анализ данных с Pandas»Рейтинг курса 4.768
Уроки в курсе «Python: анализ данных с Pandas»Количество уроков 20
Тесты в курсе «Python: анализ данных с Pandas»Количество квизов 49
Время прохождения курса «Python: анализ данных с Pandas»Время прохождения курса
Стоимость курса «Python: анализ данных с Pandas»Стоимость курса 1 990 ₽
Обновления курса «Python: анализ данных с Pandas»Обновления курса
Дата публикации курса «Python: анализ данных с Pandas»Дата публикации курса
Последнее обновление курса «Python: анализ данных с Pandas»Последнее обновление
Сложность normal

Содержание курса

Разделы в курсе «Python: анализ данных с Pandas» 3 раздела Уроки в курсе «Python: анализ данных с Pandas» 20 уроков Тесты в курсе «Python: анализ данных с Pandas» 49 тестов Время прохождения курса «Python: анализ данных с Pandas» 6 ч. Последнее обновление курса «Python: анализ данных с Pandas» обн. 25 января 2026

Анализ датафреймов по отдельности

9 уроков
1. Чтение данных из файлов
2. Экспресс знакомство с данными
3. Вывод столбцов
4. Типы данных
5. Фильтрация строк
6. Фильтрация строк с помощью методов .contains() и .startswith()
7. Сортировка строк
8. Агрегирующие функции
9. Группировка строк

Анализ нескольких связанных датафреймов

2 урока
1. Merge a. k. a join
2. Конкатенация

Дополнительный обязательный модуль

9 уроков
1. Работа с датами и временем
2. Сводные таблицы
3. Новые способы создания датафреймов
4. Категоризация номинальных признаков
5. Замена значений в датафрейме
6. Визуализация в pandas
7. Слайсинг
8. Метод .apply()
9. Заключение