Сколько стоит курс «Python: библиотека Pandas для анализа данных»?

Стоимость курса составляет 2000.00 рублей

Сколько времени занимает прохождение курса «Python: библиотека Pandas для анализа данных»?

Прохождение курса «Python: библиотека Pandas для анализа данных» занимает примерно 12 часов.

Какой рейтинг у курса «Python: библиотека Pandas для анализа данных»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 18 учеников.

Где можно пройти курс «Python: библиотека Pandas для анализа данных»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/279437.

Курс на Stepik

Обложка курса «Python: библиотека Pandas для анализа данных» на Stepik

Python: библиотека Pandas для анализа данных ★ 0.000

Name: Python: библиотека Pandas для анализа данных
Price: 2000.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Практический курс для тех, кто хочет уверенно освоить Pandas для анализа данных. Видеолекции, удобные конспекты, блокноты с кодом и максимум практики. Вы пройдете полный цикл работы с датафреймами: от загрузки и очистки до объединения, агрегации и визуализации, а главное научитесь применять эти навыки для решения аналитических задач.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	18
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	79
Количество квизов	372
Количество задач с кодом	188
Время прохождения курса	12 ч.	—
Стоимость курса	2 990 ₽	—
Обновления курса	—	—
Дата публикации курса	2 дня назад	—	—	—	—
Последнее обновление	10 октября 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «Python: библиотека Pandas для анализа данных»

13 разделов Уроки в курсе «Python: библиотека Pandas для анализа данных»

79 уроков Тесты в курсе «Python: библиотека Pandas для анализа данных»

372 теста Задачи в курсе «Python: библиотека Pandas для анализа данных»

188 задач Время прохождения курса «Python: библиотека Pandas для анализа данных»

12 ч.

обн. 10 октября 2026

ВВЕДЕНИЕ В КУРС

6 уроков

1. Презентация курса ↗

2. Вступительное слово, ссылки на полезные материалы ↗

3. Jupyter Notebook vs Google Colab ↗

4. Установка и запуск Jupyter Notebook ↗

5. Markdown: Основы синтаксиса ↗

6. PEP 8: Руководство по стилю кода в Python ↗

ОСНОВЫ PYTHON и NUMPY ДЛЯ АНАЛИЗА ДАННЫХ

5 уроков

1. Основы Python для анализа данных (ч.1) ↗

2. Основы Python для анализа данных (ч.2) ↗

3. Основы Numpy для анализа данных ↗

4. Практика по теме "Основы Numpy для анализа данных" ↗

5. Конспект лекций "Библиотека NumPy" ↗

PANDAS: SERIES И DATAFRAME

9 уроков

1. Импорт библиотек и объект Series ↗

2. Практика по теме "Импорт библиотек и объект Series" ↗

3. DataFrame ↗

4. Практика по теме "DataFrame" ↗

5. Индексация и выборка данных ↗

6. Практика по теме "Индексация и выбор данных" ↗

7. Чтение данных из CSV-файлов ↗

8. Чтение данных из Excel-файлов ↗

9. Работа с архивами и загрузка файлов в Google Colab ↗

PANDAS: ИССЛЕДОВАНИЕ И ОБРАБОТКА ДАННЫХ

11 уроков

1. Настройка вывода и отображения данных ↗

2. Краткое исследование данных ↗

3. Практика по теме "Краткое исследование данных" ↗

4. Работа со столбцами ↗

5. Удаление столбцов и строк ↗

6. Практика по теме "Работа со столбцами и строками" ↗

7. Работа с числовыми данными ↗

8. Работа с текстовыми данными ↗

9. Практика по теме "Работа с текстовыми данными" ↗

10. Работа с датой и временем ↗

11. Практика по теме "Работа с датами и временем" ↗

PANDAS: ФИЛЬТРАЦИЯ И СОРТИРОВКА ДАННЫХ

7 уроков

1. Фильтрация данных (ч. 1) ↗

2. Фильтрация данных (ч. 2) ↗

3. Практика по теме "Фильтрация данных" ↗

4. Фильтрация с помощью регулярных выражений ↗

5. Практика по теме "Фильтрация с помощью регулярных выражений" ↗

6. Сортировка данных ↗

7. Практика по теме "Сортировка данных" ↗

PANDAS: АГРЕГАЦИЯ И ОЧИСТКА ДАННЫХ

7 уроков

1. Функции агрегации ↗

2. Практика по теме "Функции агрегации" ↗

3. Обнаружение и удаление дубликатов ↗

4. Практика по теме "Обнаружение и удаление дубликатов" ↗

5. Обработка пропущенных значений (ч. 1) ↗

6. Обработка пропущенных значений (ч. 2) ↗

7. Практика по теме "Обработка пропущенных значений" ↗

PANDAS: ГРУППИРОВКА И СВОДНЫЕ ТАБЛИЦЫ

7 уроков

1. Группировка данных (ч. 1): groupby ↗

2. Практика по теме "Группировка данных (ч. 1)" ↗

3. Группировка данных (ч. 2): разбиение на интервалы ↗

4. Практика по теме "Группировка данных (ч. 2)" ↗

5. Сводные таблицы ↗

6. Практика по теме "Сводные таблицы" ↗

7. Сохранение данных в файлы: CSV, Excel, JSON ↗

PANDAS: ОБЪЕДИНЕНИЕ И СЛИЯНИЕ ДАННЫХ

9 уроков

1. Объединение данных: pd.concat ↗

2. Практика по теме "Объединение данных: pd.concat" ↗

3. INNER MERGE ↗

4. Практика по теме "Inner Merge" ↗

5. LEFT и RIGHT MERGE ↗

6. Практика по теме "LEFT и RIGHT MERGE" ↗

7. OUTER и CROSS MERGE ↗

8. Практика по теме "OUTER и CROSS MERGE" ↗

9. Объединение по индексам: метод join ↗

PANDAS: РАЗЛИЧНЫЕ ИСТОЧНИКИ ДАННЫХ

3 урока

1. Чтение данных из HTML ↗

2. Чтение данных из баз данных (SQL) ↗

3. Работа с JSON ↗

КОНСПЕКТ ЛЕКЦИЙ "БИБЛИОТЕКА PANDAS"

1 урок

1. Бонус: Datasets for Learning ↗

ВИЗУАЛИЗАЦИЯ В PANDAS

8 уроков

1. Line Plot (линейный график) ↗

2. Histogram (гистограмма) ↗

3. Bar/Barh (столбчатая диаграмма) ↗

4. Pie Chart (круговая диаграмма) ↗

5. Scatter Plot (диаграмма рассеяния) ↗

6. Boxplot ("Ящик с усами") ↗

7. Сохранение графиков (экспорт визуализаций) ↗

8. Общий тест по визуализации ↗

ФИНАЛЬНЫЙ ПРОЕКТ

5 уроков

1. Задание проекта ↗

2. Импорт библиотек, загрузка данных и первичная обработка ↗

3. Очистка и предобработка данных ↗

4. Расширение и агрегация данных ↗

5. Визуализация в Pandas и сохранение результатов ↗

FEEDBACK

1 урок

1. FeedBack ↗