Visualisation de la science des données avec Pandas
Description
Cette séance de cours couvre la manipulation et l'exploration des données à l'aide de Python en mettant l'accent sur les techniques de visualisation. Les sujets abordés comprennent le remodelage des trames de données, la gestion des valeurs manquantes et la combinaison des mesures des capteurs. Les exercices pratiques impliquent le rééchantillonnage, l’interpolation et la visualisation des données pour identifier les corrélations et les tendances.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Graph Chatbot
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Ut adipisicing consectetur nostrud excepteur excepteur minim quis aute est non adipisicing. Minim non voluptate consequat reprehenderit nulla nulla sint ea magna nisi sunt velit. Quis minim incididunt nisi quis commodo voluptate consectetur incididunt. Esse elit anim qui id tempor tempor sint irure esse aute.
Magna Lorem quis id ut est eiusmod. Aliquip in mollit exercitation mollit minim mollit. Ea aute sunt occaecat cillum minim reprehenderit nostrud cillum et sunt. Quis aliqua eu mollit aliqua cillum sint officia labore occaecat duis minim voluptate amet. Anim cupidatat laboris in voluptate eiusmod nulla qui Lorem consectetur laborum esse. Sint aliquip tempor est velit tempor quis eu commodo aliqua elit aliqua fugiat cillum.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.