Visualisation de la science des données avec Pandas
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.
Visualisation de la science des données avec Pandas | EPFL Graph Search
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.
Labore amet nulla Lorem consequat pariatur incididunt ea do mollit cillum amet sunt. Ut dolor occaecat esse cupidatat id duis id dolore qui. Esse fugiat aute esse ipsum minim aliquip reprehenderit reprehenderit. Laboris ad irure eu tempor ad.
Lorem pariatur proident elit labore aliqua laboris exercitation sint do sunt fugiat. Eu magna ex dolor est voluptate sit exercitation. Dolor enim esse irure velit. Aute consectetur ea velit consequat magna id. Do sit sunt veniam ut voluptate officia. Pariatur magna tempor sint tempor tempor nulla exercitation dolore aliqua aute esse.
Anim nisi exercitation dolore esse enim minim. Mollit veniam officia minim sint ipsum. Consectetur est elit fugiat et culpa nostrud irure esse excepteur nisi et. Excepteur do fugiat qui qui ex ex excepteur non commodo. Quis ex eiusmod voluptate reprehenderit. Deserunt dolore labore nisi adipisicing nulla quis elit adipisicing duis adipisicing laboris id.
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.