חבילות נתונים בפייתון

Study Notes

חבילת Pandas

חבילת פייתון לניתוח נתונים, המאפשרת עבודה יעילה עם טבלאות נתונים.

הרכשה ואחסון נתונים

פורמטים לשמירת נתונים: CSV, JSON, Excel, ועוד.
רכישה באמצעות API: שימוש ב-API לקבלת נתונים באופן אוטומטי.
רכישה באמצעות Crawling ו-BeautifulSoup: לשליפה של נתונים מפלטפורמות אינטרנט.
CSS: שפה לציון סגנון בדיפוי.

טיפול בנתונים

נתונים וסוגי משתנים: נתונים מספריים, טקסטואליים, תאריכים ועוד.
משתנים בדידים: משתנים עם מספר סופי של ערכים אפשריים.
משתנים רציפים: משתנים שיכולים לקבל כל ערך בטווח מסוים.
הסתברויות וקשרים בין משתנים: הבנת קשרים סטטיסטיים בין משתנים.
נתונים חסרים: טיפול בנתונים חסרים בטבלאות כמו הוספה, הסרה או התאמת ערכים.
כפילויות בנתונים: איתור וטיפול בכפילויות.
נתונים חרגים: זיהוי וטיפול בנתונים שתואמים סטיות גדולות מהאוכלוסייה.
המרה של סוגי נתונים: שינוי סוגי נתונים כגון שינוי מחרוזות למספרים.
EDA (Exploratory Data Analysis): ניתוח מוקדם של נתונים כדי להבין את המאפיינים שלהם.

למידת מכונה

סוגי למידת מכונה: למידה מונחית ולמידה לא מונחית.
למידה מונחית: אלגוריתמים ליצירת מודלים על סמך נתוני אימון מאומתים.
- רגרסיה לינארית: יצירת קשר לינארי בין משתנים.
- רגרסיה לוגיסטית: ניבוי הסתברותית של משתנה בינארי.
- KNN (K-Nearest Neighbors): מניבוי על סמך שכנים קרובים.
- עץ החלטה: יצירת עץ לניבוי.
- Naive Bayes: ניבוי הסתברותי.
- רשתות עצביות: מודלים מורכבים ללמידה.
- SVM (Support Vector Machines): למידה באמצעות וקטורים תומכים.
למידה לא מונחית: אלגוריתמים הפועלים על נתונים ללא יעד מוגדר מראש.
- K-Means: אלגוריתם קלאסטרינג.
- קלאסטרינג היררכי: בניית עץ קלאסטרינג.
- DBSCAN (Density-Based Spatial Clustering of Applications with Noise): אלגוריתם קלאסטרינג בהתבסס על צפיפות.

ניתוח טקסט

ביטויים רגולריים: דפוסים לטקסט.
המרה של טקסט למטריצה: המרת נתוני טקסט למטריצת נתונים.
למידה מונחית על טקסט: שימוש בנתוני טקסט ללמידה מונחית.

Description

חידון זה בוחן את הידע שלך על חבילת Pandas ומידול נתונים בפייתון. הוא כולל שאלות על רכישת נתונים, טיפול בנתונים, והבנת סוגי משתנים. האם אתה מוכן לבדוק את הידע שלך בתחום הזה?