Data Analyse met Python en Pandas

Leer hoe je jouw data analyses kunt versnellen met Pandas, een Python pakket die speciaal is ontworpen voor het werken met middelgrote datasets. Samen met JupyterLab maakt het een handige omgeving voor interactieve data analyse mogelijk.

Pandas maakt deel uit van het zogenaamde PyData-ecosysteem, en in deze workshop beginnen we met het geven van een overzicht van PyData en leggen we uit waar Pandas staat en hoe het samenwerkt met andere pakketten zoals NumPy en Seaborn. Pandas introduceert een paar nieuwe datastructuren, met name het DataFrame, die essentieel zijn om te begrijpen hoe efficiënt met tabelgegevens kan worden gewerkt.

Pandas biedt veel functies, en in een dag, door een goede balans tussen presentatie en interactieve oefeningen, gaan we de belangrijkste behandelen, waaronder: importeren, filteren, groeperen, samenvoegen, verkennen en visualiseren van gegevens. Aan het einde van deze workshop begrijp je de grondbeginselen van Pandas, ben je je bewust van veelvoorkomende valkuilen en ben je klaar om je eigen analyses uit te voeren.

Leerdoelen

• Laad gegevens uit tekstbestanden, spreadsheets, databases en API’s
• Gebruik het Split-Apply-Combine paradigma om gegevens samen te vatten
• Geavanceerde joins en samenvoegingen uitvoeren
• Het genereren van inzichtelijke draaitabellen
• Gegevens transformeren tussen brede en lange formaten
• Werken met tijdreeksen
• Exploreer gegevens met behulp van verschillende visualisaties
• Vermijd veelvoorkomende valkuilen in NumPy en Pandas door algemene concepten en principes te begrijpen

Deze workshop is voor jou omdat

• Je hebt ervaring in Excel of R en wil meer weten over Pandas en het PyData-ecosysteem
• Je hebt programmeerervaring in Python en wil data gaan analyseren met Pandas
• Je wilt jouw begrip van Pandas verbeteren

Programma

• Overzicht van het PyData-ecosysteem
  • NumPy, SciPy, Pandas
  • Matplotlib, Seaborn
  • SciKit-Learn
• Essentiële datastructuren
  • Numpy datatypen
  • Numpy arrays
  • Pandas SerieS
  • Pandas DataFrame
  • Pandas Index, MultiIndex
• Data importeren
  • Vanuit CSV
  • Vanuit Excel
  • Vanuit databases
  • Via API’s
• Data manipuleren
  • Rijen en kolommen selecteren
  • Rijen filteren
  • Samenvoegen en aaneenschakelen
  • Ontbrekende waarden, duplicaten
  • Gegevenstypen converteren
  • Data en tijden
  • Werken met categorische gegevens
  • String manipulatie
• Data verkennen
  • Geaggregeerde statistieken berekenen
  • Draaitabellen
  • Correlaties
• Data visualiseren
  • Histogram
  • Density plot
  • Boxplot
  • Staafdiagram

Voorkennis

Er wordt van je verwacht dat je enige ervaring hebt met programmeren in Python. Onze workshop Programmeren in Python is een optie die je daarbij kan helpen. Grofweg gesproken, als je bekend bent met de volgende Python-syntaxis en -concepten, komt het goed:

• assignment, arithmetic, boolean expression, tuple unpacking
• bool, int, float, list, tuple, dict, str, type casting
• in operator, indexing, slicing
• if, elif, else, for, while
• range(), len(), zip()
• def, (keyword) arguments, default values
• import, import as, from import ...
• lambda functions, list comprehension
• JupyterLab of Jupyter Notebook

Voorbereiding

We gaan Python gebruiken samen met JupyterLab en de volgende pakketten:

• numpy
• pandas
• seaborn

De aanbevolen manier om alles te installeren is door de Anaconda Distribution te downloaden en te installeren.

Als alternatief, als je Anaconda niet wilt gebruiken, dan kun je alles installeren met pip. In ieder geval, als het uitvoeren van import pandas, seaborn geen fouten oplevert, weet je dat je alles correct hebt geïnstalleerd.