Search results
Statistics with Python Specialization. This repo contains everything I learnt and did during the specialization training in Statistics with Python Specialization offered by the University of Michigan on Coursera. Course 1: Understanding and Visualizing Data with Python. Completed!
29 sty 2024 · Summary statistics offer a quick and insightful overview of the main characteristics of a dataset. In this article, we will explore five different methods to calculate summary statistics using Pandas, accompanied by correct and error-free code examples.
19 lut 2024 · It generates descriptive statistics that summarize the central tendency, dispersion, and shape of a dataset’s distribution, excluding NaN values. Here’s how you can use it: import pandas as pd df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [10, 20, 30, 40] }) print(df.describe())
29 lis 2023 · Kluczowe jest zrozumienie dwóch argumentów tej funkcji: vars, {x,y}_vars pozwalają one określić podzbiór zmiennych (kolumn z dataframe’a), które zostaną wzięte do zestawienia. Rzadko będziemy chcieli wyznaczyć zależności pomiędzy wszystkimi możliwymi zmiennymi.
10 mar 2024 · Ten skrypt w języku Python przedstawia tworzenie, użycie i najlepsze praktyki funkcji Pythona za pomocą szczegółowego przykładu, w tym: factorial i calculate_average funkcja. funkcja silnia: Jest to funkcja rekurencyjna, która oblicza silnię danej liczby całkowitej.
Omówiliśmy kilka prostych przykładów tworzenia wykresów przy użyciu biblioteki matplotlib. Oprócz nich mamy do dyspozycji mnóstwo innych typów, takich jak np. wykresy słupkowe, konturowe, czy trójwymiarowe. Są one bardzo dokładnie opisane w dokumentacji matplotlib.
During these lab-based sessions, learners will discover the different uses of Python as a tool, including the Numpy, Pandas, Statsmodels, Matplotlib, and Seaborn libraries. Tutorial videos are provided to walk learners through the creation of visualizations and data management, all within Python.
