📄Работа №212606
Тема: ИСПОЛЬЗОВАНИЕ БИБЛИОТЕКИ PANDAS ЯЗЫКА ПРОГРАММИРОВАНИЯ PYTHON ДЛЯ АНАЛИЗА ДАННЫХ
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Математика
Объем:
49 листов
Год:
2021
Просмотров:
65
4750
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация
ВВЕДЕНИЕ 4
1. НАУКА О ДАННЫХ 5
1.1. Введение в науку о данных 5
1.1.1. Что такое наука о данных 5
1.1.2. Зачем нужна наука о данных 6
1.1.3. Навыки для работы в области науки о данных 7
1.1.4. Цели и результаты в области науки о данных 8
1.1.5. Машинное обучение 9
1.2. Инструменты для анализа данных 10
1.2.1. Организация данных 10
1.2.2. Визуализация данных 12
1.2.3. Анализ данных 13
1.3. Python как основной инструмент для анализа данных 14
1.4. Выводы по первой главе 17
2. БИБЛИОТЕКА PANDAS 18
2.1. Введение в PANDAS 18
2.1.1. Что такое PANDAS 18
2.1.2. Установка и использование PANDAS 19
2.2. Структуры данных в PANDAS 19
2.3 Основные функции для обработки и анализа данных 21
2.4. Визуализация в PANDAS 29
2.5. Выводы по второй главе 33
3. АНАЛИЗ ДАННЫХ 34
3.1. Предварительная обработка исходных данных 34
3.2. Анализ данных 40
3.3. Выводы по третьей главе 46
ЗАКЛЮЧЕНИЕ 47
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 48
ВВЕДЕНИЕ 4
1. НАУКА О ДАННЫХ 5
1.1. Введение в науку о данных 5
1.1.1. Что такое наука о данных 5
1.1.2. Зачем нужна наука о данных 6
1.1.3. Навыки для работы в области науки о данных 7
1.1.4. Цели и результаты в области науки о данных 8
1.1.5. Машинное обучение 9
1.2. Инструменты для анализа данных 10
1.2.1. Организация данных 10
1.2.2. Визуализация данных 12
1.2.3. Анализ данных 13
1.3. Python как основной инструмент для анализа данных 14
1.4. Выводы по первой главе 17
2. БИБЛИОТЕКА PANDAS 18
2.1. Введение в PANDAS 18
2.1.1. Что такое PANDAS 18
2.1.2. Установка и использование PANDAS 19
2.2. Структуры данных в PANDAS 19
2.3 Основные функции для обработки и анализа данных 21
2.4. Визуализация в PANDAS 29
2.5. Выводы по второй главе 33
3. АНАЛИЗ ДАННЫХ 34
3.1. Предварительная обработка исходных данных 34
3.2. Анализ данных 40
3.3. Выводы по третьей главе 46
ЗАКЛЮЧЕНИЕ 47
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 48
📖 Аннотация
В данной выпускной квалификационной работе проводится исследование возможностей библиотеки Pandas языка программирования Python для целей анализа данных. Актуальность исследования обусловлена экспоненциальным ростом объемов и разнообразия информации, обрабатываемой в социальных и коммерческих сферах, что создает потребность в эффективных, гибких и масштабируемых инструментах анализа, каковым является Pandas, являющийся отраслевым стандартом. Основные результаты работы включают систематическое изучение функционала Pandas, демонстрацию его применения на практическом кейсе анализа продаж за 2019 год, включая этапы загрузки, предобработки, агрегации и визуализации данных, что позволило сформулировать конкретные выводы относительно эффективности бизнес-процессов. Научная значимость заключается в структурированном описании методологии анализа данных с использованием Pandas, а практическая — в предоставлении готового инструментария для исследователей и аналитиков, позволяющего автоматизировать рутинные операции и углублять аналитику. Теоретическая база исследования опирается на работы таких авторов, как А.А. Барсегян, рассматривающий основы технологий анализа данных (Data Mining), Э.Г. Дадян, освещающий методы хранения и обработки данных, А.П. Кулаичев, описывающий средства комплексного анализа, и В.М. Симчера, посвятивший свой труд методам многомерного статистического анализа.
📖 Введение
Язык программирования Python в последнее время все чаще используется для анализа данных, как в науке, так и коммерческой сфере. Этому способствует простота языка, а также большое разнообразие открытых библиотек.
Сегодня стремительно растет количество и виды данных, к которым могут обращаться социальные науки. У современного исследователя есть в потребность в гибких, мощных и легко масштабируемых инструментах для сбора и анализа информации. Язык программирования Python и его библиотеки являются стандартом индустрии машинного обучения и анализа больших данных.
Актуальностью библиотеки PANDAS языка программирования Python является то, что она упрощает исследователям данных написание кода. Чтобы провести вычисление с большими данными, потребуется меньше строк кода, чем в каком либо языке программирования.
Целью выпускной квалификационной работы является проведение анализа данных с использованием библиотеки PANDAS языка программирования Python. Для достижения установленной цели, нужно решить следующие задачи:
1) изучить литературу на тему квалификационной выпускной работы;
2) ознакомиться со всеми основными функциями и методами библиотеки PANDAS;
3) провести анализ данных, написать выводы по данной работе.
Сегодня стремительно растет количество и виды данных, к которым могут обращаться социальные науки. У современного исследователя есть в потребность в гибких, мощных и легко масштабируемых инструментах для сбора и анализа информации. Язык программирования Python и его библиотеки являются стандартом индустрии машинного обучения и анализа больших данных.
Актуальностью библиотеки PANDAS языка программирования Python является то, что она упрощает исследователям данных написание кода. Чтобы провести вычисление с большими данными, потребуется меньше строк кода, чем в каком либо языке программирования.
Целью выпускной квалификационной работы является проведение анализа данных с использованием библиотеки PANDAS языка программирования Python. Для достижения установленной цели, нужно решить следующие задачи:
1) изучить литературу на тему квалификационной выпускной работы;
2) ознакомиться со всеми основными функциями и методами библиотеки PANDAS;
3) провести анализ данных, написать выводы по данной работе.
✅ Заключение
В ходе выполнения выпускной квалификационной работы было рассмотрено понятие «Наука о данных» (англ. Data Science), были изучены вопросы актуальности анализа данных с помощью библиотеки PANDAS языка программирования Python.
В первой главе были рассмотрены инструменты для анализа данных. Разобраны открытые библиотеки языка программирования Python как основные инструменты для сбора данных, анализа данных, визуализации.
Во второй главе была разобрана библиотека PANDAS языка программирования Python для анализа данных. Показаны основные методы и функции библиотеки, которые использовались в дальнейшем анализе данных.
В третьей главе в качестве рассмотрения практической части для анализа данных, были взяты данные о продажах в магазинах за 2019 год по месяцам. Проведена предварительная обработка данных с целью исключения возникновения ошибок при дальнейшей работе с данными. Затем с готовыми данными произведен анализ данных, для формирования ответов на вопросы, поставленных в третьей главе. В конце главы проделана визуализация и сформированы выводы по каждому вопросу.
Подводя итоги работы, можно сделать вывод, что выбранная библиотека для анализа данных PANDAS, имеет все нужные функции и методы для проведения анализа данных. Данный инструмент будет актуален еще долго время, так как его поддерживает большое количество разработчиков, которые программируют на языке Python.
В первой главе были рассмотрены инструменты для анализа данных. Разобраны открытые библиотеки языка программирования Python как основные инструменты для сбора данных, анализа данных, визуализации.
Во второй главе была разобрана библиотека PANDAS языка программирования Python для анализа данных. Показаны основные методы и функции библиотеки, которые использовались в дальнейшем анализе данных.
В третьей главе в качестве рассмотрения практической части для анализа данных, были взяты данные о продажах в магазинах за 2019 год по месяцам. Проведена предварительная обработка данных с целью исключения возникновения ошибок при дальнейшей работе с данными. Затем с готовыми данными произведен анализ данных, для формирования ответов на вопросы, поставленных в третьей главе. В конце главы проделана визуализация и сформированы выводы по каждому вопросу.
Подводя итоги работы, можно сделать вывод, что выбранная библиотека для анализа данных PANDAS, имеет все нужные функции и методы для проведения анализа данных. Данный инструмент будет актуален еще долго время, так как его поддерживает большое количество разработчиков, которые программируют на языке Python.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.