Как тестировать аналитические расчёты на Python и pandas
Практический гайд по тестам для аналитика: проверить метрики на маленьком датасете, поймать регрессию и защитить расчёт от тихих изменений.
Анализ данных
Инструменты аналитика для работы с таблицами: Python, pandas, Jupyter и визуализация от первой загрузки данных до понятного отчёта.
Python
pandas
Jupyter
DataFrame
визуализация
С чего начать
Три материала, которые задают базу для остальных.
Материалы по теме
17 материалов
Как ускорить pandas: память, типы и обработка больших файлов
Что делать, если pandas медленно работает или не помещает файл в память: категории, downcast, chunksize, Parquet и контроль размера данных.
Pandas apply и векторизация: как писать быстрее и понятнее
Когда использовать apply, почему векторные операции быстрее и как переписать медленный построчный расчёт в pandas.
Как загружать Excel, JSON и Parquet в pandas
Практический разбор источников в pandas: прочитать Excel и JSON, выбрать лист, сохранить типы и перейти с CSV на Parquet без сюрпризов.
NumPy для аналитика: массивы, маски и векторные расчёты
Что нужно знать аналитику о NumPy: массивы, типы, boolean-маски, np.where и векторизация, которая лежит под многими операциями pandas.
Воспроизводимый анализ в pandas: как превратить ноутбук в pipeline
Как организовать анализ в pandas так, чтобы его можно было повторить: разделить загрузку, очистку, расчёт и проверку результата.
Визуализация в Python: как строить понятные графики в matplotlib и seaborn
Как выбрать тип графика и собрать его в Python: линии, столбцы, распределения и сравнение сегментов без декоративного шума.
EDA в pandas: как провести разведывательный анализ данных
Пошаговый EDA в pandas: проверить структуру, распределения, связи и сегменты до того, как строить метрики и делать выводы.
Даты и время в pandas: периоды, недели и когорты без ошибок
Как работать с датами в pandas: преобразовать строки, задать границы периода, группировать по неделям и не потерять события из-за часового пояса.
Очистка данных в pandas: пропуски, дубликаты и типы
Практический порядок очистки таблицы в pandas: найти дубликаты, обработать пропуски, привести типы и не удалить важные бизнес-сценарии.
Python для аналитика: рабочий стек из Jupyter, pandas и графиков
Какие инструменты нужны аналитику в Python: Jupyter, pandas, NumPy и matplotlib, как они связаны и с какого рабочего сценария начать.
Pandas с нуля: DataFrame, Series и чтение CSV
Первый практический урок по pandas: как читать CSV, понимать DataFrame и Series, фильтровать строки, выбирать столбцы и проверять пропуски.