Skip to content

README.md

Latest commit

 

History

History
140 lines (94 loc) · 8.96 KB

README.md

File metadata and controls

140 lines (94 loc) · 8.96 KB

Примери за наука за данни за начинаещи

Добре дошли в директорията с примери! Тази колекция от прости, добре коментирани примери е създадена, за да ви помогне да започнете с науката за данни, дори ако сте напълно начинаещи.

📚 Какво ще намерите тук

Всеки пример е самостоятелен и включва:

  • Ясни коментари, които обясняват всяка стъпка
  • Прост и четим код, който демонстрира по една концепция наведнъж
  • Контекст от реалния свят, за да разберете кога и защо да използвате тези техники
  • Очакван изход, за да знаете какво да търсите

🚀 Как да започнете

Предварителни изисквания

Преди да стартирате тези примери, уверете се, че имате:

  • Инсталиран Python 3.7 или по-нова версия
  • Основни познания за това как да стартирате Python скриптове

Инсталиране на необходимите библиотеки

pip install pandas numpy matplotlib

📖 Преглед на примерите

1. Здравей, свят - стил на наука за данни

Файл: 01_hello_world_data_science.py

Вашата първа програма за наука за данни! Научете как да:

  • Заредите прост набор от данни
  • Показвате основна информация за вашите данни
  • Отпечатате първия си изход за наука за данни

Идеално за абсолютни начинаещи, които искат да видят първата си програма в действие.

2. Зареждане и изследване на данни

Файл: 02_loading_data.py

Научете основите на работата с данни:

  • Четене на данни от CSV файлове
  • Преглед на първите няколко реда от вашия набор от данни
  • Получаване на основни статистики за вашите данни
  • Разбиране на типовете данни

Това често е първата стъпка във всеки проект за наука за данни!

3. Проста анализ на данни

Файл: 03_simple_analysis.py

Извършете първия си анализ на данни:

  • Изчисляване на основни статистики (средно, медиана, мода)
  • Намиране на максимални и минимални стойности
  • Броене на срещания на стойности
  • Филтриране на данни въз основа на условия

Вижте как да отговаряте на прости въпроси за вашите данни.

4. Основи на визуализацията на данни

Файл: 04_basic_visualization.py

Създайте първите си визуализации:

  • Направете проста колонна диаграма
  • Създайте линейна графика
  • Генерирайте кръгова диаграма
  • Запазете визуализациите си като изображения

Научете се да комуникирате вашите открития визуално!

5. Работа с реални данни

Файл: 05_real_world_example.py

Съберете всичко в едно с пълен пример:

  • Зареждане на реални данни от хранилището
  • Почистване и подготовка на данните
  • Извършване на анализ
  • Създаване на смислени визуализации
  • Извеждане на заключения

Този пример ви показва цялостен работен процес от начало до край.

🎯 Как да използвате тези примери

  1. Започнете от началото: Примерите са номерирани по трудност. Започнете с 01_hello_world_data_science.py и продължете нататък.

  2. Четете коментарите: Всеки файл съдържа подробни коментари, които обясняват какво прави кодът и защо. Четете ги внимателно!

  3. Експериментирайте: Опитайте да модифицирате кода. Какво се случва, ако промените стойност? Счупете нещата и ги поправете - така се учи!

  4. Стартирайте кода: Изпълнете всеки пример и наблюдавайте изхода. Сравнете го с това, което сте очаквали.

  5. Надграждайте: След като разберете даден пример, опитайте да го разширите със свои идеи.

💡 Съвети за начинаещи

  • Не бързайте: Отделете време да разберете всеки пример, преди да преминете към следващия
  • Пишете кода сами: Не просто копирайте и поставяйте. Писането помага да научите и запомните
  • Търсете непознати концепции: Ако видите нещо, което не разбирате, потърсете го онлайн или в основните уроци
  • Задавайте въпроси: Присъединете се към дискусионния форум, ако имате нужда от помощ
  • Практикувайте редовно: Опитайте се да пишете код малко всеки ден, вместо дълги сесии веднъж седмично

🔗 Следващи стъпки

След като завършите тези примери, сте готови да:

  • Работите през основните уроци от учебната програма
  • Опитате задачите във всяка папка с уроци
  • Изследвате Jupyter тетрадките за по-задълбочено обучение
  • Създадете свои собствени проекти за наука за данни

📚 Допълнителни ресурси

🤝 Принос

Открихте грешка или имате идея за нов пример? Приветстваме приноси! Моля, вижте нашето Ръководство за принос.

Приятно учене! 🎉

Запомнете: Всеки експерт някога е бил начинаещ. Вървете стъпка по стъпка и не се страхувайте да правите грешки - те са част от процеса на учене!

Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да било недоразумения или погрешни интерпретации, произтичащи от използването на този превод.