Python intermediário
Aprimore suas habilidades em ciência de dados criando visualizações com Matplotlib e manipulando DataFrames com pandas.
Comece O Curso Gratuitamente4 horas18 vídeos87 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?Experimente o DataCamp For Business
Amado por alunos de milhares de empresas
Descrição do Curso
Melhore suas habilidades em Python
Aprender Python é fundamental para qualquer aspirante a profissional de ciência de dados. Aprenda a visualizar dados reais com as funções da Matplotlib e familiarize-se com estruturas de dados, como o dicionário e o DataFrame do pandas. Este curso intermediário de quatro horas o ajudará a desenvolver suas habilidades atuais em Python e a explorar novas aplicações e funções do Python que ampliam seu repertório e o ajudam a trabalhar com mais eficiência.Aprenda a usar dicionários e pandas do Python
Os dicionários oferecem uma alternativa às listas do Python, enquanto o DataFrame do pandas é a maneira mais popular de trabalhar com dados tabulares. No segundo capítulo deste curso, você descobrirá como criar e manipular conjuntos de dados e como acessá-los usando essas estruturas. A experiência prática ao longo do curso aumentará sua confiança em cada área.Explore a lógica booleana e os loops do Python
Na segunda metade deste curso, você verá lógica, fluxo de controle, filtragem e loops. Essas funções servem para controlar a tomada de decisões nos programas Python e ajudam você a realizar mais operações com os dados, incluindo instruções repetidas. Você concluirá o curso aplicando todas as suas novas habilidades usando truques de estatística para calcular suas chances de ganhar uma aposta.Depois de concluir todos os capítulos, você estará pronto para aplicar suas novas habilidades no seu trabalho, em uma nova carreira ou em um projeto pessoal e estará preparado para seguir rumo a um aprendizado mais avançado de Python.
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Fundamentos de Python
Ir para a trilha- 1
Matplotlib
GratuitoA visualização de dados é uma habilidade fundamental para aspirantes a cientistas de dados. A Matplotlib facilita a criação de gráficos proveitosos e perspicazes. Neste capítulo, você aprenderá a criar vários tipos de gráficos e a personalizá-los para que sejam visualmente mais atraentes e interpretáveis.
Gráficos básicos com a Matplotlib50 xpGráfico de linhas (1)100 xpGráfico de linhas (2): interpretação50 xpGráfico de linhas (3)100 xpGráfico de dispersão (1)100 xpGráfico de dispersão (2)100 xpHistograma50 xpCrie um histograma (1)100 xpCrie um histograma (2): agrupamentos100 xpCrie um histograma (3): compare100 xpEscolha o gráfico certo (1)50 xpEscolha o gráfico certo (2)50 xpPersonalização50 xpRótulos100 xpMarcas de escala100 xpTamanhos100 xpCores100 xpMais personalizações100 xpInterpretação50 xp - 2
Dicionários e pandas
Conheça o dicionário, uma alternativa à lista do Python, e o DataFrame do pandas, o padrão reconhecido para trabalhar com dados tabulares no Python. Você vai praticar a criação e a manipulação de conjuntos de dados e aprender a acessar as informações necessárias a partir dessas estruturas de dados.
Dicionários – Parte 150 xpMotivação para dicionários100 xpCrie um dicionário100 xpAcesse um dicionário100 xpDicionários – Parte 250 xpManipulação de dicionários (1)100 xpManipulação de dicionários (2)100 xpDicionaricepção100 xpPandas – Parte 150 xpDo dicionário ao DataFrame (1)100 xpDo dicionário ao DataFrame (2)100 xpDe CSV para DataFrame (1)100 xpDe CSV para DataFrame (2)100 xpPandas – Parte 250 xpColchetes (1)100 xpColchetes (2)100 xploc e iloc (1)100 xploc e iloc (2)100 xploc e iloc (3)100 xp - 3
Lógica, fluxo de controle e filtragem
A lógica booleana é a base da tomada de decisões nos programas em Python. Aprenda sobre diferentes operadores de comparação, como combiná-los com operadores booleanos e como usar os resultados booleanos em estruturas de controle. Você também vai aprender a filtrar dados nos DataFrames do pandas usando lógica.
Operadores de comparação50 xpIgualdade100 xpMaior e menor do que100 xpCompare matrizes100 xpOperadores booleanos50 xpand, or, not (1)100 xpand, or, not (2)50 xpOperadores booleanos com o NumPy100 xpif, elif, else50 xpAquecimento50 xpif100 xpAdicione else100 xpPersonalize ainda mais: elif100 xpFiltragem de DataFrames do pandas50 xpDirigindo à direita (1)100 xpDirigindo à direita (2)100 xpCarros per capita (1)100 xpCarros per capita (2)100 xp - 4
Loops
Há diversas técnicas que podem ser usadas para repetir a execução de um código Python várias vezes. Os loops while são como instruções if repetidas. Os loops for iteram por todos os tipos de estrutura de dados. Saiba tudo sobre eles neste capítulo.
Loop while50 xpwhile: aquecimento50 xpLoop while básico100 xpInclua condicionais100 xpLoop for50 xpLoop em uma lista100 xpÍndices e valores (1)100 xpÍndices e valores (2)100 xpLoop em uma lista de listas100 xpEstruturas de dados com loop – Parte 150 xpLoop em um dicionário100 xpLoop em uma matriz do NumPy100 xpEstruturas de dados com loop – Parte 250 xpLoop em um DataFrame (1)100 xpLoop em um DataFrame (2)100 xpAdicione uma coluna (1)100 xpAdicione uma coluna (2)100 xp - 5
Estudo de caso: truques de estatística
Este capítulo permitirá que você aplique todos os conceitos que aprendeu no curso. Você usará truques de estatística para calcular a chance de ganhar uma aposta. Use geradores de números aleatórios, loops e a Matplotlib para sair na frente!
Números aleatórios50 xpFloat aleatório100 xpJogue o dado100 xpDetermine a próxima ação100 xpCaminho aleatório50 xpO próximo degrau100 xpAté onde dá para descer?100 xpVisualize o caminho100 xpDistribuição50 xpSimule vários caminhos100 xpVisualize todos os caminhos100 xpImplemente a falta de coordenação100 xpGere o gráfico da distribuição100 xpCalcule as chances50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Fundamentos de Python
Ir para a trilhacolaboradores
pré-requisitos
Introduction to PythonHugo Bowne-Anderson
Ver Mais
Data Scientist
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Python intermediário hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.