Matplotlib یکی از محبوبترین کتابخانههای تجسمی است که توسط تحلیلگران داده و دانشمندان دادهای که در پایتون کار میکنند استفاده میشود، اما اغلب میتواند برای استفاده ترسناک باشد. این دوره کار با Matplotlib را آسان و ساده میکند.
آنچه یاد خواهید گرفت:
این دوره بر روی قابل دسترس ساختن Matplotlib و به راحتی قابل درک برای یک دانشمند داده یا تحلیلگر کسب و کار که نیاز دارد به سرعت و به صورت بصری با روابط در یک مجموعه داده بزرگ دست یابد، تمرکز میکند. در این دوره آموزشی، ساخت تجسم دادهها با استفاده از Matplotlib، اجزای اصلی را که یک نمودار را میسازند، کشف میکنید و میبینید که چگونه میتوانید پارامترها و ویژگیها را تغییر دهید تا تجسمها دقیقاً به همان صورتی که میخواهید سفارشی شوند. ابتدا، APIهای اساسی موجود در Matplotlib و مکان استفاده از آنها را درک خواهید کرد و یاد خواهید گرفت که چگونه نمایشگر، رنگها و سایر ویژگیهای این نمودارها را که دارای محورهای متعدد هستند، سفارشی کنید. در مرحله بعد، نمودارهای میانی و پیشرفته، رسم اشکال و منحنیهای Bezier، استفاده از متن و حاشیه نویسی برای برجسته کردن عناصر طرح، و نرمال کردن مقیاسهایی که در محور x و y استفاده میشوند، میسازید. در نهایت، از برخی دادههای دنیای واقعی برای تجسم دادههای آماری مانند میانگین، حالت میانه و نقاط پرت، نمودارهای جعبه پوشش، نمودارهای ویولن، هیستوگرام، نمودار دایرهای، نمودارهای پایه و پشته و نمودارهای همبستگی خودکار استفاده خواهید کرد. در پایان این دوره، شما نه تنها همه چیزهای نازکی که Matplotlib ارائه میدهد را کشف خواهید کرد. اما شما همچنین قادر خواهید بود تصاویری آماده تولید بسازید تا با رابط کاربری خود جاسازی کنید یا در گزارشها و ارائهها نمایش دهید.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Working with the Matplotlib and Pyplot APIs [53mins]
02-01 Version Check [0mins]
02-02 Module Overview [1mins]
02-03 Course Outline and Prerequisites [2mins]
02-04 Introduction to Matplotlib [6mins]
02-05 Anatomy of a Figure [5mins]
02-06 Non-interactive Mode [5mins]
02-07 Interactive Backends [4mins]
02-08 Basic Plots [7mins]
02-09 Lines and Markers [4mins]
02-10 Figures and Axes [10mins]
02-11 Watermarks [4mins]
02-12 Visualizing Stock Data [5mins]
03 Building Basic, Intermediate, and Advanced Plots with Matplotlib [36mins]
03-01 Module Overview [1mins]
03-02 Plotting Shapes [9mins]
03-03 Visualizing a Bezier Curve [5mins]
03-04 Drawing Paths and Bezier Curves [5mins]
03-05 Annotations [6mins]
03-06 Scales [3mins]
03-07 Twin Axis [7mins]
04 Visualizing Statistical Data with Matplotlib [37mins]
04-01 Module Overview [1mins]
04-02 Visualizing and Customizing a Boxplot [6mins]
04-03 Using Boxplots to Plot Exam Scores Data [3mins]
04-04 Violin Plots [4mins]
04-05 Histograms [5mins]
04-06 Pie Charts [5mins]
04-07 Autocorrelation [3mins]
04-08 Plotting Autocorrelations in Time Series Data [4mins]
04-09 Stacked Plots and Stem Plots [6mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 کار با Matplotlib و Pyplot API [53 دقیقه]
02-01 بررسی نسخه [0 دقیقه]
02-02 نمای کلی ماژول [1 دقیقه]
02-03 رئوس مطالب و پیش نیازهای دوره [2 دقیقه]
02-04 مقدمهای بر Matplotlib [6 دقیقه]
02-05 آناتومی یک پیکر [5 دقیقه]
02-06 حالت غیر تعاملی [5 دقیقه]
02-07 پشتیبان تعاملی [4 دقیقه]
02-08 توطئههای اصلی [7 دقیقه]
02-09 خطوط و نشانگرها [4 دقیقه]
02-10 شکلها و محورها [10 دقیقه]
02-11 واترمارک [4 دقیقه]
02-12 تجسم دادههای سهام [5 دقیقه]
03 ساختن قطعههای اساسی، متوسط و پیشرفته با Matplotlib [36 دقیقه]
03-01 نمای کلی ماژول [1 دقیقه]
03-02 ترسیم اشکال [9 دقیقه]
03-03 تجسم منحنی Bezier [5 دقیقه]
03-04 ترسیم مسیرها و منحنیهای Bezier [5 دقیقه]
03-05 حاشیه نویسی [6 دقیقه]
03-06 ترازو [3 دقیقه]
03-07 محور دوقلو [7 دقیقه]
04 تجسم دادههای آماری با Matplotlib [37 دقیقه]
04-01 نمای کلی ماژول [1 دقیقه]
04-02 تجسم و سفارشی کردن یک Boxplot [6 دقیقه]
04-03 استفاده از Boxplots برای ترسیم دادههای نمرات امتحان [3 دقیقه]
04-04 نقشههای ویولن [4 دقیقه]
04-05 هیستوگرام [5 دقیقه]
04-06 نمودارهای پای [5 دقیقه]
04-07 خود همبستگی [3 دقیقه]
04-08 ترسیم همبستگیهای خودکار در دادههای سری زمانی [4 دقیقه]
04-09 پلاتهای انباشته و ساقه پلات [6 دقیقه]
جانانی دارای مدرک کارشناسی ارشد از استنفورد است و بیش از 7 سال در گوگل کار کرده است. او یکی از مهندسان اصلی Google Docs بود و دارای 4 پتنت برای فریمورک ویرایش مشارکتی بلادرنگ آن است. جانانی پس از گذراندن سالها کار در فناوری در منطقه خلیج، نیویورک و سنگاپور در شرکتهایی مانند مایکروسافت، گوگل و فلیپکارت، سرانجام تصمیم گرفت عشق خود به فناوری را با علاقهاش به تدریس ترکیب کند. او اکنون یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارتهای فنی متمرکز است. Loonycorn در حال کار بر روی توسعه یک موتور (پتنت ثبت شده) برای خودکارسازی انیمیشنها برای ارائهها و محتوای آموزشی است.