Część ścieżki Machine LearningNowośćŚcieżkaWizualizacja danych w Pythonie z NumPy i pandas
Tablice w NumPy, tabele w pandas i wykresy w matplotlib: zestaw, od którego zaczyna się każdy projekt uczenia maszynowego. Napisz kod, a wykres pojawi się w zakładce Wykresy.
60 lekcje59 wyzwania250 pytania quizowe
- Dla początkujących
Pomoc AI przy programowaniu
Praktyczne, interaktywne lekcje
Quizy sprawdzające wiedzę
Darmowy certyfikat ukończenia
Program
Ta sekcja jest częścią ścieżki Machine Learning. Pełny program ma więcej sekcji. Kliknij dowolny podgląd poniżej, aby zobaczyć go na stronie ścieżki.
Sekcja 1
Dane i wykresy
Zacznij sekcjęZacznijZestaw narzędzi, od którego zaczyna się każdy projekt uczenia maszynowego: tablice NumPy, wykresy matplotlib i tabele pandas. Wczytuj rzeczywiste zbiory danych, podsumowuj je i przedstawiaj na wykresach to, co udało Ci się odkryć.Wprowadzenie
4 lekcje320Tablice NumPy
5 lekcje520Operacje matematyczne na tablicach
6 lekcje625Przekształcanie danych
4 lekcje415Wykresy liniowe i punktowe
6 lekcje625Wykresy danych
5 lekcje520Ramki danych w pandas
6 lekcje625Filtrowanie i sortowanie
5 lekcje520Grupowanie i czyszczenie
5 lekcje520Wizualizacja DataFrame’ów
5 lekcje520Zbiory danych dla ML
5 lekcje520Wyzwania końcowe
4 lekcje420- Sekcja 2Statystyka w uczeniu maszynowym64 lekcje
- Sekcja 3Uczenie nadzorowane58 lekcje
- Sekcja 4Uczenie nienadzorowane51 lekcje
Ucz się w praktyce
Pisz prawdziwy kod, odpytuj bazy danych, twórz strony internetowe i opanuj prompty AI. Nasze interaktywne lekcje obejmują wszystkie umiejętności, których potrzebuje współczesny programista.
Buduj swoją serię
Ucz się regularnie i patrz, jak rosną twoje postępy! Śledź codzienny nawyk programowania, chroń serię dzięki zamrożeniom i zdobywaj nagrody za każdy dzień nauki.
12 dni serii
Wróć jutro, aby utrzymać serię!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Podwójnie albo nic
Dzień 5 z 7
Zamrożenie serii
2 left
Programuj wszędzie
Zabierz naukę programowania ze sobą! Bez konfiguracji i pobierania plików: po prostu otwórz i zacznij kodować. Dostępne na iOS, Androida i w przeglądarce, z oceną 4,9 gwiazdki.
Nie uczysz się w pojedynkę
Rywalizuj w globalnych rankingach, zapraszaj znajomych po nagrody i świętujcie wspólnie swoje sukcesy. Z przyjaciółmi programuje się lepiej!
1
2
3
Strefa awansuKażdy sposób nauki
Czytaj, słuchaj, sprawdzaj się, pytaj AI albo wracaj do tego, co już znasz. Każda lekcja dopasowuje się do ciebie.
Zmienna to nazwany pojemnik przechowujący wartość, do której możesz później odwołać się w programie.
W Pythonie tworzysz ją, pisząc nazwę, znak równości, a potem wartość, którą chcesz zapisać.
Wartość może się zmieniać: ponowne przypisanie po prostu wskazuje nazwą nową wartość.
Zdobądź certyfikat
Zdobywaj certyfikaty za każdy ukończony kurs. Dodaj je do profilu na LinkedIn i CV, aby pokazać pracodawcom swoje umiejętności programistyczne.
Certyfikat ukończeniaPodstawy Pythona
Dodaj do LinkedInDlaczego warto uczyć się NumPy, pandas i matplotlib z Coddy
- Twój wykres, od razu. Wpisz
plt.plot(x, y), uruchom kod, a prawdziwa figura matplotlib pojawi się w zakładce Wykresy obok kodu. Każda lekcja ma wykres albo schemat, od tablicy narysowanej jako ponumerowane komórki po groupby, które układa wiersze w stosy. - NumPy tak, jak używa go ML: tablice i kształty, wycinanie, obliczenia na całych tablicach, statystyki po osiach, broadcasting, maski logiczne i liczby losowe z ziarnem.
- matplotlib od pierwszej linijki: wykresy liniowe i punktowe, etykiety i legendy, kolory i znaczniki, wykresy słupkowe, histogramy, wykresy obok siebie z
plt.subplotsi tablice pokazane jako obrazy. - pandas na prawdziwych tabelach: wczytywanie plików CSV, wybieranie, filtrowanie, sortowanie, nowe kolumny,
value_counts,groupby, brakujące wartości i rysowanie wykresów prosto z DataFrame'u.
Najczęstsze pytania o NumPy, pandas i matplotlib
Czym różnią się NumPy, pandas i matplotlib?
NumPy trzyma liczby w szybkich tablicach i liczy na wszystkich naraz. pandas buduje na NumPy tabele z nazwanymi kolumnami, plikami CSV, filtrowaniem i grupowaniem. matplotlib rysuje wykresy. Prawie każdy program do data science albo uczenia maszynowego w Pythonie importuje wszystkie trzy, dlatego ta sekcja uczy ich razem.
Czego uczyć się najpierw: NumPy czy pandas?
Krótko NumPy, potem pandas. Kolumna pandas to tablica NumPy z nazwą, więc maski, obliczenia na całych kolumnach i statystyki po osiach nabierają sensu, gdy zobaczysz je na tablicach. Sekcja poświęca NumPy cztery rozdziały, potem przechodzi do pandas z tą wiedzą w ręku i przez cały czas rysuje wykresy.
Czy muszę coś instalować, żeby robić wykresy?
Nie. Twój kod działa na Coddy z prawdziwym matplotlib, a narysowana figura wraca do zakładki Wykresy w przeglądarce. Nie trzeba konfigurować notebooka Jupyter ani Anacondy, więc wystarczy Chromebook albo służbowy laptop bez uprawnień administratora.
Jakie wykresy nauczę się tworzyć?
Wykresy liniowe, punktowe, kilka linii z legendą, wykresy słupkowe, histogramy, kilka wykresów na jednej figurze, obrazy z tablic, wykresy prosto z DataFrame'u, jeden kolor na grupę i porównanie histogramów dwóch grup. Każdy z tytułem i opisanymi osiami, gotowy do raportu.
Czy przed NumPy i pandas muszę znać Pythona?
import i wszystko inne, czego potrzebuje sekcja, wyjaśniamy jednym zdaniem tam, gdzie pojawia się po raz pierwszy.Ile czasu zajmuje nauka NumPy, pandas i matplotlib?
Czy ten kurs wizualizacji danych w Pythonie jest darmowy?
Tak. Lekcje, wykresy, podpowiedzi AI i certyfikat za sekcję są darmowe. Darmowe konto pozwala przerobić kilka lekcji dziennie, a Pro znosi dzienny limit.
