Часть путешествия по Machine LearningНовыйПутьВизуализация данных в Python с NumPy, pandas и matplotlib
Массивы в NumPy, таблицы в pandas и графики в matplotlib: инструменты, с которых начинается любой проект машинного обучения. Пишите код, и график появится на вкладке «Графики».
60 уроков59 задачи250 вопросов квиза
- Для начинающих
Помощь ИИ при написании кода
Практические интерактивные уроки
Тесты для проверки знаний
Бесплатный сертификат о прохождении
Программа
Этот раздел входит в путешествие по Machine Learning. В полной программе ещё больше разделов: кликни по любому превью ниже, чтобы открыть его на странице путешествия.
Раздел 1
Данные и графики
Начать разделНачатьИнструментарий, с которого начинается каждый проект машинного обучения: массивы NumPy, графики matplotlib и таблицы pandas. Загружайте реальные наборы данных, обобщайте их и визуализируйте результаты.Введение
4 уроков320Массивы NumPy
5 уроков520Математика массивов
6 уроков625Преобразование данных
4 уроков415Линейные графики и диаграммы рассеяния
6 уроков625Графики для данных
5 уроков520DataFrame в pandas
6 уроков625Фильтрация и сортировка
5 уроков520Группировка и очистка данных
5 уроков520Построение графиков по DataFrame
5 уроков520Наборы данных для ML
5 уроков520Заключительные задания
4 уроков420- Раздел 2Статистика для машинного обучения64 уроков
- Раздел 3Обучение с учителем58 уроков
- Раздел 4Обучение без учителя51 уроков
Учитесь на практике
Пишите реальный код, работайте с базами данных, создавайте сайты и осваивайте ИИ-промпты. Наши интерактивные уроки охватывают все навыки, необходимые современным разработчикам.
Создайте свою серию
Будьте последовательны и наблюдайте за своим прогрессом! Отслеживайте ежедневную привычку программирования, защищайте свою серию с помощью дней заморозки и получайте награды за каждый день.
12 дней подряд
Возвращайтесь завтра, чтобы сохранить серию!
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
Всё или ничего
День 5 из 7
Заморозка серии
2 left
Код где угодно
Возьмите свое путешествие по программированию с собой! Без настройки, без загрузок: просто откройте и начните программировать. Доступно на iOS, Android и Web с рейтингом 4.9 звезд.
Вы не одиноки
Соревнуйтесь в глобальных рейтингах, приглашайте друзей, чтобы получать награды, и празднуйте успехи друг друга. Программировать веселее с друзьями!
1
2
3
Зона продвиженияУчитесь как угодно
Читайте, слушайте, проверяйте себя, спрашивайте у ИИ или ищите то, что уже изучили. Каждый урок подстраивается под вас.
Переменная - это именованный контейнер, который хранит значение для последующего использования.
В Python вы создаёте её, написав имя, знак равенства и значение, которое нужно сохранить.
Значение может меняться. Переприсваивание просто направляет имя на новое значение.
Ваш сертификат
Получайте сертификаты за каждый завершенный курс. Добавьте их в свой профиль LinkedIn и резюме, чтобы продемонстрировать работодателям свои навыки программирования.
Сертификат о прохожденииОсновы Python
Добавить в LinkedInПочему стоит изучать NumPy, pandas и matplotlib с Coddy
- Ваш график сразу. Наберите
plt.plot(x, y), запустите код, и настоящая фигура matplotlib появится на вкладке «Графики» рядом с ним. В каждом уроке есть график или схема, от массива в виде пронумерованных ячеек до groupby, который раскладывает строки по стопкам. - NumPy так, как его использует ML: массивы и их форма, срезы, вычисления над целыми массивами, статистика по осям, broadcasting, булевы маски и случайные числа с фиксированным seed.
- matplotlib с первой строки: линейные и точечные графики, подписи и легенды, цвета и маркеры, столбчатые диаграммы, гистограммы, графики рядом через
plt.subplotsи массивы в виде изображений. - pandas на реальных таблицах: чтение CSV-файлов, выбор, фильтрация, сортировка, новые столбцы,
value_counts,groupby, пропущенные значения и графики прямо из DataFrame.
Частые вопросы о NumPy, pandas и matplotlib
Чем отличаются NumPy, pandas и matplotlib?
NumPy хранит числа в быстрых массивах и считает сразу над всеми. pandas строит поверх NumPy таблицы: именованные столбцы, CSV-файлы, фильтрация и группировка. matplotlib рисует графики. Почти любая программа для data science или машинного обучения на Python импортирует все три, поэтому раздел учит им вместе.
Что учить сначала: NumPy или pandas?
Сначала коротко NumPy, потом pandas. Столбец pandas это массив NumPy с именем, поэтому маски, вычисления над целыми столбцами и статистика по осям становятся понятны, когда вы уже видели их на массивах. Раздел отводит NumPy четыре главы, затем переходит к pandas с этим багажом, а графики вы рисуете на всём пути.
Нужно ли что-то устанавливать для визуализации данных в Python?
Нет. Ваш код выполняется на Coddy с настоящим matplotlib, а нарисованная фигура возвращается на вкладку «Графики» в браузере. Не нужно настраивать Jupyter Notebook или Anaconda, так что подойдёт и Chromebook, и рабочий ноутбук без прав администратора.
Какие графики вы научитесь строить?
Линейные графики, точечные диаграммы, несколько линий с легендой, столбчатые диаграммы, гистограммы, несколько графиков на одной фигуре, изображения из массивов, графики прямо из DataFrame, свой цвет для каждой группы и сравнение гистограмм двух групп. Каждый с заголовком и подписями, как для отчёта.
Нужно ли знать Python до NumPy и pandas?
import и всё остальное, что нужно разделу, объясняется одним предложением там, где встречается впервые.Сколько времени нужно, чтобы изучить NumPy, pandas и matplotlib?
Этот курс по NumPy, pandas и matplotlib бесплатный?
Да. Уроки, графики, подсказки ИИ и сертификат раздела бесплатны. С бесплатным аккаунтом можно проходить несколько уроков в день, а Pro снимает дневной лимит.
