Bắt đầu phân tích dữ liệu Python với dữ liệu công khai
Có tin đồn rằng Ediya sẽ mở một cửa hàng gần Starbucks. Vị trí cửa hàng của Ediya và Starbucks khác nhau như thế nào? Liệu xu hướng biến động giá bất động sản từ năm 2013 – 2019 có được phản ánh vào giá bán căn hộ? Có những công viên nào trong khu phố của chúng tôi? Làm cách nào chúng tôi có thể sử dụng dữ liệu trong cổng dữ liệu công cộng? Mục tiêu là xử lý nhiều loại dữ liệu khác nhau thông qua dữ liệu công cộng và làm quen với Python cũng như các thư viện phân tích dữ liệu khác nhau.
6,361 học viên
Độ khó Cơ bản
Thời gian Không giới hạn
"Chương 1 Xu hướng giá bán căn hộ tư nhân mới trên toàn quốc"
Vào tháng 3 năm 2020, chúng tôi đã thu thập những phản hồi có giá trị nhận được trong quá trình hoạt động trong một năm.
“Xu hướng giá bán căn hộ tư nhân mới trên toàn quốc theo Chương 1” hiện tại đã được đổi mới hoàn toàn.
Kể từ Chương 1, phần giải thích và hình dung đã trở nên chi tiết hơn nhiều, từ 9 video hiện có (1 giờ 41 phút) đến 20 video (3 giờ 25 phút) .
Nó xử lý nhiều loại biểu đồ hơn trước (bản đồ nhiệt, biểu đồ, biểu đồ phân phối, biểu đồ phân tán, biểu đồ hồi quy, v.v.) và đã thêm nội dung giúp vẽ các ô phụ dễ dàng hơn.
Chúng tôi cũng cung cấp mã thực hành và mã kết quả.
Để giúp bạn làm theo mã trong khi xem video , vui lòng sử dụng tệp thực hành ( 01-apt-price-input.ipynb ) cung cấp hướng dẫn đơn giản và tệp ( 01-apt-price-output.ipynb) hiển thị kết quả .
Mời các bạn tham khảo video giới thiệu vị trí code và đường dẫn Google Collaboratory nhé!
Hướng dẫn cho các chương khác cũng sẽ được đổi mới vào tháng 3 năm 2020!
Cảm ơn
