Täydentävää tietoa tämän sivun aiheisiin: Data-analytiikka Pythonilla – extrat.
Python-ohjelmointikieli on joustava, tehokas ja ilmainen väline, jolla sujuu datan siivoaminen, kuvaileva analytiikka, selittävä analytiikka, aikasarjojen analysointi, ennakoiva analytiikka ja koneoppimisen mallit.
Python on tällä hetkellä suosittu ohjelmointikieli:
- https://pypl.github.io/PYPL.html
- https://hackr.io/blog/best-programming-languages-to-learn-2021-jobs-future
Näin pääset alkuun
- Asenna Anaconda
- Käynnistä Jupyter Notebook – Anacondan mukana tuleva ohjelmointiympäristö
- Jos haluat opetella Python-ohjelmoinnin perusteita, niin kokeile Jupyter Notebookilla Teemu Sirkiän esimerkit
- Jos haluat aloittaa suoraan data-analytiikasta, niin kokeile Jupyter Notebookilla tältä sivulta löytyviä koodiesimerkkejä. Parhaiten opit kirjoittamalla koodit itse Jupyter Notebookiin ja tekemällä siinä ohessa omia kokeiluja
- Halutessasi voit kloonata koodiesimerkkini githubista omalle koneellesi: Github – koodiesimerkit omalle koneelle
- Artikkeli: Miksi Python?
- Artikkeli: Data-analytiikka Pythonilla
- Artikkeli: Koneoppimisen käsitteitä
- Artikkeli: Koneoppiminen ja scikit-learn -kirjasto
Dataan tutustuminen ja datan valmistelu
- Dataframe
- Avaa data Excel-tiedostosta
- Avaa data csv-tiedostosta
- Dataan tutustuminen
- Datan muunnokset
- Suodatusta ja poimintaa
- Laskentaa ryhmittäin groupby-toiminolla
- Datojen yhdistäminen vierekkäin ja allekkain
Kuvaileva analytiikka
- Kuvaileva analytiikka – keskeiset menetelmät
- Frekvenssitaulukko – näin laadit frekvenssitaulukon ja esität sen graafisesti
- Luokiteltu jakauma – näin lasket luokitellun jakauman
- Tilastollisia tunnuslukuja – näin kuvailet tunnuslukujen avulla
- Dummy-muuttujien kuvailu
- Artikkeli: Lukumäärä- ja prosenttiyhteenvedot Pythonilla
- Artikkeli: Kuviot ja kaaviot Pythonilla
- Artikkeli: Jupyter: taulukot ja kaaviot raporttiin
Selittävä analytiikka
- Selittävä analytiikka – keskeiset menetelmät
- Ristiintaulukointi – näin laadit ristiintaulukoinnin, esität sen graafisesti ja testaat onko riippuvuus tilastollisesti merkitsevää
- Tunnuslukujen vertailu – näin vertailet tilastollisia tunnuslukuja eri ryhmissä ja testaat erojen merkitsevyyttä
- Korrelaatio – hajontakaavio, korrelaatiokerroin ja sen merkitsevyyden testaaminen
- Dummy-muuttujat selittävän muuttujan määräämissä ryhmissä
- Pivot-taulukot – pivot-taulukointi on monipuolinen raportointiväline
Aikasarjat
- Aikaleimat – tekstimuotoisten aikatietojen avaaminen ja aikatietojen luominen
- Aikasarjat – aikasarjojen käsittely ja esittäminen
Ennakoiva analytiikka – Aikasarjaennustaminen
- Aikasarjaennustaminen 1 – artikkelin aiheena yksinkertainen eksponentiaalinen tasoitus
- Aikasarjaennustaminen 2 – artikkelin aiheena kaksinkertainen eksponentiaalinen tasoitus eli Holtin malli
- Aikasarjaennustaminen 3 – artikkelin aiheena kolminkertainen eksponentiaalinen tasoitus eli Holt-Winterin malli
Ennakoiva analytiikka – Regressiomalleja
- Lineaarinen regressio 1 – lineaarinen regressio – yksi selittävä muuttuja
- Lineaarinen regressio 2 – lineaarinen regressio – useampi selittävä muuttuja
- Lineaarinen regressio 3a – lineaarinen regressio – jaan datan opetusdataan ja testidataan
- Lineaarinen regressio 3b – lineaarinen regressio – parantelua edelliseen esimerkkiin
- Lineaarinen regressio 3c – lineaarinen regressio -parantelua edelliseen esimerkkiin
Ennakoiva analytiikka – Luokittelumalleja
- K Nearest neighbor – ohjattu luokittelualgoritmi
- Gaussian Naive Bayes – ohjattu luokittelualgoritmi
- Logistinen regressio -ohjattu luokittelualgoritmi
- Päätöspuu (Decision Tree) – ohjattu luokittelualgoritmi
- K-Means – ohjaamaton luokittelualgoritmi
Lisämateriaali
- Videoita
- Lisää koodiesimerkkejä: Data-analytiikka Pythonilla – extrat
