Belépés címtáras azonosítással
magyar nyelvű adatlap
Python programozás adatelemzéshez
A tantárgy angol neve: Python Programming for Data Analysis
Adatlap utolsó módosítása: 2022. október 27.
Név:
Beosztás:
Tanszék,Int.:
Dr. Pašić Alija
egyetemi adjunktus
BME TMIT
Lukovszki Csaba
mesteroktató
Hollósi Gergely László
tudományos segédmunkatárs
Dr. Papp Dávid
Programozás alapjai.
A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.
A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.
Kötelező előtanulmányi rend nincs.
A Python nyelv a legdinamikusabban fejlődő programozási nyelvek egyike és manapság szinte már elengedhetetlen kelléke az adatbányászatnak és gépi tanulásnak. A tárgy célja megismertetni a gazdaságinformatikus képzés hallgatóival a Python programozás nyelv alapjait és programkönyvtárait, amelyet a későbbi tanulmányaik során és az iparban is hasznosíthatnak.
1) A programtervezés folyamata. A Python fő jellemzőinek bemutatás (portabilitás, interpretált, objektum-orientált, reflektívitás, ortogonalitás).
• Magas szintű programozási nyelvek
• Platformfüggetlenség, típusosság és interpretáltság
2) Adatok és Változók
• Python objektum
• Változók létrehozása
3) Adatok és Változók
• Változtatható és változtathatatlan objektumok
• Beépített típusok és velük végezhető műveletek
4) Az utasításfolyam vezérlése Pythonban: szekvencia, feltételes utasítások, ismétlődő utasítások.
• Elágazások, ciklusok
• Kivételek kezelése a programban
5) Adatstruktúrák
• Beépített konténertípusok ismertetése: Lista, Halmaz, Szótár.
• Iterátorok és iterálhatóság
6) Adatstruktúrák
• Indexelés, szeletelés
• Comprehension-ök és a konténerműveletek
• Generátorok
7) Függvények
• Névterek
• Globális és lokális változók
8) Függvények
• Egymásba ágyazott függvények
• Dekorátorok
9) Python könyvtárak és packagek használata
• Modulok és csomagok
• Külső csomagok importálása
10) Adatmanipuláció a Pandas könyvtárral
• Multiindexing,
• Adattáblák-összekapcsolása
• Merge-és-Join,
11) Adatmanipuláció a Pandas könyvtárral
• Pandas-rolling,
• Aggregálás csoportosítás
12) Numpy könyvtár
13) Adatvizualizáció a Matplotlib könyvtárral
• Matplotlib csomag megismerése
14) Diagramok
• Egyszerű vonal és pont diagramok.
• Hisztogramok, ábrafeliratozás és formázás.
A házi feladat a pótlási időszakban pótolható.
Előadások idejében, illetve előre egyeztetett időpontban.
Wes McKinney: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, O'Reilly Media, Inc., Second Edition, 2017.
Ezen kívül a szükséges segédanyagokat elektronikus formában elérhetővé tesszük a tantárgy oldalán.
Tanszék, Int.:
Dr. Szűcs Gábor
egyetemi docens