Отчет по учебной практике (Московский университет им. Витте)
Период изготовления: июнь 2023 года.
Работа была успешно сдана - заказчик претензий не имел.
Готовые работы я могу оперативно проверить на оригинальность по Antiplagiat .ru и сообщить Вам результат.
ВВЕДЕНИЕ 3
1 ВЫБОР ПЛАТФОРМЫ И ДАННЫХ 5
1.1 Выбор платформы для разработки и необходимых библиотек 5
1.1.1 Обоснование выбора платформы интерпретатора языка Python 5
1.1.3 Выбор библиотек для анализа данных 7
1.2 Получение данных 9
1.2.1 Предварительный анализ данных 9
1.2.2 Выбор формата хранения данных 9
1.2.3 Очистка данных от цифрового мусора 10
1.3 Выводы по разделу 10
2 КОЛИЧЕСТВЕННЫЙ АНАЛИЗ ДАННЫХ 18
2.1 Получение данных Dataset (данные) 18
2.2 Рассчет стандартных числовых характеристик для набора данных Series 19
2.3 Выводы по разделу 20
3 ВИЗУАЛИЗАЦИЯ РЕЗУЛЬТАТОВ КОЛИЧЕСТВННОГО АНАЛИЗА ДАННЫХ 25
3.1 Визуализация наборов данных с помощью стандартных библиотек по заданным критериям 25
3.2 Формирование Dataframe из данных Series и добавление столбцов 28
3.3 Визуализация данных полученные в результате промежуточного анализа 29
3.4 Выводы по разделу 30
ЗАКЛЮЧЕНИЕ 35
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 36
1. Документация по языку Python: [сайт]. – 2022. – URL: https://docs.python.org/3/ (дата обращения: 05.06.2023).
2. Уэс Маккинни. Python для анализа данных. – O'Reilly Media, 2017. – 544 с. – ISBN 978-1491957660.
3. Джейк Вандер Плас. Руководство по обработке данных на Python. – O'Reilly Media, 2017. – 548 с. – ISBN 978-1491912058.
4. Майкл Доусон. Python для сложных задач: наука о данных и ма-шинное обучение. – ДМК Пресс, 2018. – 784 с. – ISBN 978-5-97060-643-8.
5. Документация по библиотеке Pandas: [сайт] – 2022. – URL: https://pandas.pydata.org/docs/ (дата обращения: 06.06.2023).
6. Документация по библиотеке NumPy: [сайт] – 2022. – URL: https://numpy.org/doc/ (дата обращения: 07.06.2023).
7. Документация по библиотеке Matplotlib: [сайт] – 2022. – URL: https://matplotlib.org/stable/index.html (дата обращения: 08.06.2023).
