Отчет SimpleAnalysis. Разработка на языке Python программы

Цель практики — приобретение первичных профессиональных навыков, практического опыта, закрепление, систематизация и расширение теоретических знаний по дисциплинам учебного плана при прохождении учебной практики в Университете.

Задачи практики:

закрепление приобретённых теоретических знаний;

приобретение навыков научного поиска и практической работы с информационными источниками данных;

приобретение навыков использования современных информационных технологий и программных средств для решения задач анализа данных;

приобретение навыков инсталлирования программного обеспечения;

формирование практических навыков по основам алгоритмизации вычислительных процессов и программированию решения задач обработки данных, их отладке и тестированию на выбранной языковой платформе;

получение навыков экспериментального исследования данных и практического решения информационных задач по обработке данных;

получение навыков проведения инженерных расчётов;

получение навыков самостоятельной работы и подготовки отчётной документации.

В рамках индивидуального задания «SimpleAnalysis» необходимо разработать на языке Python программу, выполняющую простой статистический анализ набора случайных числовых данных: генерацию набора данных, расчёт стандартных числовых характеристик и визуализацию результатов средствами стандартных библиотек.

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

1.1.2 Выбор библиотек для анализа данных 6

1.2 Получение данных 9

1.2.1 Предварительный анализ данных 9

1.2.2 Выбор формата хранения данных 12

1.2.3 Очистка данных от цифрового мусора 13

1.3 Выводы по разделу 15

2 Количественный анализ данных 18

2.1 Получение данных Dataset (данные) 18

2.2 Расчёт стандартных числовых характеристик для набора данных Series 19

2.3 Выводы по разделу 23

3 Визуализация результатов количественного 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 29

3.3 Визуализация данных, полученных в результате промежуточного анализа 31

3.4 Выводы по разделу 32

Заключение 35

Список использованной литературы 36

1. Лутц, М. Изучаем Python: в 2 томах / Марк Лутц; перевод с английского. — 5-е издание. — Москва: Вильямс, 2019. — Том 1. — 832 с. — Текст: непосредственный.

2. Маккинни, У. Python и анализ данных / Уэс Маккинни; перевод с английского. — 2-е издание. — Москва: ДМК Пресс, 2020. — 540 с. — Текст: непосредственный.

3. Плас, Дж. Вандер. Python для сложных задач: наука о данных / Дж. Вандер Плас; перевод с английского. — Санкт-Петербург: Питер, 2018. — 576 с. — Текст: непосредственный.

4. Провалов, В.С. Информационные технологии управления / В.С. Провалов. — 4-е издание, стереотипное. — Москва: Флинта, 2018. — 374 с. — URL: http://biblioclub.ru/index.php?page=book&id=69111 (дата обращения: 07.06.2026). — ISBN 978-5-9765-0269-7. — Текст: электронный.

5. Балдин, К.В. Информационные системы в экономике / К.В. Балдин, В.Б. Уткин. — 7-е издание. — Москва: Дашков и К, 2017. — 395 с. — URL: http://biblioclub.ru/index.php?page=book&id=454036 (дата обращения: 07.06.2026). — ISBN 978-5-394-01449-9. — Текст: электронный.

и другие