Статья с банальными, казалось бы, советами о том как выбирать колонки датафрейма в Pandas. Но автор делится парой полезных хаков, например, как выбрать все колонки, содержащие какую-то подстроку или выбрать колонки на основе их порядкового места.

https://pbpython.com/selecting-columns.html

Статья о том как анализировать большой объем данных с помощью библиотеки vaex

https://towardsdatascience.com/how-to-analyse-100s-of-gbs-of-data-on-your-laptop-with-python-f83363dda94

Наткнулся на библиотеку pomegranate. Она предоставляет ряд высокоуровневых методов для работы с вероятностными моделями: цепи Маркова, байесовские классификаторы, модели распределения вероятностей, скрытые марковские модели и ещё куча всего. Отдельный плюс библиотеки - доступная документация с множеством примеров, например, вот документация по использованию цепей Маркова со ссылкой на ноутбук с примерами.

https://pomegranate.readthedocs.io/en/latest/index.html

Интересная статья про выстраивание аналитической инфраструктуры на основе Hadoop и Apache Airflow

https://habr.com/ru/company/mailru/blog/479900/

Оказывается QuantStack (это те товарищи, что сделали Voila и приложили большие усилия в развитию экосистемы Jupyter) сделали виджеты для работы с таблицами внутри ноутбуков. Прелесть не только в том, что можно выводить таблицы, но и редактировать в них данные, а также привязывать данные в таблицах к другим виджетам (слайдерам, инпутам и т.д.)

https://towardsdatascience.com/interactive-spreadsheets-in-jupyter-32ab6ec0f4ff

Статья, посвященная не самым распространенным методам Pandas - idxmax(), idxmin(), ne(), nlargest(). В статье приводятся интересные примеры использования этих методов при решении практических задач анализа.

https://habr.com/ru/company/ruvds/blog/479276/

Годнота подъехала! Павел Максимов выложил в открытый доступ библиотеку для получения данных из API Яндекс.Метрики (как Logs API, так и из обычного).

https://github.com/pavelmaksimov/tapi-yandex-metrika

Смотрите какая красота! Визуализация странных аттракторов с помощью Plotly в 3D. Теория хаоса в действии!)

https://habr.com/ru/post/480660/

Введение в визуализацию данных с помощью Matplotlib. Достаточно подробно объяснены многие нюансы создания визуализаций, например, объектная модель графиков, построение subplots.

https://pythonlearning.org/2019/12/19/introduction-to-data-visualization-using-matplotlib/

Шпаргалка в формате ipynb по работе с различными форматами файлов (csv, xml, json и многие другие). Взята из статьи: https://habr.com/ru/post/481140/

http://axil.github.io/serialization.html

Уже выкладывал в канале ссылку на код инструмента для анализа цепей Маркова, но появилась хорошая обзорная статья по мотивам доклада Mark Sysoev на Матемаркетинге. Ссылка на Гитхаб внутри статьи

https://vc.ru/skyeng/92219-besplatnyy-python-skript-kotoryy-pomozhet-vam-uluchshit-analiz-voronok-cjm-i-dazhe-poisk-bagov-v-produkte

Продолжая тему анализа поведенческих цепочек пользователей. Со мной связался @shommel - автор небольшой, но классной, библиотеки для кластеризации и интерпретации цепочки пользовательских событий. На сайте размещена простая инструкция по использованию.

http://webchains.tilda.ws/

На RealPython появился большой туториал про основы описательной статистики с помощью Python. Прелесть туториала в том, что он через простые примеры и небольшие сниппеты кода разъясняет базовые концепции статистики. Для тех кто только начинает погружение в мир средних, медиан и стандартных отклонений - самое то.

https://realpython.com/python-statistics/

Про numpy все как-то часто забывают, а между тем многие операции на numpy делать также удобно как и в pandas. В множестве случаев это взаимодополняемые инструменты аналитика. Про несколько интересных функций numpy читайте в статье.

https://habr.com/ru/post/480740/

Впереди небольшие каникулы, а значит можно провести их с пользой и потренироваться в анализе данных. Лучше всего оттачивать навыки на датасетах, непосредственно связанных с вашими проектами, но если таких не находится, то может пригодится подборка тренировочных датасетов

https://habr.com/ru/company/edison/blog/480408/

Тем кто работает в ecommerce точно пригодится. Статья о том как подготовить товарные cross-sell рекомендации с помощью pandas и алгоритма ассоциативных правил из библиотеки MLextend.

https://pythondata.com/market-basket-analysis-with-python-and-pandas/

Сегодня я выхожу из зимней спячки. Первый пост в новом году будет посвящен EDA (разведочному анализу данных) на основе датасета из игры FIFA 2019. Вообще, публичные EDA - прекрасные примеры практического применения инструментов анализа, на которых легко учиться. Так что если вы только начинаете изучение - накопайте побольше всяких ноутбуков с разведочным анализом данных.

https://towardsdatascience.com/exploratory-data-analysis-of-the-fifa-19-dataset-in-python-24eb27de9e59

Хорошая подборка в помощь начинающим изучать Data Science и анализ данных

https://habr.com/ru/post/482652/

Netflix выложил в открытый доступ собственную разработку для создания пайплайнов обработки данных - Metaflow. Идеологически основано на все тех же DAG (direct acyclic graph), подобная идеология построения пайплайнов используется и в Apache Airflow. Статья представляет собой вводный туториал с обзором основных возможностей.

https://towardsdatascience.com/learn-metaflow-in-10-mins-netflixs-python-r-framework-for-data-scientists-2ef124c716e4

Статья с интересным примером прикладного анализа данных. Автор Олег Юрьев исследует характеристики, рейтинг и стоимость светодиодных ламп, сопровождая всё подробными комментариями.

http://rweather.ru/blog/all/veselaya-analitika-lamptest/

Есть отличные новости!

9 января состоялся релиз Pandas 1.0.0rc. Предыдущая версия библиотеки — 0.25.

Первый мажорный релиз содержит множество замечательных нововведений, в том числе улучшенное автоматическое суммирование датафреймов, больше форматов вывода, новые типы данных и даже новый сайт документации.

https://habr.com/ru/post/483720/