اپلیکیشن اندرویدی فلش‌کارت آموزشی کاوش و تجسم داده با Matplotlib و Seaborn در پایتون

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کاوش و تجسم داده با Matplotlib و Seaborn در پایتون

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر تجسم داده
• 2. چرا تجسم داده مهم است؟
• 3. نقش Matplotlib و Seaborn
• 4. نصب Matplotlib و Seaborn
• 5. مقدمه ای بر Matplotlib
• 6. معماری Matplotlib
• 7. Figure و Axes
• 8. ایجاد اولین نمودار با Matplotlib
• 9. دستور plot()
• 10. نمودارهای خطی
• 11. تغییر رنگ و سبک خطوط
• 12. اضافه کردن برچسب به محورها
• 13. اضافه کردن عنوان به نمودار
• 14. نمایش چندین نمودار در یک Figure
• 15. اندازه Figure
• 16. تنظیمات پیش فرض Matplotlib
• 17. ذخیره کردن نمودارها
• 18. فرمت های مختلف ذخیره سازی
• 19. مقدمه ای بر Seaborn
• 20. تفاوت Matplotlib و Seaborn
• 21. مزایای Seaborn
• 22. ایجاد نمودارهای آماری با Seaborn
• 23. نمودارهای توزیع
• 24. هیستوگرام (histogram)
• 25. نمودار چگالی کرنل (KDE plot)
• 26. نمودار جعبه ای (boxplot)
• 27. نمودار ویولن (violinplot)
• 28. نمودار🍦 (swarmplot)
• 29. نمودار 📈 (stripplot)
• 30. نمودار 📊 (count plot)
• 31. نمودارهای رابطه‌ای
• 32. نمودار پراکندگی (scatterplot)
• 33. نمودار خطی (line plot)
• 34. نمودار 📈 (regplot)
• 35. نمودار 📉 (lmplot)
• 36. نمودارهای دسته‌بندی شده
• 37. نمودار میله‌ای (barplot)
• 38. نمودار میله‌ای با خطای استاندارد (pointplot)
• 39. نمودار میله‌ای دسته‌بندی شده (catplot)
• 40. نمودار 📊 (countplot)
• 41. نمودارهای ماتریسی
• 42. ماتریس پراکندگی (pairplot)
• 43. نقشه حرارتی (heatmap)
• 44. نمودار 📈 (clustermap)
• 45. کار با داده‌های واقعی
• 46. بارگذاری داده‌ها از فایل CSV
• 47. کار با DataFrame های Pandas
• 48. انتخاب ستون‌ها برای تجسم
• 49. فیلتر کردن داده‌ها
• 50. تجسم داده‌های گمشده (Missing Data Visualization)
• 51. نمودار heatmap برای داده‌های گمشده
• 52. نمودار dendrogram برای داده‌های گمشده
• 53. کار با انواع داده‌های مختلف
• 54. تجسم داده‌های عددی
• 55. تجسم داده‌های دسته‌بندی شده
• 56. تجسم داده‌های تاریخ و زمان
• 57. تنظیمات پیشرفته نمودارها
• 58. تغییر فونت و اندازه متن
• 59. تنظیمات محورها (limits, ticks, labels)
• 60. اضافه کردن حاشیه‌نویسی (annotations)
• 61. استفاده از رنگ‌های مختلف (color palettes)
• 62. ایجاد نمودارهای چندگانه (subplots)
• 63. تنظیمات layout نمودارها
• 64. کار با سبک‌های (styles) Seaborn
• 65. ایجاد سبک‌های سفارشی
• 66. انیمیشن در تجسم داده‌ها
• 67. مقدمه ای بر انیمیشن
• 68. ایجاد انیمیشن با Matplotlib
• 69. انیمیشن با Seaborn (محدودیت‌ها)
• 70. نکات پیشرفته در تجسم داده
• 71. استفاده از نمودارهای تعاملی (Interactive Plots)
• 72. مقدمه ای بر Plotly و Bokeh
• 73. تجسم داده در وب
• 74. استفاده از تجسم داده در گزارش‌دهی
• 75. اصول طراحی نمودارهای مؤثر
• 76. خطاهای رایج در تجسم داده
• 77. بهترین شیوه‌ها (Best Practices)
• 78. تمرینات عملی
• 79. تجسم داده‌های فروش
• 80. تجسم داده‌های مشتریان
• 81. تجسم داده‌های سلامت
• 82. تجسم داده‌های مالی
• 83. تجسم داده‌های شبکه‌های اجتماعی
• 84. تجسم داده‌های آب و هوا
• 85. تجسم داده‌های جغرافیایی
• 86. تجسم داده‌های ورزشی
• 87. پروژه نهایی
• 88. جمع‌بندی و گام‌های بعدی
• 89. منابع مفید برای یادگیری بیشتر
• 90. مباحث تکمیلی در تجسم داده