فلش‌کارت‌های آموزشی ساخت نمودارهای آماری برای نمایش تغییرات دمایی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساخت نمودارهای آماری برای نمایش تغییرات دمایی

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر برنامه نویسی و بصری‌سازی داده
• 2. چرا بصری‌سازی داده مهم است؟
• 3. اهداف دوره: ساخت نمودارهای آماری تغییرات دمایی
• 4. نرم‌افزارهای رایج بصری‌سازی داده
• 5. انتخاب ابزار مناسب برای دوره
• 6. نصب و راه‌اندازی محیط برنامه نویسی (پایتون)
• 7. آشنایی با مفاهیم اولیه پایتون
• 8. متغیرها و انواع داده در پایتون
• 9. عملگرها و عبارات در پایتون
• 10. ساختارهای کنترلی (شرطی‌ها) در پایتون
• 11. حلقه‌ها (for, while) در پایتون
• 12. توابع در پایتون
• 13. ماژول‌ها و کتابخانه‌ها در پایتون
• 14. مقدمه‌ای بر کتابخانه NumPy
• 15. عملیات بر روی آرایه‌های NumPy
• 16. آشنایی با کتابخانه Pandas
• 17. ساختار داده DataFrame در Pandas
• 18. وارد کردن داده‌ها به Pandas (CSV, Excel)
• 19. پاکسازی داده‌ها در Pandas
• 20. دستکاری داده‌ها با Pandas
• 21. مقدمه‌ای بر داده‌های سری زمانی
• 22. کار با داده‌های دمایی
• 23. مفاهیم آماری اولیه
• 24. میانگین، میانه، مد
• 25. واریانس و انحراف معیار
• 26. توزیع‌های آماری مقدماتی
• 27. احتمالات پایه
• 28. مفاهیم بصری‌سازی داده
• 29. انواع نمودارها
• 30. انتخاب نمودار مناسب برای داده‌های دمایی
• 31. اصول طراحی نمودارهای موثر
• 32. رنگ‌ها در بصری‌سازی داده
• 33. خوانایی و شفافیت نمودارها
• 34. مقدمه‌ای بر کتابخانه Matplotlib
• 35. ساخت اولین نمودار خطی در Matplotlib
• 36. تنظیمات محورهای X و Y
• 37. اضافه کردن عنوان و برچسب به نمودار
• 38. تغییر رنگ و استایل خطوط
• 39. نکات پیشرفته در نمودارهای خطی
• 40. رسم چند خط در یک نمودار
• 41. نمودارهای میله‌ای (Bar Charts)
• 42. کاربرد نمودارهای میله‌ای برای داده‌های دمایی
• 43. رسم نمودارهای میله‌ای با Matplotlib
• 44. تنظیم عرض میله‌ها و فاصله آن‌ها
• 45. نکات پیشرفته در نمودارهای میله‌ای
• 46. نمودارهای پراکندگی (Scatter Plots)
• 47. کاربرد نمودارهای پراکندگی برای مقایسه دماها
• 48. رسم نمودارهای پراکندگی با Matplotlib
• 49. اضافه کردن رنگ و اندازه به نقاط
• 50. نکات پیشرفته در نمودارهای پراکندگی
• 51. نمودارهای هیستوگرام (Histograms)
• 52. توزیع فراوانی دماها
• 53. رسم هیستوگرام با Matplotlib
• 54. تنظیم تعداد سطل‌ها (bins)
• 55. نکات پیشرفته در هیستوگرام‌ها
• 56. نمودارهای جعبه‌ای (Box Plots)
• 57. نمایش خلاصه آماری داده‌ها (چارک‌ها)
• 58. رسم نمودارهای جعبه‌ای با Matplotlib
• 59. مقایسه توزیع دماها در گروه‌های مختلف
• 60. نکات پیشرفته در نمودارهای جعبه‌ای
• 61. نمودارهای ناحیه‌ای (Area Charts)
• 62. نشان دادن تغییرات تجمعی دما
• 63. رسم نمودارهای ناحیه‌ای با Matplotlib
• 64. نکات پیشرفته در نمودارهای ناحیه‌ای
• 65. نمودارهای دایره‌ای (Pie Charts) - (کاربرد محدود برای دما)
• 66. ملاحظات در استفاده از نمودارهای دایره‌ای
• 67. نمودارهای چندگانه (Subplots)
• 68. چیدمان چندین نمودار در یک پنجره
• 69. رسم Subplots با Matplotlib
• 70. تنظیم اندازه و فاصله Subplots
• 71. نکات پیشرفته در Subplots
• 72. کار با داده‌های دمایی واقعی
• 73. دانلود مجموعه داده‌های دمایی
• 74. بارگذاری داده‌های دمایی در Pandas
• 75. بررسی اولیه داده‌های دمایی
• 76. یافتن روندها و الگوهای دمایی
• 77. محاسبه میانگین دمای روزانه، ماهانه، سالانه
• 78. محاسبه انحراف معیار دما در دوره‌های زمانی مختلف
• 79. یافتن روزهای گرم و سرد
• 80. شناسایی دمای حداکثر و حداقل
• 81. رسم نمودار خطی تغییرات دمای روزانه
• 82. رسم نمودار خطی تغییرات دمای ماهانه
• 83. رسم نمودار خطی تغییرات دمای سالانه
• 84. مقایسه دماهای سال‌های مختلف با نمودار خطی
• 85. مقایسه دماهای مناطق مختلف جغرافیایی
• 86. استفاده از رنگ برای نشان دادن تفاوت دماها
• 87. نمایش تغییرات دما با استفاده از نمودارهای ناحیه‌ای
• 88. تجزیه و تحلیل داده‌های دمایی تاریخی
• 89. نمودارهای heatmap برای نمایش الگوهای دمایی
• 90. رسم heatmap با Matplotlib (استفاده از کتابخانه‌های کمکی)
• 91. تفسیر heatmap برای شناسایی الگوهای فصلی
• 92. مقدمه‌ای بر کتابخانه Seaborn
• 93. مزایای Seaborn نسبت به Matplotlib
• 94. رسم نمودارهای پیچیده‌تر با Seaborn
• 95. نمودارهای آماری پیشرفته در Seaborn
• 96. نمودارهای توزیع (Distribution Plots)
• 97. نمودارهای دسته‌ای (Categorical Plots)
• 98. نمودارهای رگرسیون (Regression Plots)
• 99. استفاده از Seaborn برای نمودارهای دمایی
• 100. رسم نمودارهای جعبه‌ای با Seaborn