Телеграм канал «Постоянный репозиторий по Python»

Карьерные треки АИС: готовые маршруты обучения со скидкой 20%

Академия Информационных Систем запустила карьерные треки — курсы сразу объединены под конкретные профессиональные роли.

📖 Сейчас доступны направления:
— разработка на Python;
— DevOps и контейнеры;
— BI и аналитика;
— PostgreSQL и базы данных.

В каждом направлении можно выбрать уровень подготовки: начальный, продвинутый или комплексный. Например, для Python доступны треки от подготовки Python-разработчика данных до продвинутого Python-разработчика с ИИ; в направлении DevOps — обучение работе с Kubernetes и контейнерными платформами, а также трек для DevOps-инженеров инфраструктуры.

При покупке карьерного трека действует скидка до 20%.

Выберите направление и готовый маршрут обучения под профессиональные задачи 🌟

🐼 Знаете ли вы, что value_counts() умеет гораздо больше, чем просто считать значения?

Когда знакомятся с Pandas, value_counts() обычно используют только для того, чтобы узнать, сколько раз встречается каждое значение.

Например:
df["city"].value_counts()
Получаем количество записей для каждого города.
Но многие даже не догадываются, что этим возможности метода не ограничиваются.
Посчитать не количество, а долю

Достаточно добавить один параметр:
df["city"].value_counts(normalize=True)
Теперь вместо количества Pandas вернёт долю каждого значения. Это особенно удобно, когда нужно быстро оценить распределение данных.

Включить пропущенные значения
По умолчанию NaN не учитываются.
Но иногда именно их количество представляет наибольший интерес.
df["city"].value_counts(dropna=False)
Теперь в результат попадут и пропущенные значения.

Отсортировать по алфавиту
Обычно value_counts() сортирует значения по частоте.
Если нужен порядок по самим значениям:
df["city"].value_counts().sort_index()
Где это реально полезно?
value_counts() — один из первых методов, который стоит запускать после загрузки нового датасета.

За несколько секунд можно понять:
- какие категории встречаются чаще всего;
- есть ли редкие значения;
- насколько данные сбалансированы;
- много ли пропусков.

Очень часто именно с этого начинается исследовательский анализ данных (EDA).

💡 Полезный совет
Если вы открыли новый CSV-файл и не знаете, с чего начать анализ, сначала выполните value_counts() для категориальных столбцов.

Иногда уже на этом этапе удаётся обнаружить:
- ошибки в написании категорий;
- лишние пробелы;
- неожиданные значения;
- проблемы с качеством данных.

На практике этот метод используется значительно чаще, чем кажется на первый взгляд.

«МЫ КОМАНДА»: пройдите обучение в 4 квартале 2026 года и получите корпоративную скидку 30%.

Условия акции:
— от 5 сотрудников на одном курсе — скидка 30% каждому участнику;
— от 5 сотрудников на разных курсах — скидка 20% каждому участнику.

Скидка действует на все курсы Академии Информационных Систем, включая программы вендоров.
Можно выбрать одну программу для всей команды или направить сотрудников на разные курсы в зависимости от их профессиональных задач.

Акция действует с 1 октября по 31 декабря 2026 года.
Скидки по акциям не суммируются.

Соберите команду и развивайте компетенции сотрудников на выгодных условиях!