Основы программирования в Python и анализа данных

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Департамент социологии

Статус:

Курс обязательный

Когда читается:

1-й курс, 1, 2 модуль

Преподаватель

Ротмистров Алексей Николаевич

Программа дисциплины

Аннотация

Цель учебной дисциплины – познакомить студентов с основами языка программирования Python в приложении к анализу данных в социальных науках. Эта цель достигается через решение двух параллельных задач: познакомить с такими основами языка программирования Python, как (1) установка и интерфейс Jupyter, (2) модули и пакеты, (3) наиболее востребованные классы данных и их индексирование, (4) циклы for in и while, (5) условные конструкции if elif else, (6) пакет pandas, датафрейм и его индексирование; познакомить с такими основами анализа данных, как (1) переменные и их типы шкал, (2) статгипотезы и дов.интервалы. Знакомство с программированием происходит в контексте решения содержательных социологических задач, предполагающих анализ данных. В результате освоения дисциплины студенты смогут решать простейшие задачи анализа данных посредством самостоятельного написания кода на языке программирования Python, привлечения релевантных пакетов и модулей этой среды, интерпретации выдачи.

Цель освоения дисциплины

• Научиться осознанному программированию на уровне достаточном для самостоятельного решения социологических задач с привлечением программистских навыков; общения с подрядчиками-программистами на одном языке; понимания программистских схем и границ их применимости.
• Изучить основы Python, его пакеты и модули, позволяющие осуществлять веб-скрапинг, структурировать собранные данные в формат Excel, применять описательную статистику и искать связи между парой переменных с учётом их типов шкал.

Планируемые результаты обучения

• Устанавливает сборку Anaconda, запускает и использует Jupyter Notebook, пишет простую программу на Python, использует Google Colab
• Умеет посредством Python правильно оформлять выгруженные характеристики в удобную таблицу Excel
• Умеет анализировать архитектуру веб-источника, пользоваться модулями в среде Python для выгрузки больших данных со статических веб-страниц, а также владеет универсальным алгоритмом веб-скэпинга
• Различает три основных типа шкал переменных (номинальные, порядковые, интервальные-числовые) на основе ориентиров
• Умеет применять к переменным релевантные методы описательной статистики (одномерные частотные таблицы и графики, меры центральной тенденции и неоднородности) и корректно интерпретировать результаты
• Умеет пользоваться модулями в среде Python для анализа данных в социальных науках
• Умеет применять к переменным релевантные методы парной связи (коэффициент корреляции Пирсона, коэффициент ранговой корреляции Спирмана, критерий Хи-квадрат и его остатки) и корректно интерпретировать результаты

Содержание учебной дисциплины

• Занятие 1. Введение
• Занятие 2. Основы Python на примере применения пакетов requests, bs4 и pandas
• Занятие 3. Основы Python на примере углублённого парсинга посредством пакета bs4
• Занятие 4. Основы Python на примере углублённого парсинга посредством комбинации пакетов bs4 и re
• Занятие 5. Сборка итогового скрипта для веб-скрапинга характеристик конкурсов сайта fl.ru
• Занятие 6. Основы Python на примере операций над файловой системой посредством пакета os
• Занятие 7. Знакомство с типами шкал и распределениями переменных
• Занятие 8. Меры центральной тенденции и однородности
• Занятие 9. Парная связь интервальных переменных
• Занятие 10. Парная связь переменных, среди которых есть номинальная

Элементы контроля

• Домашняя работа №1
  Сбор данных в рамках персонального или командного мини-проекта
• Активность на занятии
  Активность на занятиях выставляется на каждом занятии за обоснованные ответы и демонстрацию проделанной работы
• Контрольная работа №2
  Решение задач в соответствии с уникальным вариантом работы
• Экзамен
  Экзамен в формате теста
• Контрольная работа №1
  Решение задач в соответствии с уникальным вариантом работы
• Домашняя работа №2
  Первичный анализ собранных данных в рамках персонального или командного мини-проекта

Промежуточная аттестация

• 2024/2025 2nd module
  0.2 * Активность на занятии + 0.14 * Домашняя работа №1 + 0.15 * Домашняя работа №2 + 0.125 * Контрольная работа №1 + 0.125 * Контрольная работа №2 + 0.26 * Экзамен

Список литературы

Рекомендуемая основная литература

• Harish Garg. (2018). Mastering Exploratory Analysis with Pandas : Build an End-to-end Data Analysis Workflow with Python. Packt Publishing.

Рекомендуемая дополнительная литература

• McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925

Авторы

• Десятова Мария Ивановна
• Андреева Дарья Александровна
• Ротмистров Алексей Николаевич