Καλωσορίσατε
Το Ψηφιακό Αποθετήριο του ΕΚΔΔΑ είναι θεσμικά επιφορτισμένο με την συγκέντρωση, διαχείριση, και διάχυση της διοικητικής γνώσης, που παράγεται από τη λειτουργία της ελληνικής Δημόσιας Διοίκησης καθώς και από το ερευνητικό έργο που αναπτύσσεται από τους φορείς της Κεντρικής και Αποκεντρωμένης Διοίκησης καθώς και της Τοπικής Αυτοδιοίκησης.
- Το αποθετήριό μας φιλοδοξεί να είναι σημείο αναφοράς και τεκμηρίωσης για τη δράση των δημοσίων φορέων και για κάθε πτυχή της δημόσιας πολιτικής στη χώρα μας...
- Εμπλουτίζεται διαρκώς με μελέτες, έρευνες, στοιχεία, δεδομένα και εκθέσεις που παράγονται από φορείς του Δημοσίου ή για λογαριασμό τους από άλλους φορείς
- Εμπλουτίζεται διαρκώς με στοιχεία που προέρχονται από εργαστήρια καινοτομίας, με το εκπαιδευτικό υλικό του Ινστιτούτου Επιμόρφωσης, με τις εργασίες των σπουδαστών της ΕΣΔΔΑ.
- Συνδέεται με τη βιβλιοθήκη του ΕΚΔΔΑ
Ανοιχτό στους δημόσιους φορείς, στις επιχειρήσεις, στην ακαδημαϊκή και ερευνητική κοινότητα και σε κάθε μέλος της κοινωνίας που αναζητά τεκμηρίωση και πληροφόρηση για τη γνώση και την καινοτομία που παράγεται στα πλαίσια της ελληνικής δημόσιας διοίκησης.
Ανακαλύψτε τις δυνατότητες που προσφέρει το Ψηφιακό Αποθετήριο, επιλέγοντας το ρόλο του επισκέπτη, ή εγγραφείτε ως χρήστης ή καταθέτης.
Καλή περιήγηση!
Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://digitalrepository.ekdd.gr/jspui/handle/123456789/1105Πλήρης εγγραφή μεταδεδομένων
| Πεδίο DC | Τιμή | Γλώσσα |
|---|---|---|
| dc.rights.license | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή (CC BY-NC-SA) | el |
| dc.contributor.advisor | ΕΚΔΔΑ | el |
| dc.contributor.author | Γκόγκος, Χρήστος | - |
| dc.contributor.author | Μακρής, Γεώργιος | - |
| dc.contributor.author | Ζούλιας, Εμμανουήλ | - |
| dc.contributor.author | Καραπιπέρης, Δημήτριος | - |
| dc.contributor.editor | Ματζαβάκης, Ιωάννης | - |
| dc.creator | ΕΚΔΔΑ.ΙΝΕΠ | el |
| dc.date.accessioned | 2026-03-24T07:42:13Z | - |
| dc.date.available | 2026-03-24T07:42:13Z | - |
| dc.date.issued | 2026-03 | - |
| dc.identifier.uri | https://digitalrepository.ekdd.gr/ | el |
| dc.identifier.uri | https://digitalrepository.ekdd.gr/jspui/handle/123456789/1105 | - |
| dc.description | H Python είναι μια ισχυρή γλώσσα προγραμματισμού, εύκολη για εισαγωγή στον προγραμματισμό για τον αρχάριο προγραμματιστή και με προχωρημένα χαρακτηριστικά για τον έμπειρο προγραμματιστή που μπορεί να κατασκευάσει με την Python επαγγελματικές εφαρμογές. Είναι μια γλώσσα προγραμματισμού που υποστηρίζει το αντικειμενοστραφές (object oriented) υπόδειγμα για την ανάπτυξη εφαρμογών, διαθέτει έτοιμη σημαντική λειτουργικότητα στην τυπική βιβλιοθήκη της (standard library) που έρχεται προεγκατεστημένη με τη γλώσσα, ενισχύεται περαιτέρω με ένα πλούσιο οικοσύστημα εξωτερικών βιβλιοθηκών, και μπορεί να χρησιμοποιηθεί διαδραστικά (interactively), γεγονός που επιτρέπει τη γρήγορη δοκιμή κώδικα. | el |
| dc.description.abstract | η Python διατηρεί κυρίαρχη θέση λόγω της απλότητάς της και των πολλών βιβλιοθηκών που διαθέτει και που επιτρέπουν την προχωρημένη ανάλυση δεδομένων στα επίπεδα της περιγραφικής αναλυτικής (descriptive analytics), της προγνωστικής αναλυτικής (predictive analytics) αλλά και της καθοδηγητικής αναλυτικής (prescriptive analytics). | el |
| dc.description.tableofcontents | Λίγα λόγια για τους συγγραφείς viii ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ ΣΤΗΝ PYTHON 1 1.1. Γενικά για την Python 1 1.1.1. Διανομές και εκδόσεις της Python 3 1.1.2. Εγκατάσταση της Python 4 1.1.3. Μετά την εγκατάσταση της Python 4 1.1.4. Το REPL της Python 5 1.1.5. Συγγραφή και εκτέλεση προγραμμάτων με το IDLE 5 1.1.6. Συγγραφή και εκτέλεση προγραμμάτων στο VSCode 6 1.1.7. Συγγραφή και εκτέλεση τμημάτων κώδικα στο Google Colab 8 1.2. Εγκατάσταση βιβλιοθηκών 9 1.2.1. Ιδεατά περιβάλλοντα με το venv 10 1.3. Βασικές έννοιες της Python 11 1.3.1. Μεταβλητές 11 1.3.2. Τύποι δεδομένων 12 1.3.3. Τελεστές 16 1.3.4. Εκφράσεις 16 1.3.5. Είσοδος/έξοδος 17 1.4. Εντολές επιλογής και επανάληψης 18 1.4.1. Η εντολή επιλογής if 18 1.4.2. Τριαδικός τελεστής if 20 1.4.3. Η εντολή match 20 1.4.4. Εντολές επανάληψης 21 1.5. Συναρτήσεις 23 1.5.1. Παράμετροι και ορίσματα συναρτήσεων 24 1.5.2. Επιστροφή αποτελεσμάτων από συναρτήσεις 25 1.5.3. Ορίσματα θέσης και ονοματισμένα ορίσματα 25 1.5.4. Προαιρετικές παράμετροι 26 1.5.5. Συναρτήσεις με μεταβλητό πλήθος ορισμάτων 27 1.5.6. Συμβολοσειρές τεκμηρίωσης συνάρτησης 29 1.5.7. Η εντολή pass 30 1.5.8. Συναρτήσεις μέσα σε συναρτήσεις 31 1.5.9. Εμβέλεια μεταβλητών 31 1.5.10. Λάμδα συναρτήσεις 33 1.6. Δομές δεδομένων 35 1.6.1. Λίστες 35 1.6.2. Πλειάδες 42 1.6.3. Λεξικά 44 1.6.4. Σύνολα 46 1.6.5. Συνδυασμός ακολουθιών 48 1.6.6. Περιφραστικές λίστες 49 1.7. Οργάνωση κώδικα σε τμήματα και πακέτα 50 1.7.1. Modules 50 1.7.2. Packages 54 1.8. Αντικειμενοστραφής προγραμματισμός 56 1.8.1. Κλάσεις και αντικείμενα 57 1.8.2. Κληρονομικότητα 59 1.8.3. Πολυμορφισμός 60 1.9. Αρχεία 62 1.9.1. Αρχεία κειμένου 62 1.9.2. Αρχεία CSV 65 1.9.3. Αρχεία Excel 67 1.10. Βάσεις δεδομένων 69 1.10.1. Sqlite 70 1.11. Εξαιρέσεις 73 1.11.1. Ιεραρχία εξαιρέσεων 75 1.11.2. Ρητή πρόκληση εξαιρέσεων με το raise 76 1.12. Κανονικές εκφράσεις 78 1.12.1. Παράδειγμα με κανονικές εκφράσεις 80 1.13. To module sys 81 1.14. Ασκήσεις 82 1.15. Ερωτήσεις αυτοαξιολόγησης 84 1.15.1. Απαντήσεις στις ερωτήσεις αυτοαξιολόγησης 87 ΚΕΦΑΛΑΙΟ 2: Η ΒΙΒΛΙΟΘΗΚΗ NUMPY 88 2.1. Εισαγωγή στη βιβλιοθήκη NumPy 88 2.2. Η μετάβαση από τις βασικές δομές της Python στη βιβλιοθήκη NumPy 89 2.3. Τύποι πινάκων και χαρακτηριστικά πινάκων (shape, size) 91 2.3.1. Δισδιάστατοι Πίνακες 91 2.3.2. Τρισδιάστατοι και περισσότερων διαστάσεων Πίνακες (Tensors) 92 2.3.3. Ειδικοί Πίνακες 92 2.3.4. Βασικά Χαρακτηριστικά Πινάκων 94 2.4. Δυνατότητες Διαχείρισης πινάκων με τη Βιβλιοθήκη Numpy 95 2.4.1. Ευρετηρίαση (Indexing) 95 2.4.2. Ευρετηρίαση (Indexing) – Προχωρημένες περιπτώσεις 97 2.4.3. Τεμαχισμός (Slicing) 97 2.4.4. Αλλαγή διαστάσεων (reshaping) 98 2.4.5. Συνένωση πινάκων 99 2.4.6. Διαχωρισμός πινάκων 99 2.4.7. Στοίβαξη (Stacking) πινάκων 100 2.4.8. Μετάδοση (Broadcasting) 101 2.4.9. Συνήθεις παγίδες της μετάδοσης (Broadcasting) 104 2.5. Συναρτήσεις, Αλγεβρικές Πράξεις και Έλεγχοι Στοιχείων Πινάκων 105 2.5.1. Συναρτήσεις συνάθροισης 105 2.5.2. Πολλαπλασιασμός Πινάκων 107 2.5.3. Διαίρεση πινάκων 108 2.5.4. Βασικοί Τελεστές - Σύγκριση στοιχείων πινάκων 109 2.5.5. Σύγκριση πινάκων στοιχείων προς στοιχείο 110 2.6. Δημιουργία Μάσκας στη βιβλιοθήκη Numpy 111 2.7. Προχωρημένες τεχνικές ευρετηρίασης 114 2.8. Ταξινόμηση πινάκων 116 2.9. Επίλυση συστημάτων γραμμικών εξισώσεων 118 2.9.1. Πίνακες 118 2.9.2. Διανύσματα 119 2.10. Ερωτήσεις αυτοαξιολόγησης 120 2.10.1. Απαντήσεις στις ερωτήσεις αυτοαξιολόγησης 124 ΚΕΦΑΛΑΙΟ 3: Η ΒΙΒΛΙΟΘΗΚΗ PANDAS 126 3.1. Εισαγωγή στη βιβλιοθήκη Pandas (pandas library) 126 3.2. Σειρές (Series) και Πλαίσια Δεδομένων (DataFrames) 128 3.3. Σειρές (Series) 129 3.3.1. Δημιουργία & Βασικές Πληροφορίες 131 3.3.2. Επιλογή & Πρόσβαση Στοιχείων 133 3.3.3. Βοοlean Indexing & Φιλτράρισμα 136 3.3.4. Ταξινόμηση & Αναδιάταξη 140 3.3.5. Επεξεργασία NaN Τιμών 143 3.3.6. Μετασχηματισμοί Τύπων & Τιμών 146 3.3.7. Στατιστικές Μέθοδοι 149 3.3.8. Σωρευτικοί Υπολογισμοί και Μεταβολές 153 3.3.9. Μαθηματικές Πράξεις – Αριθμητικές Μέθοδοι 156 3.3.10. Σχέσεις Σύγκρισης (Boolean Output) 159 3.3.11. Μοναδικές Τιμές & Συχνότητες 162 3.3.12. Μέθοδοι Κειμένου (str accessor) 165 3.3.13. Χρονικές Σειρές (dt accessor) 169 3.3.14. Κατηγορικά Δεδομένα (cat accessor) 172 3.3.15. Ομαδοποίηση & Κινητοί Μέσοι 174 3.3.16. Εισαγωγή & Εξαγωγή 177 3.3.17. Διάφορες Μέθοδοι 180 3.3.18. Πίνακας Κοινών Παραμέτρων για Σειρες 183 3.3.19. Ολοκληρωμένο Παράδειγμα στις Σειρές: Διαχείριση Προϊόντων 185 3.4. Πλαίσια Δεδομένων (Data Frames) 191 3.4.1. Δημιουργία & Βασικές Πληροφορίες 192 3.4.2. Δημιουργία DataFrames από πίνακες NumPy 197 3.4.3. Πρόσβαση και Επιλογή 198 3.4.4. Βοοlean Indexing & Φιλτράρισμα 205 3.4.5. Ταξινόμηση & Αναδιάταξη 211 3.4.6. Επεξεργασία NaN Τιμών 217 3.4.7. Μετασχηματισμοί Τύπων & Τιμών 223 3.4.8. Στατιστικές Μέθοδοι 230 3.4.9. Σωρευτικοί Υπολογισμοί και Μεταβολές 236 3.4.10. Μαθηματικές Πράξεις – Αριθμητικές Μέθοδοι 240 3.4.11. Σχέσεις Σύγκρισης (Boolean Output) 245 3.4.12. Μοναδικές Τιμές & Συχνότητες 253 3.4.13. Μέθοδοι Κειμένου (str accessor) 259 3.4.14. Χρονικές Σειρές (dt accessor) 268 3.4.15. Ομαδοποίηση (GroupBy) 274 3.4.16. Κινητοί Μέσοι (Rolling/EWM/Expanding) 280 3.4.17. Εισαγωγή Δεδομένων 284 3.4.18. Εξαγωγή Δεδομένων 290 3.4.19. Ολοκληρωμένο Παράδειγμα στα Πλαίσια Δεδομένων: Διαχείριση Προϊόντων 294 3.5. Ερωτήσεις Αυτοαξιολόγησης – Απαντήσεις και Εξήγηση 299 3.5.1. Test Γνώσεων: Pandas Series 299 3.5.2. Test Γνώσεων: Pandas Series - Απαντήσεις & Επεξηγήσεις 304 3.5.3. Τεστ Γνώσεων Pandas DataFrames 305 3.5.4. Τεστ Γνώσεων Pandas DataFrames - Απαντήσεις και Εξηγήσεις 312 ΚΕΦΑΛΑΙΟ 4: ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΟΠΤΙΚΟΠΟΙΗΣΗ ΔΕΔΟΜΕΝΩΝ 314 4.1. Περιγραφική Στατιστική: Ποσοτική Προσέγγιση 315 4.1.1. Μέτρα Κεντρικής Τάσης, Διασποράς και Θέσης 316 4.1.2. Ομαδοποίηση Δεδομένων 324 4.1.3. Η Βιβλιοθήκη statistics 329 4.2. Περιγραφική Στατιστική: Οπτική Προσέγγιση 331 4.2.1. Εισαγωγή στα Εργαλεία Οπτικοποίησης 332 4.2.2. Ανάλυση Κατανομής 335 4.2.3. Ανάλυση Εξέλιξης (Time Series Analysis) 339 4.2.4. Ανάλυση Συσχέτισης (Correlation Analysis) 342 4.2.5. Σύγκριση Κατηγοριών (Categorical Comparison) 346 4.2.6. Σύνθετες Απεικονίσεις και Υπογραφήματα 350 4.3. Εφαρμοσμένο Project: Ανάλυση Κερδοφορίας Καταστήματος 354 4.3.1. Δημιουργία και Επισκόπηση Δεδομένων 354 4.3.2. Η Παγίδα των Πωλήσεων (Univariate Analysis) 355 4.3.3. Αναζητώντας τη Ζημία (Bivariate Analysis) 356 4.3.4. Συσχέτιση Πωλήσεων και Κέρδους 357 4.4. Ερωτήσεις Αυτοαξιολόγησης 359 4.4.1. Απαντήσεις και Επεξηγήσεις 365 ΚΕΦΑΛΑΙΟ 5: ΕΠΙΣΚΟΠΗΣΗ ΒΑΣΙΚΩΝ ΑΛΓΟΡΙΘΜΩΝ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ 367 5.1. Τεχνητή νοημοσύνη, μηχανική μάθηση και βαθιά μάθηση 367 5.2. Python και μηχανική μάθηση 368 5.2.1. Βιβλιοθήκες της Python για ανάλυση δεδομένων και εφαρμογή αλγορίθμων μηχανικής μάθησης 368 5.3. Τα δεδομένα, οι τύποι και οι μορφές τους 369 5.4. Κατηγορίες αλγορίθμων μηχανικής μάθησης 375 5.4.1. Περισσότερα για επιβλεπόμενη μάθηση και μη-επιβλεπόμενη μάθηση 376 5.5. Παλινδρόμηση 377 5.5.1. Γραμμική παλινδρόμηση 377 5.5.2. Απλή γραμμική παλινδρόμηση 378 5.5.3. Γραμμική παλινδρόμηση με πολλαπλές ερμηνευτικές μεταβλητές 382 5.5.4. Πολυωνυμική παλινδρόμηση 383 5.5.5. Ένα μεγαλύτερο παράδειγμα γραμμικής παλινδρόμησης 387 5.6. Κατηγοριοποίηση 392 5.6.1. Κατηγοριοποίηση Naïve Bayes 393 5.6.2. Μετρικές για προβλήματα κατηγοριοποίησης 396 5.6.3. Κατηγοριοποίηση του Iris dataset με το GaussianNB 398 5.6.4. Άλλοι αλγόριθμοι κατηγοριοποίησης 401 5.7. Συσταδοποίηση 408 5.7.1. Ο αλγόριθμος k-means 409 5.7.2. Ιεραρχική συσταδοποίηση 412 5.8. Ασκήσεις 415 5.8.1. Άσκηση 1 415 5.8.2. Άσκηση 2 416 5.9. Ερωτήσεις αυτοαξιολόγησης 418 5.9.1. Απαντήσεις στις ερωτήσεις αυτοαξιολόγησης 421 ΒΙΒΛΙΟΓΡΑΦΙΑ 422 | el |
| dc.format.extent | 422 | el |
| dc.language.iso | gr | el |
| dc.publisher | ΕΚΔΔΑ | el |
| dc.subject | Πληροφορική και ψηφιακές υπηρεσίες | el |
| dc.subject.other | Γλώσσες προγραμματισμού | el |
| dc.title | Ανάλυση δεδομένων με τη γλώσσα προγραμματισμού Python | el |
| dc.type | Learning Object | el |
| dc.rights.holder | ΕΚΔΔΑ | el |
| dc.subject.keywords | Python | el |
| dc.subject.keywords | Μεταβλητές & τύποι δεδομένων | el |
| dc.subject.keywords | Δομές ελέγχου (if, loops) | el |
| dc.subject.keywords | Συναρτήσεις | el |
| dc.subject.keywords | Δομές δεδομένων (λίστες, λεξικά) | el |
| dc.subject.keywords | NumPy (πίνακες & αριθμητικοί υπολογισμοί) | el |
| dc.subject.keywords | Pandas (ανάλυση δεδομένων) | el |
| dc.subject.keywords | Καθαρισμός & επεξεργασία δεδομένων | el |
| dc.subject.keywords | Οπτικοποίηση & στατιστική | el |
| dc.subject.keywords | Machine Learning (βασικές έννοιες) | el |
| dc.subject.lifevent | Εκπαίδευση και Έρευνα | el |
| dc.contributor.reviewer | Παπαμιχαήλ, Γεώργιος | - |
| dc.contributor.reviewer | Κωσταπαππάς, Λάμπρος | - |
| Εμφανίζεται στις συλλογές: | Εκπαιδευτικό Υλικό | |
Αρχεία σε αυτό το τεκμήριο:
| Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
|---|---|---|---|---|
| Εκπ υλικό ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΕ PYTHON_V0.9 τελικό.pdf | 11.99 MB | Adobe PDF | Δείτε/ Ανοίξτε |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα