Програма

16 занятия по 4 учебни часа, общо 64 учебни часа, в понеделник и сряда, 10:00 - 13:00 (две почивки по 10 минути).

Цел: плавно преминаване към Python като основен инструмент за същата ежедневна работа с данни, която сега вършите в SQL и SAS: отчети, моделиране и ad-hoc анализи.

Как работим: много практика. Всяка тема е свързана с това, което вече знаете от SQL и SAS. Всички примери и задачи използват измислени данни с формата на данните, с които работите (кредитен портфейл: клиенти, кредити, рейтингова скала) - никога реални данни.

Занятия

Датите са планирани и може да се променят.

	Дата	Тема
1	пон 26.10	Въведение, синтаксис, типове данни и променливи
2	ср 28.10	Условни конструкции и цикли
3	пон 02.11	Lists (основи), tuples и sets
4	ср 04.11	Функции
5	пон 09.11	Lists (за напреднали)
6	ср 11.11	Dictionaries
7	пон 16.11	Обработка на текст
8	ср 18.11	Регулярни изрази (regular expressions)
9	пон 23.11	Обработка на грешки и работа с файлове
10	ср 25.11	Модули, пакети, Git и GitHub
11	пон 30.11	ООП: първи стъпки, класове и обекти
12	ср 02.12	ООП на практика: номенклатури
13	пон 07.12	Работа с бази данни
14	ср 09.12	NumPy и въведение в pandas
15	пон 14.12	pandas: селекция, агрегиране, съединяване (joins)
16	ср 16.12	pandas: отчети и финалният проект

Подробно по занятия

1. Въведение, синтаксис, типове данни и променливи

• Python до SQL и SAS: за какво се използва всеки от тях.
• Работа с VS Code и Jupyter notebooks.
• int, float, str, bool, None; преобразуване между типове; оператори.
• f-strings; Decimal за парични стойности.

2. Условни конструкции и цикли

• if / elif / else, логически оператори, match.
• for, range, while, break / continue.
• Версията на Python за CASE WHEN и за циклите в DATA step.
• Задачи: разпределяне на клиенти по рискови класове.

3. Lists (основи), tuples и sets

• Създаване на lists, индексиране, slicing, методите на list.
• Tuples като записи, които не могат да се променят.
• Sets за уникални стойности и операции със sets като UNION / INTERSECT / EXCEPT.

4. Функции

• def, параметри и стойности по подразбиране, *args / **kwargs, return.
• Scope на променливите, docstrings, type hints, lambda.
• Функции вместо SAS макроси.

5. Lists (за напреднали)

• List comprehensions; sorted с key; min / max.
• zip, enumerate, map, filter.
• Вложени lists: таблица като list от редове; копия и референции.

6. Dictionaries

• Работа с dict, обхождане с цикъл, вложени dictionaries, dict comprehensions.
• defaultdict, Counter.
• Групиране и агрегиране на ръка (GROUP BY без pandas).
• Таблици за търсене (lookup tables) и номенклатури.

7. Обработка на текст

• Методите на str: split / join, strip, replace, форматиране.
• Почистване на текстови данни: имена, кодове, идентификатори.
• Дати от текст с datetime.

8. Регулярни изрази (regular expressions)

• Модулът re: patterns, groups, search / findall / sub / split.
• Валидиране на IBAN, ЕИК, e-mail адреси и дати; извличане на стойности от свободен текст.
• Версията на Python за PRXMATCH (SAS) и LIKE / REGEXP (SQL).

9. Обработка на грешки и работа с файлове

• try / except / else / finally, видове exceptions, raise, ваши собствени exceptions.
• pathlib, with open; текстови, CSV, JSON и Excel файлове.
• Обработка на лоши записи при зареждане на данни.

10. Модули, пакети, Git и GitHub

• import, ваши собствени модули, стандартната библиотека (datetime, collections, statistics, os).
• pip и виртуални среди; структурата на един проект.
• Git: commit, branch, merge, .gitignore. GitHub: clone, push, pull, pull requests.

11. ООП: първи стъпки, класове и обекти

• Клас и обект, __init__, атрибути, методи, self.
• __str__ / __repr__; атрибути на класа; property; dataclasses.

12. ООП на практика: номенклатури

• Номенклатура като клас: данни, метаданни, правила за валидиране и методи за обработка.
• classmethod и staticmethod; наследяване и композиция.
• Прилагане на една номенклатура по един и същи начин към различни набори от данни.

13. Работа с бази данни

• DB-API и sqlite3: връзка (connection), cursor, параметризирани заявки, транзакции.
• SQLAlchemy engine; резултатът от заявка направо в DataFrame.
• Драйвери за Oracle / MS SQL / PostgreSQL (преглед).

14. NumPy и въведение в pandas

• ndarray, векторни операции, broadcasting, агрегати, np.where.
• Series и DataFrame; четене на CSV и Excel файлове.
• head, info, describe, типовете на колоните.

15. pandas: селекция, агрегиране, съединяване (joins)

• loc / iloc, булеви маски, query, нови колони.
• groupby / agg (като GROUP BY и PROC MEANS).
• merge / concat (като JOIN и MERGE в DATA step); липсващи стойности.

16. pandas: отчети и финален проект

• pivot_table, melt, дати и времеви редове, експорт в Excel с няколко листа.
• Финален проект: зареждане на данни от файл и от база данни, номенклатури като класове, почистване, агрегиране и готов отчет.