Python, R'yi zorlayarak veri bilimi alanında patlama yaşıyor
Eylül ayında TIOBE tarafından yayınlanan en son programlama dili sıralamasında Python,% 4,67 büyüme oranı ve% 0,26 avantajıyla C ++ 'ı aşarak İlk 3 karşı saldırısına başarıyla girdi.
Veri analizi alanında, geçtiğimiz yıl ivme kazanan Python, uzmanlar için vazgeçilmez bir beceridir. BT endüstrisinin büyümesiyle, deneyimli veri bilimcilerine olan talep arttı ve Python da en popüler dil haline geldi. Bu makale, verileri analiz etmenin temellerini tanıtmayı ve bazı güzel veri görselleştirmeleri oluşturmak için Python'u kullanmayı amaçlamaktadır.
- Veri biliminde neden Python öğrenmelisiniz?
- Python'a Giriş
- Veri Biliminde Python için Jupyter'i Kurun
- Temel Python bilgisi
- Veri bilimi için Python kitaplığı
- Demo: pratik uygulama
Python, veri bilimcileri için en uygun dildir, herhangi bir ihtilaf yoktur. Aşağıdaki noktalar, veri bilimindeki insanların neden Python'u seçtiğini anlamanıza yardımcı olabilir:
- Python ücretsiz, esnek ve güçlü bir açık kaynak dilidir.
- Python, özlü ve okunabilir bir sözdizimi sağlarken geliştirme süresini yarıya indirebilir.
- Veri işleme, veri analizi ve görselleştirme gerçekleştirmek için Python kullanın.
- Python, makine öğrenimi uygulamaları ve diğer bilimsel hesaplamalar için güçlü kitaplıklar sağlar.
En büyük faydayı biliyor musun? Veri bilimci şu anda en yüksek ücretli işlerden biri. Indeed.com'a göre, Ortalama yıllık maaş 130,621 dolar .
Python, 1989 yılında Guido Van Rossum tarafından oluşturuldu. Dinamik semantiğe sahip yorumlanmış bir dildir. Tüm platformlarda kullanmak ücretsizdir. Python:
Önce Jupyter'i sistemimize kuralım. Lütfen aşağıdaki adımları takip edin:
- 1. Adım: https://jupyter.org/ adresini ziyaret edin
- 2. Adım: "Tarayıcınızda deneyin" veya "Dizüstü Bilgisayarı Kur" u tıklayın
Python ve Jupyter'i kurmak için Anaconda dağıtımını (https://www.anaconda.com/download/) kullanmanızı öneririm. Jupyter'i kurduktan sonra, varsayılan tarayıcıda açmak için komut satırına "Jupyter Notebook" yazabilirsiniz. Şimdi Jupyter üzerine en temel programı yazıyoruz.
name = input ("Adınızı Girin:") print ("Merhaba", ad)Bu kodu çalıştırmak için, çıktıyı görüntülemek için "Shift + Enter" tuşlarına basabilirsiniz. Aşağıdaki ekran görüntüsünde gösterildiği gibi:
Şimdi programlamaya başlayabilirsiniz. Programlamak için aşağıdaki temel bilgileri anlamanız gerekir:
- değişken : "Değişken" terimi, değerleri depolamak için bellekte ayrılmış bir konumu ifade eder. Python'da, değişkenin türünü bildirmek bir yana, değişkeni kullanmadan önce tanımlamaya gerek yoktur.
- veri türü : Python, çeşitli veri türlerini destekler; bu veri türleri, değişkenler üzerindeki olası işlemleri ve bunların depolama yöntemlerini tanımlar. Veri türleri arasında sayısal değerler, listeler, dizeler, başlıklar, kümeler ve sözlükler bulunur.
- Şebeke: Operatörler, işlenenlerdeki değerleri değiştirebilir. Python'daki işleçler arasında sayısal işleçler, liste işleçleri, dizi işleçleri, tanımlama grubu işleçleri, küme operatörleri ve sözlük operatörleri bulunur.
- Koşullu ifadeler : Koşullu ifade, belirli bir koşula bağlı olarak bir grup ifadeyi yürütebilir. Üç koşullu ifade vardır: if, elif ve else.
- döngü : Döngü, küçük bir kod parçasını tekrar tekrar çalıştırmak için kullanılır. Üç çeşit döngü vardır, while, for ve iç içe döngüler.
- işlevi : Fonksiyon, kodu daha iyi organize etmek, kodu daha okunaklı hale getirmek, kodu yeniden kullanmak ve zamandan tasarruf etmek için anlamlı fonksiyon bloklarına bölmek için kullanılır.
Daha fazla bilgi ve Python'un gerçek uygulaması için şu makaleye bakabilirsiniz: Python ile Başlarken (https://www.edureka.co/blog/python-tutorial/).
Python'un veri biliminde rol oynadığı kısım budur. Python, bilimsel hesaplama, analiz, görselleştirme vb. İçin çok sayıda kütüphaneye sahiptir. Bazı kütüphaneler aşağıdaki gibidir:
- Numpy-NumPy, Python'un veri bilimindeki temel kütüphanesidir ve adı "Sayısal Hesaplama için Python" anlamına gelir. Bilimsel hesaplama için kullanılabilir, güçlü n boyutlu dizi nesneleri içerir ve C, C ++ ve diğer dillerle entegre olmak için birçok araç sağlar. Çeşitli NumPy işlemleri ve özel işlevler için rastgele verileri depolamak üzere çok boyutlu bir kap olarak da kullanılabilir.
- Matplotlib-Matplotlib, güçlü bir görselleştirme Python kitaplığıdır. Python komut dosyalarında, kabuklarda, web uygulama sunucularında ve diğer GUI araçlarında kullanılabilir. Bunu çeşitli grafikler çizmek için kullanabilir ve ayrıca birden fazla grafiği birlikte çizebilirsiniz.
- Scikit-learn-Scikit-learn, Python'da makine öğreniminin uygulanabileceği en ilgi çekici kitaplıklardan biridir. Bu ücretsiz kütüphane, veri analizi ve veri madenciliği için basit ve etkili araçlar içerir. Lojistik regresyon gibi çeşitli algoritmaları uygulamak için kullanılabilir.
- Seaborn-Seaborn, istatistiksel çizim için bir Python kütüphanesidir. Python'u veri biliminde kullanırken, matplotlib (iki boyutlu görselleştirme için) ve Seaborn'u kullanabilirsiniz.İkincisi, istatistiksel grafikler çizmek için güzel stillere ve gelişmiş arayüzlere sahiptir.
- Pandas-Pandas, veri biliminde önemli bir Python kitaplığıdır. Verileri işlemek ve verileri analiz etmek için kullanılır. Tablolar, sıralı zaman serileri, sırasız zaman serileri, matrisler gibi farklı veri türleri için çok uygundur. Verileri işlemeden önce veri analizi için Pandaların nasıl kullanılacağını gösteren bir video (https://youtu.be/B42n3Pc-N2A).
Sorun Açıklaması: Veri seti verildiğinde, veri seti cezaevi tesislerinin dağılımı ve koşulları, cezaevindeki tıkanıklık derecesi, cezaevindeki mahpus türleri vb. Gibi çeşitli verilerden oluşan kapsamlı bir istatistiksel verilerdir. Lütfen bu veri seti üzerinde açıklayıcı istatistikler yapın ve verilerden faydalı bilgiler bulun. İşte birkaç görev:
Aşağıdaki kodu kullanarak verileri yükleyin:
pandaları pd olarak içe aktar matplotlib.pyplot dosyasını arsa olarak içe aktar % matplotlib satır içi file_name = "prisoners.csv" mahkumlar = pd.read_csv (dosya_adı) mahkumlar
Ardından Pandaların açıklama yöntemini kullanın, aşağıdaki ifadeyi girin:
mahkumlar. tanımla ()
Ardından veri işlemlerini gerçekleştirin:
mahkumlar = mahkumlar.sum (eksen = 1) mahkumlar kafa ()
Son olarak, bazı veri görselleştirmeleri yapmak için Python kullanın. kod aşağıdaki gibi gösterilir:
numpy'yi np olarak içe aktar xlabels = prisoners.values plot.figure (figsize = (20, 3)) plot.xticks (np.arange (xlabels.shape), xlabels, rotation = 'vertical', fontsize = 18) plot.xticks plot.bar (np.arange (prisoners.values.shape), mahkumlar, align = 'kenar')
