Pythoni Anaconda õpetus: kõik, mida peate teadma

See artikkel pythoni anakonda õpetuse kohta aitab teil mõista, kuidas saate pythonit anakondal kasutada koos pythoni põhialuste, analüütika, ML / AI jms.

Anaconda on andmeteaduse platvorm andmeteadlastele, IT-spetsialistidele ja homsetele ärijuhtidele. See on Python , R jne. Rohkem kui 300 pakendit , saab sellest üks parimaid platvorme iga projekti jaoks. Selles anaconda juhendaja, arutame, kuidas saaksime anakonda kasutada pythoni programmeerimisel. Siin blogis käsitletakse järgmisi teemasid:



Anaconda tutvustus

Anaconda on Pythoni ja R-i lähtekoodiga jaotus. Seda kasutatakse andmeteadus , , sügav õppimine jne. Kuna andmeteaduse jaoks on saadaval rohkem kui 300 teeki, muutub igale programmeerijale andmeteaduse anakondaga töötamine üsna optimaalseks.

logo-python anaconda õpetus-edureka

Anaconda aitab lihtsustada pakettide haldamist ja juurutamist. Anacondal on mitmesugused tööriistad, et hõlpsalt koguda andmeid erinevatest allikatest, kasutades erinevaid masinõppe ja tehisintellekti algoritme. See aitab saada hõlpsasti hallatavat keskkonna seadistust, mis võimaldab ühe projekti vajutada ühe nupuvajutusega.



Nüüd, kui me teame, mis on anakonda, proovime mõista, kuidas me saame anakonda installida ja luua oma süsteemidele töötamiseks vajaliku keskkonna.

Paigaldamine ja seadistamine

Anaconda installimiseks minge aadressile https://www.anaconda.com/distribution/ .



Valige endale sobiv versioon ja klõpsake allalaaditavat nuppu. Kui olete allalaadimise lõpetanud, avage seadistus.

Järgige seadistuses olevaid juhiseid. Ärge unustage klõpsata nupul Lisa anakonda minu tee keskkonnamuutujale. Pärast installi lõppu saate akna, nagu on näidatud alloleval pildil.

Pärast installi lõpetamist avage anaconda viip ja tippige .

Näete akent, nagu on näidatud alloleval pildil.

Nüüd, kui teame, kuidas anakonda pythoni jaoks kasutada, saame heita pilgu sellele, kuidas saaksime mitmesuguseid teeke anakondasse installida mis tahes projekti jaoks.

Kuidas installida Pyaconi raamatukogusid Anaconda?

Avage anaconda viip ja kontrollige, kas teek on juba installitud või mitte.

erinevus lõpliku ja lõpliku vahel

Kuna moodulit nimega numpy pole, käivitame numpy installimiseks järgmise käsu.

Kui installimine on lõpule jõudnud, kuvatakse pildil näidatud aken.

Kui olete kogu installinud, proovige kindluse huvides moodul uuesti importida.

Nagu näete, pole alguses ühtegi viga, nii et saame anakonda mitmesuguseid teeke installida.

Anaconda Navigator

Anaconda Navigator on töölaua GUI, mis on varustatud anaconda jaotusega. See võimaldab meil käivitada rakendusi ja hallata kondapakette, keskkonda ja käsurea käske kasutamata.

Kasuta juhtumit - Pythoni põhialused

Muutujad ja andmetüübid

Muutujad ja andmetüübid on mis tahes programmeerimiskeele ehituskivid. Pythonil on 6 andmetüüpi, sõltuvalt nende omadustest. Loend, sõnastik, komplekt, tuple on kogu pythoni programmeerimiskeele andmetüübid.

print_r php-s

Järgmine näide näitab, kuidas muutujaid ja andmetüüpe pythonis kasutatakse.

#muutuja deklaratsiooni nimi = 'Edureka' f = 1991 print ('python asutati aastal', f) #andmetüübid a = [1,2,3,4,5,6,7] b = {1: 'edureka' , 2: 'python'} c = (1,2,3,4,5) d = {1,2,3,4,5} print ('nimekiri on', a) print ('sõnastik on' , b) print ('tuple is', c) print ('komplekt on', d)

Operaatorid

Operaatorid Pythonis kasutatakse väärtuste või muutujate vahelisteks toiminguteks. Püütonis on 7 tüüpi operaatoreid.

  • Ülesandeoperaator
  • Aritmeetikaoperaator
  • Loogiline operaator
  • Võrdlusoperaator
  • Natuke tark operaator
  • Liikmehaldur
  • Identiteedioperaator

Järgnevalt on toodud näide mõne operaatori kasutamisest pythonis.

a = 10 b = 15 # aritmeetiline operaator print (a + b) print (a - b) print (a * b) # määrangu operaator a + = 10 print (a) # võrdlusoperaator #a! = 10 #b == a #logical operaator a> b ja a> 10 #this tagastatakse true, kui mõlemad väited on tõesed.

Juhtimisavaldused

Avaldused meeldivad , break, jatka kasutatakse kontrolllausena optimaalsete tulemuste saavutamiseks kontrolli täitmise üle. Tulemuse kontrollimiseks saame neid avaldusi kasutada Pythoni erinevates tsüklites. Järgnev näide näitab, kuidas saame töötada kontroll- ja tingimuslausetega.

name = 'edureka' i jaoks nimes: kui i == 'a': murda muu: print (i)

Funktsioonid

pakume tõhusal viisil koodi korduvkasutatavust, kus saame kirjutada probleemilause loogika ja käivitada paar argumenti optimaalsete lahenduste saamiseks. Järgnev on näide sellest, kuidas saame pythonis funktsioone kasutada.

def func (a): tagastage a ** a res = func (10) print (res)

Klassid ja esemed

Kuna python toetab objektorienteeritud programmeerimist, saame sellega töötada klassid ja esemed samuti. Järgnev on näide sellest, kuidas saame pythonis töötada klasside ja objektidega.

klassi lapsevanem: def func (ise): print ('see on vanem') klass laps (vanem): def funkt1 (ise): print ('see on laps') ob = uus laps () ob.func ()

Alustuseks on need mõned peamised mõisted pythonis. Anakonda suuremast paketitoest rääkides saame töötada paljude raamatukogudega. Heidame pilgu sellele, kuidas saame andmete analüüsimiseks kasutada pythoni anakonda.

Kasuta juhtumit - analüüs

Need on teatud etapid . Heidame pilgu sellele, kuidas andmete analüüs töötab anakondas ja erinevates raamatukogudes, mida saame kasutada.

Andmete kogumine

The andmete kogumine on sama lihtne kui CSV-faili laadimine programmi. Seejärel saame asjakohaseid andmeid kasutada andmete konkreetsete eksemplaride või kannete analüüsimiseks. Järgmine on kood CSV-andmete laadimiseks programmi.

impordi pandad kui pd impordi number nagu np impordi matplotlib.pyplot kui plt impordi meresündinud kui sns df = pd.read_csv ('failinimi.csv') print (df.head (5))

Viilutamine ja tükeldamine

Pärast andmekogumi laadimist programmis peame andmed filtreerima mõne muudatusega, näiteks nullväärtuste ja tarbetute väljade kõrvaldamine, mis võivad analüüsis ebaselgust tekitada.

Järgnevalt on toodud näide, kuidas saame andmeid vastavalt nõuetele filtreerida.

print (df.isnull (). summa ()) # see annab kõigi andmekogumi nullväärtuste summa. df1 = df.dropna (telg = 0, kuidas = 'ükskõik') #see loobub nullväärtustega ridadest.

Samuti võime tühistada nullväärtused.

BoxPlot

sns.boxplot (x = df ['Palga vahemik alates']) sns.boxplot (x = df ['Palga vahemik kuni'])

Hajuvusdiagramm

import matplotlib.pyplot plt joonisena, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['Palga vahemik alates'], df ['Palga vahemik kuni']) ax.set_xlabel ('Palk Vahemik Alates ') ax.set_ylabel (' Palga vahemik TO ') plt.show ()

Visualiseerimine

Kui oleme andmeid vastavalt nõuetele muutnud, on vaja neid andmeid analüüsida. Üks selline viis on tulemuste visualiseerimine. Parem aitab andmete prognoose optimaalselt analüüsida.

Järgnev on andmete visualiseerimise näide.

sns.countplot (x = 'täistööajaga / osalise tööajaga näitaja', andmed = df) sns.countplot (x = 'täistööajaga / osalise tööajaga indikaator', toon = 'palgasagedus', andmed = df) sns .countplot (hue = 'Täistööajaga / osalise tööajaga indikaator', x = 'Postitamise tüüp', andmed = df) df ['Palga vahemik']. plot.hist () df ['Palga vahemik kuni']. plot.hist ()

import matplotlib.pyplot kui plt fig = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt. pealkiri ('korrelatsioon', fontsize = 5) plt.show ()

Analüüs

Pärast visualiseerimist saame analüüsida erinevaid graafikuid ja graafikuid. Oletame, et töötame tööandmetega, vaadates konkreetse töökoha visuaalset esitust piirkonnas, saame välja arvutada teatud domeeni töökohtade arvu.

Ülaltoodud analüüsi põhjal võime eeldada järgmisi tulemusi

java komplektide tüübid
  • Osalise tööajaga töökohtade arv on andmekogumis täistööajaga töökohtadega võrreldes väga väike.
  • kui osalise tööajaga töökohti on vähem kui 500, on täistööajaga töökohti üle 2500.
  • Selle analüüsi põhjal saame ehitada ennustusmudel.

Selles püütoni anakonda õpetuses oleme aru saanud, kuidas saame pythonile anakonda seadistada kasutusjuhtumitega, mis hõlmasid pythoni põhialuseid, andmete analüüsi ja masinõpet. Anaconda pakub enam kui 300 andmeteaduse paketti ja pakub tõhusate tulemustega optimaalset tuge. Püthoni oskuste omandamiseks registreeruge Edureka's ja alustage oma õppimist.

Kas teil on küsimusi? mainige neid selle artikli kommentaarides ‘python anaconda õpetus’ kohta ja me võtame teiega ühendust niipea kui võimalik.