Anaconda je platforma pro datovou vědu pro datové vědce, IT profesionály a vedoucí pracovníky zítřka. Jedná se o distribuci Krajta , R atd. S více než 300 balíčky pro , stává se jednou z nejlepších platforem pro jakýkoli projekt. V tomhle tutoriál anakondy, probereme, jak můžeme použít anakondu pro programování v pythonu. Níže jsou diskutována témata v tomto blogu:
- Úvod do Anacondy
- Instalace a nastavení
- Jak nainstalovat knihovny Pythonu v Anacondě?
- Anaconda Navigator
- Případ použití
Úvod do Anacondy
Anaconda je distribuce open-source pro python a R. Používá se pro datová věda , , hluboké učení atd. S dostupností více než 300 knihoven pro datovou vědu se stává pro každého programátora docela optimální pracovat na anakondě pro datovou vědu.
Anaconda pomáhá při zjednodušené správě a nasazení balíků. Anaconda přichází s širokou škálou nástrojů pro snadný sběr dat z různých zdrojů pomocí různých algoritmů strojového učení a AI. Pomáhá při získávání snadno spravovatelného nastavení prostředí, které může nasadit jakýkoli projekt kliknutím jediného tlačítka.
Nyní, když víme, co je to anakonda, zkusme pochopit, jak můžeme nainstalovat anakondu a nastavit prostředí pro práci na našich systémech.
Instalace a nastavení
Chcete-li nainstalovat anakondu, přejděte na https://www.anaconda.com/distribution/ .
Vyberte si verzi, která vám vyhovuje, a klikněte na stažení. Po dokončení stahování otevřete nastavení.
Postupujte podle pokynů v nastavení. Nezapomeňte kliknout na přidání anakondy do mé proměnné prostředí cesty. Po dokončení instalace se zobrazí okno, jak je znázorněno na obrázku níže.
Po dokončení instalace otevřete výzvu a zadejte anaconda .
k čemu se datová věda používá
Uvidíte okno, jak je znázorněno na obrázku níže.
Nyní, když víme, jak používat anakondu pro python, pojďme se podívat na to, jak můžeme nainstalovat různé knihovny v anakondě pro jakýkoli projekt.
Jak nainstalovat knihovny Pythonu v Anacondě?
Otevřete výzvu Anaconda a zkontrolujte, zda je knihovna již nainstalována nebo ne.
Protože není k dispozici žádný modul s názvem numpy, spustíme následující příkaz k instalaci numpy.
Po dokončení instalace se zobrazí okno zobrazené na obrázku.
Jakmile nainstalujete knihovnu, zkuste pro jistotu modul znovu importovat.
Jak vidíte, na začátku není chyba, takže takto můžeme nainstalovat různé knihovny v anakondě.
Anaconda Navigator
Anaconda Navigator je grafické uživatelské rozhraní pro stolní počítače, které je dodáváno s distribucí anakondy. Umožňuje nám spouštět aplikace a spravovat balíčky Conda, prostředí a bez použití příkazů z příkazového řádku.
Pouzdro Use - Python Fundamentals
Proměnné a datové typy
Proměnné a datové typy jsou stavební kameny libovolného programovacího jazyka. Python má 6 datových typů v závislosti na vlastnostech, které vlastní. List, dictionary, set, tuple, are the collection data types in the python programming language.
Následuje příklad, který ukazuje, jak se proměnné a datové typy používají v pythonu.
#variable declaration name = 'Edureka' f = 1991 print ('python was established in', f) #data types 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} tisk ('seznam je', a) tisk ('slovník je' , b) tisk („n-tice je“, c) tisk („sada je“, d)Operátoři
Operátoři v Pythonu se používají pro operace mezi hodnotami nebo proměnnými. V pythonu existuje 7 typů operátorů.
- Operátor přiřazení
- Aritmetický operátor
- Logický operátor
- Operátor srovnání
- Bitový operátor
- Provozovatel členství
- Provozovatel identity
Následuje příklad s použitím několika operátorů v pythonu.
a = 10 b = 15 #aritmetický operátor tisk (a + b) tisk (a - b) tisk (a * b) # operátor přiřazení a + = 10 tisk (a) # srovnávací operátor #a! = 10 #b == a #logický operátor a> b a> 10 #this vrátí true, pokud jsou oba příkazy pravdivé.
Kontrolní prohlášení
Prohlášení jako , break, continue se používají jako kontrolní příkaz k získání kontroly nad provedením pro dosažení optimálních výsledků. Můžeme použít tyto příkazy v různých smyčkách v pythonu pro řízení výsledku. Následuje příklad, který ukazuje, jak můžeme pracovat s ovládacími a podmíněnými příkazy.
name = 'edureka' for i in name: if i == 'a': break else: print (i)
Funkce
poskytnout efektivní opětovné použití kódu efektivním způsobem, kde můžeme napsat logiku pro prohlášení o problému a spustit několik argumentů, abychom získali optimální řešení. Následuje příklad toho, jak můžeme používat funkce v pythonu.
def func (a): vrátit ** a res = func (10) print (res)
Třídy a objekty
Protože python podporuje objektově orientované programování, můžeme s ním pracovat třídy a předměty také. Následuje příklad toho, jak můžeme pracovat s třídami a objekty v pythonu.
třída Parent: def func (self): print ('this is parent') class Child (Parent): def func1 (self): print ('this is child') ob = new Child () ob.func ()Toto je několik základních konceptů v pythonu, se kterými je třeba začít. Nyní mluvíme o podpoře větších balíčků v anakondě, můžeme pracovat s mnoha knihovnami. Pojďme se podívat na to, jak můžeme pro analýzu dat použít python anaconda.
Použít případ - Analytics
program propojeného seznamu v c
Jedná se o určité kroky . Pojďme se podívat na to, jak funguje analýza dat v anakondě a různých knihovnách, které můžeme použít.
Sbírat data
The shromažďování údajů je stejně jednoduché jako načtení souboru CSV do programu. Poté můžeme použít relevantní data k analýze konkrétních instancí nebo záznamů v datech. Následuje kód pro načtení dat CSV do programu.
import pand jako pd import numpy jako np import matplotlib.pyplot jako plt import seaborn jako sns df = pd.read_csv ('název souboru.csv') print (df.head (5))Krájení a krájení na kostičky
Poté, co načteme datovou sadu v programu, musíme data filtrovat několika změnami, jako je vyloučení nulových hodnot a zbytečných polí, která mohou v analýze způsobit nejednoznačnost.
Následuje příklad toho, jak můžeme filtrovat data podle požadavků.
print (df.isnull (). sum ()) # toto dá součet všech hodnot null v datové sadě. df1 = df.dropna (osa = 0, how = 'libovolná') # toto zruší řádky s nulovými hodnotami.
Můžeme také zrušit nulové hodnoty.
BoxPlot
sns.boxplot (x = df ['Rozsah platů od']) sns.boxplot (x = df ['Rozsah platů do'])
Bodový diagram
import matplotlib.pyplot jako plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['Rozsah platu od'], df ['Rozsah platu do']) ax.set_xlabel ('Plat Rozsah od ') ax.set_ylabel (' Rozsah platu DO ') plt.show ()
Vizualizace
Jakmile jsme změnili data podle požadavků, je nutné tato data analyzovat. Jedním z takových způsobů je vizualizace výsledků. Lepší pomáhá při optimální analýze datových projekcí.
Následuje příklad vizualizace dat.
sns.countplot (x = 'Full-Time / Part-Time indikátor', data = df) sns.countplot (x = 'Full-Time / Part-Time indikátor', odstín = 'Frekvence platů', data = df) sns .countplot (hue = 'Indikátor na plný / částečný úvazek', x = 'Typ zveřejnění', data = df) df ['Rozsah platu od']. plot.hist () df ['Rozsah platu do']. plot.hist ()
import matplotlib.pyplot jako plt fig = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt. název ('Korelace', velikost písma = 5) plt.show ()Analýza
Po vizualizaci můžeme provést naši analýzu při pohledu na různé grafy a grafy. Předpokládejme, že pracujeme na datech úloh, při pohledu na vizuální reprezentaci konkrétní úlohy v oblasti můžeme zjistit počet úloh v konkrétní doméně.
Z výše uvedené analýzy můžeme předpokládat následující výsledky
- Počet úloh na částečný úvazek v datové sadě je ve srovnání s úlohami na plný úvazek velmi malý.
- zatímco práce na částečný úvazek činí méně než 500, pracovních míst na plný úvazek je více než 2 500.
- Na základě této analýzy můžeme postavit predikční model.
V tomto výukovém programu Python Anaconda jsme pochopili, jak můžeme nastavit Anaconda pro Python s případy použití, které pokrývaly základy Pythonu, analýzu dat a strojové učení. S více než 300 balíčky pro datovou vědu poskytuje Anaconda optimální podporu s efektivními výsledky. Abyste si osvojili své dovednosti v pythonu, zaregistrujte se v Edurece a nastartujte učení.
Máte nějaké otázky? zmíňte je v komentářích tohoto článku k ‘tutoriálu python anakondy‘ a my se vám ozveme co nejdříve.