Python Anaconda apmācība: viss, kas jums jāzina

Šis raksts par pitona anakondas apmācību palīdzēs jums saprast, kā jūs varat izmantot pitonu anakondā, izmantojot pitona pamatus, analīzi, ML / AI utt.

Anaconda ir datu zinātnes platforma datu zinātniekiem, IT profesionāļiem un rītdienas biznesa līderiem. Tas ir sadalījums Python , R uc Ar vairāk nekā 300 iepakojumiem , tā kļūst par vienu no labākajām platformām jebkuram projektam. Šajā anakonda apmācība, mēs apspriedīsim, kā mēs varam izmantot anakondu pitona programmēšanai. Šajā emuārā ir apskatītas šādas tēmas:

Ievads Anaconda

Anaconda ir atvērta pirmkoda izplatīšana pitonam un R. To izmanto datu zinātne , , dziļa mācīšanās utt. Tā kā datu zinātnei ir pieejamas vairāk nekā 300 bibliotēkas, jebkuram programmētājam kļūst diezgan optimāli strādāt ar datu zinātnes anakondu.





logo-pitons anakonda apmācība-edureka

Anaconda palīdz vienkāršot paku pārvaldību un izvietošanu. Anaconda komplektācijā ietilpst plašs rīku klāsts, lai viegli apkopotu datus no dažādiem avotiem, izmantojot dažādus mašīnmācīšanās un AI algoritmus. Tas palīdz iegūt viegli pārvaldāmu vides iestatīšanu, kas var izvietot jebkuru projektu, noklikšķinot uz vienas pogas.



Tagad, kad mēs zinām, kas ir anakonda, mēģināsim saprast, kā mēs varam instalēt anakondu un izveidot vidi darbam mūsu sistēmās.

Uzstādīšana un iestatīšana

Lai instalētu anakondu, dodieties uz https://www.anaconda.com/distribution/ .



Izvēlieties sev piemērotu versiju un noklikšķiniet uz lejupielādes. Kad esat pabeidzis lejupielādi, atveriet iestatīšanu.

Izpildiet iestatīšanas instrukcijas. Neaizmirstiet noklikšķināt uz Pievienot anakondu manam ceļa vides mainīgajam. Pēc instalēšanas pabeigšanas jūs saņemsit logu, kā parādīts zemāk esošajā attēlā.

Pēc instalēšanas pabeigšanas atveriet anaconda uzvedni un ierakstiet .

kā iestatīt klases ceļu Linux

Jūs redzēsiet logu, kas parādīts zemāk esošajā attēlā.

Tagad, kad mēs zinām, kā anakondu izmantot pitonam, ļaujiet apskatīt, kā mēs varam instalēt dažādas bibliotēkas anakondā jebkuram projektam.

Kā instalēt Python bibliotēkas Anaconda?

Atveriet uzvedni anaconda un pārbaudiet, vai bibliotēka jau ir instalēta.

Tā kā nav neviena moduļa ar nosaukumu numpy, palaidīsim šādu komandu, lai instalētu numpy.

Kad instalēšana būs pabeigta, jūs saņemsit attēlā redzamo logu.

Kad esat instalējis bibliotēku, mēģiniet vēlreiz importēt moduli, lai pārliecinātos.

Kā redzat, sākumā nav kļūdu, tāpēc mēs varam instalēt dažādas bibliotēkas anakondā.

Anaconda Navigator

Anaconda Navigator ir darbvirsmas GUI, kas nāk ar anaconda izplatīšanu. Tas ļauj mums palaist lietojumprogrammas un pārvaldīt konda paketes, vidi un neizmantojot komandrindas komandas.

Izmantošanas gadījums - Python pamati

Mainīgie un datu tipi

Mainīgie un datu veidi ir jebkuras programmēšanas valodas pamatelementi. Python ir 6 datu tipi atkarībā no to īpašībām. Saraksts, vārdnīca, kopa, kopa ir kolekcijas datu tipi pitona programmēšanas valodā.

kā beigt programmu Java

Šis ir piemērs, lai parādītu, kā mainīgie un datu tipi tiek izmantoti pitonā.

# mainīgā deklarācijas nosaukums = 'Edureka' f = 1991 druka ('python tika dibināts', f) # datu tipi 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 ('saraksts ir', a) print ('vārdnīca ir' , b) drukāt ('tuple is', c) drukāt ('komplekts ir', d)

Operatori

Operatori Python tiek izmantotas darbībām starp vērtībām vai mainīgajiem. Python ir 7 veidu operatori.

  • Uzdevumu operators
  • Aritmētiskais operators
  • Loģiskais operators
  • Salīdzināšanas operators
  • Bit-gudrs operators
  • Dalības operators
  • Identitātes operators

Šis ir piemērs, izmantojot dažus operatorus pitonā.

a = 10 b = 15 # aritmētiskais operators drukāt (a + b) drukāt (a - b) drukāt (a * b) # uzdevuma operators a + = 10 drukāt (a) # salīdzināšanas operators # a! = 10 #b == a # loģiskais operators a> b un a> 10 # tas atgriezīsies patiess, ja abi apgalvojumi ir patiesi.

Kontroles paziņojumi

Paziņojumi patīk , break, turpināt tiek izmantoti kā kontroles paziņojums, lai iegūtu optimālu rezultātu izpildes kontroli. Mēs varam izmantot šos apgalvojumus dažādās pitona cilpās, lai kontrolētu rezultātu. Šis ir piemērs, lai parādītu, kā mēs varam strādāt ar kontroles un nosacījuma paziņojumiem.

name = 'edureka' i nosaukumā: if i == 'a': break else: print (i)

Funkcijas

nodrošināt koda atkārtotu izmantošanu efektīvā veidā, kur mēs varam uzrakstīt problēmas paziņojuma loģiku un palaist dažus argumentus, lai iegūtu optimālus risinājumus. Šis ir piemērs tam, kā mēs varam izmantot funkcijas pitonā.

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

Klases un objekti

Tā kā pitons atbalsta objektorientētu programmēšanu, mēs varam strādāt ar klases un objekti arī. Šis ir piemērs tam, kā mēs varam strādāt ar klasēm un objektiem pitonā.

klase Parent: def func (self): print ('is is parent') klase Child (Parent): def func1 (self): print ('this is child') ob = new Child () ob.func ()

Sākumā šie ir daži pamatjēdzieni pitonā. Tagad runājot par lielāku paketes atbalstu anakondā, mēs varam strādāt ar daudzām bibliotēkām. Apskatīsim, kā mēs varam izmantot pitona anakondu datu analīzei.

Izmantot gadījumu - Analytics

Šie ir noteikti soļi, kas saistīti ar . Apskatīsim, kā datu analīze darbojas anakondā un dažādās bibliotēkās, kuras mēs varam izmantot.

Datu vākšana

The datu vākšana ir tikpat vienkārša kā CSV faila ielāde programmā. Tad mēs varam izmantot attiecīgos datus, lai analizētu konkrētus datu gadījumus vai ierakstus. Tālāk ir kods CSV datu ielādēšanai programmā.

importēt pandas kā pd importēt numpy kā np importēt matplotlib.pyplot kā plt importēt jūrasdzimtu kā sns df = pd.read_csv ('filename.csv') drukāt (df.head (5))

Sagriešana un kubiņos sagriešana

Pēc datu kopas ielādes programmā mums ir jāfiltrē dati, veicot dažas izmaiņas, piemēram, novēršot nulles vērtības un nevajadzīgus laukus, kas var izraisīt neskaidrību analīzē.

Šis ir piemērs tam, kā mēs varam filtrēt datus atbilstoši prasībām.

print (df.isnull (). sum ()) #this sniegs visu datu kopas nulles vērtību summu. df1 = df.dropna (ass = 0, kā = 'jebkurš') # tas nometīs rindas ar nulles vērtībām.

Mēs varam nomest arī nulles vērtības.

BoxPlot

sns.boxplot (x = df ['Algu diapazons no']) sns.boxplot (x = df ['Algu diapazons līdz'])

ScatterPlot

kas ir tipogrāfs java
importēt matplotlib.pyplot kā plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['Salary Range From'], df ['Salary Range To']) ax.set_xlabel ('Alga Diapazons No ') ax.set_ylabel (' Algu diapazons TO ') plt.show ()

Vizualizācija

Kad esam mainījuši datus atbilstoši prasībām, šie dati ir jāanalizē. Viens no šādiem veidiem ir rezultātu vizualizēšana. Labāk palīdz optimāli analizēt datu projekcijas.

Šis ir datu vizualizācijas piemērs.

sns.countplot (x = 'Pilna laika / Nepilna laika indikators', dati = df) sns.countplot (x = 'Pilna laika / Nepilna laika indikators', hue = 'Algas biežums', data = df) sns .countplot (hue = 'Pilna laika / Nepilna laika indikators', x = 'Izsūtīšanas veids', dati = df) df ['Algu diapazons no']. plot.hist () df ['Algu diapazons līdz']. plot.hist ()

importēt matplotlib.pyplot kā plt fig = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt. title ('Korelācija', fontsize = 5) plt.show ()

Analīze

Pēc vizualizācijas mēs varam veikt analīzi, aplūkojot dažādus grafikus un grafikus. Pieņemsim, ka mēs strādājam ar darba datiem, apskatot konkrēta darba vizuālo attēlojumu reģionā, mēs varam noteikt darba vietu skaitu konkrētā jomā.

No iepriekš minētās analīzes mēs varam pieņemt šādus rezultātus

  • Nepilna laika darbu skaits datu kopā ir ļoti mazāks, salīdzinot ar pilna laika darbiem.
  • kamēr nepilna laika darbu skaits ir mazāks par 500, pilnas slodzes darbu skaits pārsniedz 2500.
  • Pamatojoties uz šo analīzi, mēs varam izveidot a prognozēšanas modelis.

Šajā pitona anakondas apmācībā mēs esam sapratuši, kā mēs varam iestatīt anakondu pitonam, lietojot gadījumus, kas aptvēra pitona pamatus, datu analīzi un mašīnmācīšanos. Anaconda ar vairāk nekā 300 datu zinātnes paketēm nodrošina optimālu atbalstu ar efektīviem rezultātiem. Lai apgūtu savas prasmes pitonā, reģistrējieties Edureka un sāciet mācīties.

Vai jums ir kādi jautājumi? pieminējiet tos šī raksta komentāros par ‘pitona anakondas apmācību’, un mēs pēc iespējas ātrāk sazināsimies ar jums.