பைதான் அனகோண்டா பயிற்சி: நீங்கள் தெரிந்து கொள்ள வேண்டிய அனைத்தும்

பைதான் அனகோண்டா டுடோரியலில் உள்ள இந்த கட்டுரை, பைதான் அடிப்படைகள், பகுப்பாய்வு, எம்.எல் / ஏஐ போன்றவற்றைக் கொண்டு அனகோண்டாவில் பைத்தானை எவ்வாறு பயன்படுத்தலாம் என்பதைப் புரிந்துகொள்ள உதவும்.

அனகோண்டா என்பது தரவு விஞ்ஞானிகள், தகவல் தொழில்நுட்ப வல்லுநர்கள் மற்றும் நாளைய வணிகத் தலைவர்களுக்கான தரவு அறிவியல் தளமாகும். இது ஒரு விநியோகம் பைதான் , ஆர் , முதலியன 300 க்கும் மேற்பட்ட தொகுப்புகளுடன் , இது எந்தவொரு திட்டத்திற்கும் சிறந்த தளங்களில் ஒன்றாகும். இதில் அனகோண்டா டுடோரியல், பைதான் நிரலாக்கத்திற்கு அனகோண்டாவை எவ்வாறு பயன்படுத்தலாம் என்பதைப் பற்றி விவாதிப்போம். இந்த வலைப்பதிவில் விவாதிக்கப்பட்ட தலைப்புகள் பின்வருமாறு:



அனகோண்டா அறிமுகம்

அனகோண்டா என்பது பைதான் மற்றும் ஆர் க்கான திறந்த மூல விநியோகமாகும். இது பயன்படுத்தப்படுகிறது தரவு அறிவியல் , , ஆழமான கற்றல் , முதலியன தரவு அறிவியலுக்கான 300 க்கும் மேற்பட்ட நூலகங்கள் கிடைப்பதால், எந்தவொரு புரோகிராமரும் தரவு அறிவியலுக்கான அனகோண்டாவில் பணியாற்றுவது மிகவும் உகந்ததாக மாறும்.



லோகோ-பைதான் அனகோண்டா டுடோரியல்-எடுரேகா

அனகோண்டா எளிமைப்படுத்தப்பட்ட தொகுப்பு மேலாண்மை மற்றும் வரிசைப்படுத்தலுக்கு உதவுகிறது. பல்வேறு இயந்திர கற்றல் மற்றும் AI வழிமுறைகளைப் பயன்படுத்தி பல்வேறு மூலங்களிலிருந்து தரவை எளிதில் சேகரிக்க அனகோண்டா பல்வேறு வகையான கருவிகளுடன் வருகிறது. ஒற்றை பொத்தானைக் கிளிக் செய்வதன் மூலம் எந்தவொரு திட்டத்தையும் வரிசைப்படுத்தக்கூடிய எளிதில் நிர்வகிக்கக்கூடிய சூழல் அமைப்பைப் பெற இது உதவுகிறது.



அனகோண்டா என்றால் என்னவென்று இப்போது எங்களுக்குத் தெரியும், அனகோண்டாவை எவ்வாறு நிறுவலாம் மற்றும் எங்கள் கணினிகளில் வேலை செய்வதற்கான சூழலை எவ்வாறு அமைப்பது என்பதைப் புரிந்துகொள்வோம்.

நிறுவல் மற்றும் அமைப்பு

அனகோண்டா நிறுவ செல்ல https://www.anaconda.com/distribution/ .



உங்களுக்கு ஏற்ற பதிப்பைத் தேர்ந்தெடுத்து பதிவிறக்கத்தைக் கிளிக் செய்க. பதிவிறக்கத்தை முடித்ததும், அமைப்பைத் திறக்கவும்.

ரவுண்ட் ராபின் திட்டமிடல் வழிமுறை c

அமைப்பில் உள்ள வழிமுறைகளைப் பின்பற்றவும். எனது பாதை சூழல் மாறிக்கு அனகோண்டாவைச் சேர்க்க கிளிக் செய்ய மறக்காதீர்கள். நிறுவல் முடிந்ததும், கீழேயுள்ள படத்தில் காட்டப்பட்டுள்ளதைப் போன்ற ஒரு சாளரத்தைப் பெறுவீர்கள்.

நிறுவலை முடித்த பிறகு, அனகோண்டா வரியில் திறந்து தட்டச்சு செய்க .

கீழே உள்ள படத்தில் காட்டப்பட்டுள்ளதைப் போன்ற ஒரு சாளரத்தைக் காண்பீர்கள்.

பைத்தானுக்கு அனகோண்டாவை எவ்வாறு பயன்படுத்துவது என்பது இப்போது எங்களுக்குத் தெரியும், எந்தவொரு திட்டத்திற்கும் அனகோண்டாவில் பல்வேறு நூலகங்களை எவ்வாறு நிறுவலாம் என்பதைப் பார்ப்போம்.

அனகோண்டாவில் பைதான் நூலகங்களை நிறுவுவது எப்படி?

அனகோண்டா வரியில் திறந்து நூலகம் ஏற்கனவே நிறுவப்பட்டதா இல்லையா என்பதை சரிபார்க்கவும்.

நம்பி என்ற பெயரில் எந்த தொகுதியும் இல்லை என்பதால், நம்பியை நிறுவ பின்வரும் கட்டளையை இயக்குவோம்.

நிறுவலை முடித்ததும் படத்தில் காட்டப்படும் சாளரம் கிடைக்கும்.

நீங்கள் ஒரு நூலகத்தை நிறுவியதும், உறுதிக்காக மீண்டும் தொகுதியை இறக்குமதி செய்ய முயற்சிக்கவும்.

நீங்கள் பார்க்க முடியும் என, ஆரம்பத்தில் எங்களுக்கு கிடைத்த பிழை எதுவும் இல்லை, எனவே அனகோண்டாவில் பல்வேறு நூலகங்களை நிறுவுவது இதுதான்.

அனகோண்டா நேவிகேட்டர்

அனகோண்டா நேவிகேட்டர் என்பது டெஸ்க்டாப் ஜி.யு.ஐ ஆகும், இது அனகோண்டா விநியோகத்துடன் வருகிறது. பயன்பாடுகளைத் தொடங்கவும், காண்டா தொகுப்புகள், சூழல் மற்றும் கட்டளை-வரி கட்டளைகளைப் பயன்படுத்தாமல் நிர்வகிக்கவும் இது நம்மை அனுமதிக்கிறது.

வழக்கைப் பயன்படுத்தவும் - பைதான் அடிப்படைகள்

மாறிகள் மற்றும் தரவு வகைகள்

மாறிகள் மற்றும் தரவு வகைகள் எந்த நிரலாக்க மொழியின் கட்டுமான தொகுதிகள். பைதான் அவர்கள் வைத்திருக்கும் பண்புகளைப் பொறுத்து 6 தரவு வகைகளைக் கொண்டுள்ளது. பட்டியல், அகராதி, தொகுப்பு, டுப்பிள், பைதான் நிரலாக்க மொழியில் சேகரிப்பு தரவு வகைகள்.

பைத்தானில் மாறிகள் மற்றும் தரவு வகைகள் எவ்வாறு பயன்படுத்தப்படுகின்றன என்பதைக் காண்பிப்பதற்கான எடுத்துக்காட்டு பின்வருமாறு.

# மாறக்கூடிய அறிவிப்பு பெயர் = 'எடுரேகா' எஃப் = 1991 அச்சு ('பைதான் நிறுவப்பட்டது', எஃப்) # தரவு வகைகள் ஒரு = [1,2,3,4,5,6,7] பி = {1: 'எடுரேகா' , 2: 'பைதான்'} c = (1,2,3,4,5) d = {1,2,3,4,5} அச்சு ('பட்டியல்', அ) அச்சு ('அகராதி' , ஆ) அச்சிடு ('டுப்பிள்', இ) அச்சு ('தொகுப்பு', ஈ)

ஆபரேட்டர்கள்

பைத்தானில் ஆபரேட்டர்கள் மதிப்புகள் அல்லது மாறிகளுக்கு இடையிலான செயல்பாடுகளுக்குப் பயன்படுத்தப்படுகின்றன. பைத்தானில் 7 வகையான ஆபரேட்டர்கள் உள்ளன.

  • அசைன்மென்ட் ஆபரேட்டர்
  • எண்கணித ஆபரேட்டர்
  • தருக்க ஆபரேட்டர்
  • ஒப்பீட்டு ஆபரேட்டர்
  • பிட் வாரியான ஆபரேட்டர்
  • உறுப்பினர் ஆபரேட்டர்
  • அடையாள ஆபரேட்டர்

பைத்தானில் ஒரு சில ஆபரேட்டர்களைப் பயன்படுத்துவதற்கான ஒரு எடுத்துக்காட்டு பின்வருமாறு.

a = 10 b = 15 # அரித்மடிக் ஆபரேட்டர் அச்சு (a + b) அச்சு (a - b) அச்சு (a * b) # ஒதுக்கீட்டு ஆபரேட்டர் a + = 10 அச்சு (அ) # ஒப்பீட்டு ஆபரேட்டர் #a! = 10 #b == ஒரு # லாஜிக்கல் ஆபரேட்டர் a> b மற்றும் a> 10 # இரண்டு அறிக்கைகளும் உண்மையாக இருந்தால் இது உண்மைக்குத் திரும்பும்.

கட்டுப்பாட்டு அறிக்கைகள்

போன்ற அறிக்கைகள் , முறிவு, தொடர்வது உகந்த முடிவுகளுக்கான மரணதண்டனை மீதான கட்டுப்பாட்டைப் பெற ஒரு கட்டுப்பாட்டு அறிக்கையாகப் பயன்படுத்தப்படுகிறது. முடிவைக் கட்டுப்படுத்த பைத்தானில் உள்ள பல்வேறு சுழல்களில் இந்த அறிக்கைகளைப் பயன்படுத்தலாம். கட்டுப்பாடு மற்றும் நிபந்தனை அறிக்கைகளுடன் நாம் எவ்வாறு செயல்பட முடியும் என்பதைக் காண்பிப்பதற்கான ஒரு எடுத்துக்காட்டு பின்வருமாறு.

பெயர் = 'எடுரேகா' நான் பெயரில்: என்றால் நான் == 'அ': வேறு உடைக்க: அச்சிடு (நான்)

செயல்பாடுகள்

குறியீட்டு மறுபயன்பாட்டை ஒரு திறமையான வழியில் வழங்குங்கள், அங்கு ஒரு சிக்கல் அறிக்கைக்கு தர்க்கத்தை எழுதலாம் மற்றும் உகந்த தீர்வுகளைப் பெற சில வாதங்களை இயக்கலாம். பைத்தானில் செயல்பாடுகளை எவ்வாறு பயன்படுத்தலாம் என்பதற்கான எடுத்துக்காட்டு பின்வருமாறு.

def func (a): ஒரு ** a res = func (10) அச்சு (ரெஸ்)

வகுப்புகள் மற்றும் பொருள்கள்

பைதான் பொருள் சார்ந்த நிரலாக்கத்தை ஆதரிப்பதால், நாம் வேலை செய்யலாம் வகுப்புகள் மற்றும் பொருள்கள் அத்துடன். பைத்தானில் உள்ள வகுப்புகள் மற்றும் பொருள்களுடன் நாம் எவ்வாறு செயல்பட முடியும் என்பதற்கு பின்வருவது ஒரு எடுத்துக்காட்டு.

class பெற்றோர்: def func (self): print ('இது பெற்றோர்') வகுப்பு குழந்தை (பெற்றோர்): def func1 (self): print ('இது குழந்தை') ob = புதிய குழந்தை () ob.func ()

இவை தொடங்குவதற்கு மலைப்பாம்பில் சில அடிப்படைக் கருத்துக்கள். இப்போது அனகோண்டாவில் உள்ள பெரிய தொகுப்பு ஆதரவைப் பற்றி பேசுகையில், நாம் நிறைய நூலகங்களுடன் வேலை செய்யலாம். தரவு பகுப்பாய்வுகளுக்கு பைதான் அனகோண்டாவை எவ்வாறு பயன்படுத்தலாம் என்பதைப் பார்ப்போம்.

வழக்கு - பகுப்பாய்வு பயன்படுத்தவும்

இவை சம்பந்தப்பட்ட சில படிகள் . அனகோண்டா மற்றும் நாம் பயன்படுத்தக்கூடிய பல்வேறு நூலகங்களில் தரவு பகுப்பாய்வு எவ்வாறு செயல்படுகிறது என்பதைப் பார்ப்போம்.

தரவு சேகரித்தல்

தி தரவு சேகரிப்பு நிரலில் ஒரு CSV கோப்பை ஏற்றுவது போல எளிது. தரவில் உள்ள குறிப்பிட்ட நிகழ்வுகளை அல்லது உள்ளீடுகளை பகுப்பாய்வு செய்ய தொடர்புடைய தரவைப் பயன்படுத்தலாம். நிரலில் CSV தரவை ஏற்றுவதற்கான குறியீடு பின்வருமாறு.

பாண்டாக்களை பி.டி.

துண்டு துண்டாக வெட்டுதல்

நிரலில் அமைக்கப்பட்ட தரவை நாங்கள் ஏற்றிய பிறகு, பகுப்பாய்வில் தெளிவின்மையை ஏற்படுத்தக்கூடிய பூஜ்ய மதிப்புகள் மற்றும் தேவையற்ற புலங்களை நீக்குவது போன்ற சில மாற்றங்களுடன் தரவை வடிகட்ட வேண்டும்.

தேவைகளுக்கு ஏற்ப தரவை எவ்வாறு வடிகட்டலாம் என்பதற்கான எடுத்துக்காட்டு பின்வருமாறு.

அச்சு (df.isnull (). தொகை ()) # இது தரவுத்தொகுப்பில் உள்ள அனைத்து பூஜ்ய மதிப்புகளின் கூட்டுத்தொகையை வழங்கும். df1 = df.dropna (அச்சு = 0, எப்படி = 'ஏதேனும்') # இது பூஜ்ய மதிப்புகளுடன் வரிசைகளை கைவிடும்.

பூஜ்ய மதிப்புகளையும் நாம் கைவிடலாம்.

பெட்டியில் சதி

sns.boxplot (x = df ['சம்பள வரம்பு']) sns.boxplot (x = df ['சம்பள வரம்பு'])

ScatterPlot

matplotlib.pyplot ஐ plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['சம்பள வரம்பிலிருந்து'], df ['சம்பள வரம்பு']) ax.set_xlabel ('சம்பளம் வரம்பிலிருந்து ') ax.set_ylabel (' சம்பள வரம்பு TO ') plt.show ()

காட்சிப்படுத்தல்

தேவைகளுக்கு ஏற்ப தரவை மாற்றியதும், இந்த தரவை பகுப்பாய்வு செய்வது அவசியம். இதைச் செய்வதற்கான ஒரு வழி முடிவுகளை காட்சிப்படுத்துவதன் மூலம் ஆகும். ஒரு சிறந்தது தரவு கணிப்புகளின் உகந்த பகுப்பாய்விற்கு உதவுகிறது.

தரவைக் காண்பதற்கு பின்வருமாறு ஒரு எடுத்துக்காட்டு.

sns.countplot (x = 'முழுநேர / பகுதிநேர காட்டி', தரவு = df) sns.countplot (x = 'முழுநேர / பகுதி நேர காட்டி', சாயல் = 'சம்பள அதிர்வெண்', தரவு = df) sns .countplot (சாயல் = 'முழுநேர / பகுதிநேர காட்டி', x = 'இடுகையிடல் வகை', தரவு = df) df ['சம்பள வரம்பிலிருந்து']. plot.hist () df ['சம்பள வரம்பு']. plot.hist ()

matplotlib.pyplot ஐ plt fig = plt.figure (figsize = (10,10%) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt ஆக இறக்குமதி செய்க. தலைப்பு ('தொடர்பு', எழுத்துரு = 5) plt.show ()

பகுப்பாய்வு

காட்சிப்படுத்தலுக்குப் பிறகு, பல்வேறு அடுக்குகளையும் வரைபடங்களையும் பார்த்து எங்கள் பகுப்பாய்வை உருவாக்கலாம். ஒரு பிராந்தியத்தில் ஒரு குறிப்பிட்ட வேலையின் காட்சி பிரதிநிதித்துவத்தைப் பார்ப்பதன் மூலம், நாங்கள் ஒரு குறிப்பிட்ட களத்தில் உள்ள வேலைகளின் எண்ணிக்கையை உருவாக்க முடியும்.

மேலே உள்ள பகுப்பாய்விலிருந்து, பின்வரும் முடிவுகளை நாம் எடுத்துக் கொள்ளலாம்

  • முழுநேர வேலைகளுடன் ஒப்பிடும்போது தரவுத் தொகுப்பில் பகுதிநேர வேலைகளின் எண்ணிக்கை மிகக் குறைவு.
  • பகுதிநேர வேலைகள் 500 க்கும் குறைவாக இருக்கும்போது, ​​முழுநேர வேலைகள் 2500 க்கும் அதிகமானவை.
  • இந்த பகுப்பாய்வின் அடிப்படையில், நாம் ஒரு உருவாக்க முடியும் கணிப்பு மாதிரி.

இந்த பைதான் அனகோண்டா டுடோரியலில், பைதான் அடிப்படைகள், தரவு பகுப்பாய்வு மற்றும் இயந்திர கற்றல் ஆகியவற்றை உள்ளடக்கிய பயன்பாட்டு நிகழ்வுகளுடன் பைத்தானுக்கு அனகோண்டாவை எவ்வாறு அமைப்பது என்பதை நாங்கள் புரிந்துகொண்டோம். தரவு அறிவியலுக்கான 300 க்கும் மேற்பட்ட தொகுப்புகளுடன், அனகோண்டா திறமையான முடிவுகளுடன் உகந்த ஆதரவை வழங்குகிறது. எடுரேகாவில் பைதான் பதிவு செய்வதில் உங்கள் திறமைகளை மாஸ்டர் செய்ய உங்கள் கற்றலைத் தொடங்குங்கள்.

ஏதேனும் கேள்விகள் உள்ளதா? ‘பைதான் அனகோண்டா டுடோரியல்’ குறித்த இந்த கட்டுரையின் கருத்துகளில் அவற்றைக் குறிப்பிடவும், விரைவில் நாங்கள் உங்களைத் தொடர்புகொள்வோம்.