Tutorial sa Python Anaconda: Lahat ng Kailangan Mong Malaman



Ang artikulong ito sa python anaconda tutorial ay makakatulong sa iyo na maunawaan kung paano mo magagamit ang sawa sa anaconda na may mga batayan ng sawa, analytics, ML / AI atbp.

Ang Anaconda ay ang platform ng agham ng data para sa mga siyentipiko ng data, mga propesyonal sa IT at mga pinuno ng negosyo bukas. Ito ay isang pamamahagi ng Sawa , R , atbp Na may higit sa 300 mga pakete para sa , ito ay naging isa sa mga pinakamahusay na platform para sa anumang proyekto. Dito sa anaconda tutorial, tatalakayin namin kung paano namin magagamit ang anaconda para sa python program. Ang sumusunod ay mga paksang tinalakay sa blog na ito:

Panimula Sa Anaconda

Ang Anaconda ay isang pamamahaging bukas-mapagkukunan para sa sawa at R. Ginagamit ito para sa data science , , malalim na pag-aaral , atbp. Gamit ang pagkakaroon ng higit sa 300 mga aklatan para sa data science, naging perpekto para sa anumang programmer na magtrabaho sa anaconda para sa data science.





logo-python anaconda tutorial-edureka

Ang Anaconda ay tumutulong sa pinasimple na pamamahala ng pakete at pag-deploy. Ang Anaconda ay may kasamang iba't ibang mga tool upang madaling mangolekta ng data mula sa iba't ibang mga mapagkukunan gamit ang iba't ibang mga machine learning at AI algorithm. Nakakatulong ito sa pagkuha ng isang madaling mapamamahalaang pag-setup ng kapaligiran na maaaring mag-deploy ng anumang proyekto sa pamamagitan ng pag-click ng isang solong pindutan.



Ngayong alam na natin kung ano ang anaconda, subukan nating unawain kung paano natin mai-install ang anaconda at mag-set up ng isang kapaligiran upang gumana sa aming mga system.

Pag-install At Pag-setup

Upang mai-install ang anaconda pumunta sa https://www.anaconda.com/distribution/ .



Pumili ng isang bersyon na angkop para sa iyo at mag-click sa pag-download. Kapag nakumpleto mo na ang pag-download, buksan ang pag-setup.

Sundin ang mga tagubilin sa pag-set up. Huwag kalimutang mag-click sa magdagdag ng anaconda sa aking variable na kapaligiran sa path. Matapos makumpleto ang pag-install, makakakuha ka ng isang window tulad ng ipinakita sa imahe sa ibaba.

Matapos matapos ang pag-install, buksan ang prompt at uri ng anaconda .

Makakakita ka ng isang window tulad ng ipinapakita sa imahe sa ibaba.

Ngayon na alam namin kung paano gamitin ang anaconda para sa sawa ay tingnan kung paano tayo makakapag-install ng iba't ibang mga aklatan sa anaconda para sa anumang proyekto.

Paano Mag-install ng Mga Python Library sa Anaconda?

Buksan ang prompt ng anaconda at suriin kung naka-install na ang library o hindi.

pangunahing istraktura ng programang java

Dahil walang module na pinangalanang numpy na kasalukuyan, tatakbo namin ang sumusunod na utos upang mai-install ang numpy.

Makikita mo ang window na ipinakita sa imahe sa sandaling nakumpleto mo ang pag-install.

Kapag na-install mo na ang isang library, subukang i-import muli ang module para sa katiyakan.

matuto nang libre sa online

Tulad ng nakikita mo, walang error na nakuha namin sa simula, kaya ito kung paano namin mai-install ang iba't ibang mga aklatan sa anaconda.

Anaconda Navigator

Ang Anaconda Navigator ay isang desktop GUI na kasama ng pamamahagi ng anaconda. Pinapayagan kaming maglunsad ng mga application at pamahalaan ang mga pakete ng conda, kapaligiran at nang hindi gumagamit ng mga command-line command.

Gumamit ng Kaso - Python Fundamentals

Mga Variable At Mga Uri ng Data

Mga variable at uri ng data ay ang mga bloke ng anumang wika ng programa. Ang Python ay may 6 na uri ng data depende sa mga pag-aari na taglay nila. Ang listahan, diksyunaryo, set, tuple, ay ang mga uri ng koleksyon ng data sa wika ng programa ng sawa.

Ang sumusunod ay isang halimbawa upang maipakita kung paano ginagamit ang mga variable at uri ng data sa sawa.

#variable deklarasyon pangalan = 'Edureka' f = 1991 print ('python ay itinatag sa', f) #data uri 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 ('the list is', a) print ('the dictionary is' , b) i-print ('ang tuple ay', c) i-print ('ang set ay', d)

Mga Operator

Ang mga operator sa Python ay ginagamit para sa pagpapatakbo sa pagitan ng mga halaga o variable. Mayroong 7 uri ng mga operator sa sawa.

  • Operator ng Asignatura
  • Operator ng Arithmetic
  • Lohikal na Operator
  • Operator ng Paghahambing
  • Bit-wisdom Operator
  • Membership Operator
  • Identity Operator

Ang sumusunod ay isang halimbawa sa paggamit ng ilang mga operator sa sawa.

a = 10 b = 15 #arithmetic operator print (a + b) print (a - b) print (a * b) # assignment operator a + = 10 print (a) #comparison operator #a! = 10 #b == isang #logical operator a> b at isang> 10 # na ito ay magbabalik totoo kung kapwa ang mga pahayag ay totoo.

Mga Pahayag ng Pagkontrol

Mga pahayag na tulad , masira, magpatuloy ay ginagamit bilang isang pahayag ng kontrol upang makakuha ng kontrol sa pagpapatupad para sa pinakamainam na mga resulta. Maaari naming gamitin ang mga pahayag na ito sa iba't ibang mga loop sa sawa para sa pagkontrol sa kinalabasan. Ang sumusunod ay isang halimbawa upang maipakita kung paano tayo maaaring gumana nang may kontrol at mga kondisyong pahayag.

pangalan = 'edureka' para sa ako sa pangalan: kung ako == 'a': masira pa: i-print (i)

Mga pagpapaandar

magbigay ng muling kakayahang magamit ang code sa isang mahusay na paraan, kung saan maaari naming isulat ang lohika para sa isang pahayag ng problema at magpatakbo ng ilang mga argumento upang makuha ang pinakamainam na mga solusyon. Ang sumusunod ay isang halimbawa kung paano namin magagamit ang mga pagpapaandar sa sawa.

def func (a): ibalik ang ** a res = func (10) print (res)

Mga Klase At Mga Bagay

Dahil sinusuportahan ng python ang programa na nakatuon sa object, maaari kaming gumana mga klase at bagay din. Ang sumusunod ay isang halimbawa ng kung paano kami maaaring gumana sa mga klase at bagay sa sawa.

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

Ito ang ilang mga pangunahing konsepto sa python upang magsimula. Pinag-uusapan ngayon ang tungkol sa mas malaking suporta sa package sa anaconda, maaari kaming gumana sa maraming mga aklatan. Tingnan natin kung paano natin magagamit ang python anaconda para sa data analytics.

Gumamit ng Kaso - Analytics

Ito ang ilang mga hakbang na kasangkot dito . Tingnan natin kung paano gumagana ang pagsusuri ng data sa anaconda at iba't ibang mga silid aklatan na maaari nating magamit.

Nangongolekta ng datos

Ang koleksyon ng data kasing simple ng paglo-load ng isang CSV file sa programa. Pagkatapos ay maaari nating magamit ang nauugnay na data upang pag-aralan ang mga partikular na pagkakataon o entry sa data. Ang sumusunod ay ang code upang mai-load ang data ng CSV sa programa.

import pandas bilang pd import numpy bilang np import matplotlib.pyplot bilang plt import seaborn bilang sns df = pd.read_csv ('filename.csv') print (df.head (5))

Paghiwa At Pagpangit

Matapos naming mai-load ang hanay ng data sa programa, dapat nating salain ang data sa ilang mga pagbabago tulad ng pag-aalis ng mga null na halaga at hindi kinakailangang mga patlang na maaaring maging sanhi ng kalabuan sa pagtatasa.

Ang sumusunod ay isang halimbawa ng kung paano namin mai-filter ang data ayon sa mga kinakailangan.

print (df.isnull (). sum ()) # bibigyan nito ang kabuuan ng lahat ng mga null na halaga sa dataset. df1 = df.dropna (axis = 0, how = 'any') #ito ay ihuhulog ang mga hilera na may mga null na halaga.

Maaari naming i-drop din ang mga null na halaga.

BoxPlot

sns.boxplot (x = df ['Saklaw ng suweldo Mula']) sns.boxplot (x = df ['Saklaw ng Bayad Sa'])

ScatterPlot

i-import ang matplotlib.pyplot bilang plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['Salary Range From'], df ['Salary Range To']) ax.set_xlabel ('Salary Saklaw Mula sa ') ax.set_ylabel (' Saklaw ng Bayad TO ') plt.show ()

Pagpapakita

Sa sandaling nabago namin ang data ayon sa mga kinakailangan, kinakailangan upang pag-aralan ang data na ito. Ang isang ganoong paraan ng paggawa nito ay sa pamamagitan ng pagpapakita ng mga resulta. Mas mabuti tumutulong sa isang pinakamainam na pagtatasa ng mga pagpapakitang data.

Ang sumusunod ay isang halimbawa upang mailarawan ang data.

sns.countplot (x = 'Full-Time / Part-Time tagapagpahiwatig', data = df) sns.countplot (x = 'Full-Time / Part-Time tagapagpahiwatig', hue = 'Frequency ng Salary', data = df) sns .countplot (hue = 'Indikator ng Buong Oras / Bahagi-Oras', x = 'Uri ng Pag-post', data = df) df ['Saklaw ng Bayad Mula sa']. plot.hist () df ['Saklaw ng Bayad Sa']. balangkas.hist ()

i-import ang matplotlib.pyplot bilang plt fig = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt. pamagat ('Pag-uugnay', fontsize = 5) plt.show ()

Pagsusuri

Pagkatapos ng visualization, maaari naming gawin ang aming pagsusuri na tumitingin sa iba't ibang mga plot at grap. Ipagpalagay na nagtatrabaho kami sa data ng trabaho, sa pamamagitan ng pagtingin sa visual na representasyon ng isang partikular na trabaho sa isang rehiyon maaari naming malaman ang bilang ng mga trabaho sa isang partikular na domain.

Mula sa pagtatasa sa itaas, maaari nating ipalagay ang mga sumusunod na resulta

ano ang pamamahala ng pagkuha ng proyekto
  • Ang bilang ng mga part-time na trabaho sa hanay ng data ay mas mababa kumpara sa mga full-time na trabaho.
  • habang ang mga part-time na trabaho ay nakatayo sa mas mababa sa 500, ang mga full-time na trabaho ay higit sa 2500.
  • Batay sa pagtatasa na ito, Maaari tayong makabuo ng isang modelo ng hula.

Sa tutorial na python anaconda na ito, naintindihan namin kung paano namin mai-set up ang anaconda para sa sawa na may mga kaso ng paggamit na sumaklaw sa mga pangunahing panimula ng python, pagtatasa ng data, at pag-aaral ng makina. Na may higit sa 300 mga pakete para sa agham ng data, ang anaconda ay nagbibigay ng pinakamainam na suporta na may mahusay na mga resulta. Upang makabisado ang iyong mga kasanayan sa pag-enrol sa sawa sa Edureka at simulan ang iyong pag-aaral.

May mga katanungan? banggitin ang mga ito sa mga komento ng artikulong ito sa 'python anaconda tutorial', at babalikan ka namin sa lalong madaling panahon.