Anaconda je platforma za znanost o podacima za sutrašnje znanstvenike, IT profesionalce i poslovne lidere. To je raspodjela Piton , R , itd. S više od 300 paketa za , postaje jedna od najboljih platformi za bilo koji projekt. U ovome udžbenik anaconde, razgovarat ćemo o tome kako možemo koristiti anacondu za programiranje na python-u. Slijede teme o kojima se raspravlja na ovom blogu:
- Uvod u Anacondu
- Instalacija i postavljanje
- Kako instalirati Python knjižnice u Anacondu?
- Anaconda Navigator
- Slučaj upotrebe
Uvod u Anacondu
Anaconda je distribucija otvorenog koda za python i R. Koristi se za znanost o podacima , , duboko učenje itd. S dostupnošću više od 300 knjižnica za znanost o podacima, postaje prilično optimalno za bilo kojeg programera raditi na anakondi za znanost o podacima.
Anaconda pomaže u pojednostavljenom upravljanju i implementaciji paketa. Anaconda dolazi s širokim rasponom alata za jednostavno prikupljanje podataka iz različitih izvora pomoću različitih algoritama strojnog učenja i AI. Pomaže u postavljanju okruženja kojim se lako može upravljati, a koji može razviti bilo koji projekt klikom na jedan gumb.
Sad kad znamo što je anaconda, pokušajmo razumjeti kako možemo instalirati anacondu i postaviti okruženje za rad na našim sustavima.
Instalacija i postavljanje
Da biste instalirali anacondu, idite na https://www.anaconda.com/distribution/ .
Odaberite verziju prikladnu za vas i kliknite na preuzimanje. Nakon što dovršite preuzimanje, otvorite postavku.
Slijedite upute u postavljanju. Ne zaboravite kliknuti na dodaj anaconda u moju varijablu okruženja puta. Nakon završetka instalacije dobit ćete prozor kao što je prikazano na donjoj slici.
Nakon završetka instalacije otvorite upit anaconda i upišite .
Vidjet ćete prozor kao što je prikazano na donjoj slici.
Sad kad znamo koristiti anacondu za python, pogledajte kako možemo instalirati razne knjižnice u anacondu za bilo koji projekt.
Kako instalirati Python knjižnice u Anacondu?
Otvorite upit anaconda i provjerite je li knjižnica već instalirana ili nije.
Budući da ne postoji modul s imenom numpy, pokrenut ćemo sljedeću naredbu za instalaciju numpy-a.
Prozor prikazan na slici dobit ćete kada dovršite instalaciju.
Nakon što instalirate knjižnicu, samo pokušajte ponovo uvesti modul radi osiguranja.
Kao što vidite, nema pogreške koju smo dobili na početku, pa tako možemo instalirati razne knjižnice u anacondu.
Anaconda Navigator
Anaconda Navigator je stolni GUI koji dolazi s distribucijom anaconde. Omogućuje nam pokretanje aplikacija i upravljanje conda paketima, okruženjem i bez korištenja naredbi naredbenog retka.
Slučaj upotrebe - Osnove Pythona
Varijable i vrste podataka
Varijable i tipovi podataka su gradivni blokovi bilo kojeg programskog jezika. Python ima 6 vrsta podataka, ovisno o svojstvima koja posjeduju. Popis, rječnik, skup, nabor su tipovi podataka o kolekciji u programskom jeziku python.
Slijedi primjer koji pokazuje kako se varijable i tipovi podataka koriste u pythonu.
#variable name name = 'Edureka' f = 1991 print ('python je osnovan u', f) #data type 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 ('popis je', a) print ('rječnik je' , b) print ('tuple je', c) print ('set je', d)Operateri
Operateri u Pythonu koriste se za operacije između vrijednosti ili varijabli. U pythonu postoji 7 vrsta operatora.
- Operator dodjele
- Aritmetički operator
- Logički operator
- Operator usporedbe
- Bit-mudri operater
- Operator za članstvo
- Operator identiteta
Slijedi primjer upotrebe nekoliko operatora u pythonu.
a = 10 b = 15 # aritmetički operator print (a + b) print (a - b) print (a * b) # operator dodjeljivanja a + = 10 print (a) # operator usporedbe #a! = 10 #b == a #logical operator a> b i a> 10 # ovo će vratiti true ako su obje izjave istinite.
Izjave o kontroli
Izjave poput , break, continue koriste se kao kontrolni izraz za stjecanje kontrole nad izvršavanjem za optimalne rezultate. Te izjave možemo koristiti u različitim petljama u pythonu za kontrolu ishoda. Slijedi primjer koji pokazuje kako možemo raditi s kontrolnim i uvjetnim iskazima.
name = 'edureka' za i u imenu: ako je i == 'a': break else: print (i)
Funkcije
pružiti ponovnu upotrebu koda na učinkovit način, gdje možemo napisati logiku za iskaz problema i pokrenuti nekoliko argumenata kako bismo dobili optimalna rješenja. Slijedi primjer kako možemo koristiti funkcije u pythonu.
def func (a): vrati a ** a res = func (10) print (res)
Razredi i predmeti
Budući da python podržava objektno orijentirano programiranje, možemo raditi s njim klase i predmeti također. Slijedi primjer kako možemo raditi s klasama i objektima u pythonu.
class Roditelj: def func (self): print ('ovo je roditelj') class Child (Roditelj): def func1 (self): print ('this is child') ob = new Child () ob.func ()Za početak je nekoliko osnovnih pojmova u pythonu. Sada, govoreći o većoj podršci paketa u anacondi, možemo raditi s puno knjižnica. Pogledajmo kako možemo koristiti python anaconda za analitiku podataka.
Slučaj upotrebe - Analytics
To su određeni koraci uključeni u . Pogledajmo kako funkcionira analiza podataka u anakondi i raznim knjižnicama koje možemo koristiti.
Prikupljanje podataka
The prikupljanje podataka je jednostavno poput učitavanja CSV datoteke u program. Tada možemo koristiti relevantne podatke za analizu određenih slučajeva ili unosa u podatke. Slijedi kôd za učitavanje CSV podataka u program.
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns df = pd.read_csv ('filename.csv') print (df.head (5))Rezanje i kockanje
Nakon učitavanja skupa podataka u program, moramo filtrirati podatke s nekoliko promjena poput uklanjanja null vrijednosti i nepotrebnih polja koja mogu uzrokovati dvosmislenost u analizi.
Slijedi primjer kako možemo filtrirati podatke prema zahtjevima.
print (df.isnull (). sum ()) # ovo će dati zbroj svih null vrijednosti u skupu podataka. df1 = df.dropna (os = 0, kako = 'bilo koji') # ovo će ispustiti retke s null vrijednostima.
Možemo ispustiti i null vrijednosti.
Kutija zemljište
sns.boxplot (x = df ['Raspon plaće od']) sns.boxplot (x = df ['Raspon plaće do'])
ScatterPlot
import matplotlib.pyplot as plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['Raspon plaće od'], df ['Raspon plaće do']) ax.set_xlabel ('Plaća Raspon od ') ax.set_ylabel (' Raspon plata TO ') plt.show ()
Vizualizacija
Nakon što smo promijenili podatke prema zahtjevima, potrebno je analizirati te podatke. Jedan od takvih načina je vizualizacija rezultata. Bolje pomaže u optimalnoj analizi projekcija podataka.
što je podniz u javi
Slijedi primjer za vizualizaciju podataka.
sns.countplot (x = 'Pokazatelj s punim radnim vremenom / nepunim radnim vremenom', data = df) sns.countplot (x = 'Pokazatelj s punim radnim vremenom / nepunim radnim vremenom', hue = 'Učestalost plaće', data = df) sns .countplot (hue = 'Pokazatelj s punim radnim vremenom / nepunim radnim vremenom', x = 'Vrsta knjiženja', podaci = df) df ['Raspon plaće od']. plot.hist () df ['Raspon plaće do']. plot.hist ()
uvoz matplotlib.pyplot kao plt fig = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '. 2f') plt. title ('Korelacija', fontsize = 5) plt.show ()Analiza
Nakon vizualizacije možemo napraviti analizu promatrajući različite grafikone i grafikone. Pretpostavimo da radimo na podacima o radnim mjestima, promatrajući vizualni prikaz određenog posla u regiji možemo razabrati broj poslova u određenoj domeni.
Iz gornje analize možemo pretpostaviti sljedeće rezultate
- Broj poslova s nepunim radnim vremenom u skupu podataka vrlo je manji u odnosu na poslove s punim radnim vremenom.
- dok poslovi s nepunim radnim vremenom iznose manje od 500, s punim radnim vremenom više od 2500.
- Na temelju ove analize možemo izgraditi a model predviđanja.
U ovom tutorialu za python anaconda shvatili smo kako možemo postaviti anacondu za python sa slučajevima korištenja koji su pokrivali osnove pythona, analizu podataka i strojno učenje. S više od 300 paketa za znanost o podacima, anaconda pruža optimalnu podršku s učinkovitim rezultatima. Da biste savladali svoje vještine u pythonu, upišite se u Edureka i započnite svoje učenje.
Imate li pitanja? spomenite ih u komentarima ovog članka o ‘tutorialu za python anaconda’, a mi ćemo vam se javiti što je prije moguće.