Pandas

پایتون

Pandas یک پکیج open source پایتون است که بیشترین استفاده را در تحلیل داده و یادگیری ماشین دارد. این پکیج بر روی پکیج دیگری به نام Numpy ساخته شده است که از آرایه های چند بعدی پشتیبانی می کند. Pandas به‌عنوان یکی از محبوب‌ترین پکیج های کار با داده، با بسیاری از ماژول‌های کار با داده ی دیگر به خوبی کار می‌کند.

نکته جالب در مورد Pandas این است که داده ها را می گیرد (مانند یک فایل CSV یا TSV، یا یک پایگاه داده SQL) و یک شی پایتون با ردیف ها و ستون هایی به نام data frame ایجاد می کند که بسیار شبیه به جدول در یک نرم افزار آماری هستند. کار با این ها در مقایسه با کار با لیست ها و یا دیکشنری ها بسیار آسان تر است.

Pandas  انجام بسیاری از کارهای تکراری و وقت گیر مرتبط با کار با داده ها را ساده می کند، از جمله:

پاک کردن داده

پر کردن داده ها

نرمال سازی داده ها

ادغام داده ها

مصور سازی داده ها

تحلیل آماری

بررسی داده ها

بارگیری و ذخیره داده ها

با استفاده از دستور pip می توانیم کتابخانه Pandas را نصب کنیم. Pip یک مدیریت پکیج استاندارد است که می تواند در اکثر سیستم عامل ها نصب شود. برای نصب Pandas، دستور زیر را در ترمینال اجرا کنید:

pip install pandas  

SciPy

SciPy یک کتابخانه رایگان و open source پایتون است که برای محاسبات علمی و محاسبات فنی استفاده می شود. این پکیج مجموعه ای از الگوریتم های ریاضی و توابع است که بر روی NumPy ساخته شده است. این پکیج با ارائه دستورات و کلاس های سطح بالا برای دستکاری و تجسم داده ها، قدرت قابل توجهی به پایتون می افزاید. همانطور که قبلا ذکر شد، SciPy بر روی NumPy ساخته می شود و بنابراین اگر SciPy را import کنید، نیازی به import کردن NumPy نیست.

کتابخانه SciPy از انتگرال، بهینه سازی گرادیان، توابع ویژه، حل کننده های معادلات دیفرانسیل، ابزارهای برنامه نویسی موازی و بسیاری موارد دیگر پشتیبانی می کند. می توان گفت که پیاده سازی SciPy در هر محاسبه ی عددی پیچیده وجود دارد.

با استفاده از دستور pip می توانیم کتابخانه SciPy را نصب کنیم. Pip یک مدیریت پکیج استاندارد است که می تواند در اکثر سیستم عامل ها نصب شود. برای نصب SciPy، دستور زیر را در ترمینال اجرا کنید:

pip install scipy  

SciPy در برابر NumPy

Numpy و SciPy هر دو برای تجزیه و تحلیل ریاضی و عددی استفاده می شوند. Numpy برای عملیات های اساسی مانند مرتب سازی، نمایه سازی و بسیاری دیگر مناسب است زیرا حاوی داده های آرایه است، در حالی که SciPy شامل تمام داده های عددی است.

Numpy شامل بسیاری از توابع است که برای حل جبر خطی، تبدیل فوریه و غیره استفاده می شود، در حالی که کتابخانه SciPy شامل نسخه کامل ماژول جبر خطی و همچنین بسیاری از الگوریتم های عددی دیگر است.

Seaborn

Seaborn یک کتابخانه مصور سازی داده است که بر روی matplotlib ساخته شده و به طور نزدیکی با ساختارهای داده Pandas در پایتون ادغام شده است. مصور سازی بخش اصلی Seaborn است که به کاوش و درک داده ها کمک می کند.

برای یادگیری Seaborn باید با Numpy و Matplotlib و Pandas آشنا باشید.

Seaborn عملکردهای زیر را ارائه می دهد:

  • API مبتنی بر مجموعه داده برای تعیین رابطه بین متغیرها
  • تخمین و رسم خودکار نمودارهای رگرسیون خطی
  • پشتیبانی از انتزاعات سطح بالا برای شبکه های چند قطعه ای
  • مصور سازی توزیع تک متغیره و دو متغیره

 

با استفاده از دستور pip می توانیم کتابخانه Seaborn را نصب کنیم. Pip یک مدیریت پکیج استاندارد است که می تواند در اکثر سیستم عامل ها نصب شود. برای نصب Seaborn ، دستور زیر را در ترمینال اجرا کنید:

pip install seaborn  

 

Scikit-learn

Scikit-learn  یک کتابخانه تجزیه و تحلیل داده open source و استاندارد طلایی برای یادگیری ماشین (ML) در پایتون است. مفاهیم و ویژگی های کلیدی آن عبارتند از:

متد های تصمیم گیری الگوریتمی شامل:

  • طبقه بندی: شناسایی و دسته بندی داده ها بر اساس الگوها
  • رگرسیون: پیش بینی مقادیر داده بر اساس مقادیر داده های موجود
  • خوشه بندی: گروه بندی خودکار داده های مشابه در مجموعه داده ها

الگوریتم هایی که از تجزیه و تحلیل و پیش بینی اعم از رگرسیون خطی ساده تا تشخیص الگوی شبکه عصبی پشتیبانی می کنند.

قابلیت همکاری با کتابخانه های NumPy، Pandas و matplotlib

با استفاده از دستور pip می توانیم کتابخانه Scikit-learn  را نصب کنیم. Pip یک مدیریت پکیج استاندارد است که می تواند در اکثر سیستم عامل ها نصب شود. برای نصب Scikit-learn ، دستور زیر را در ترمینال اجرا کنید:

pip install scikit-learn

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه

0 / 5. تعداد رای دهندگان: 0

تا حالا امتیازی برای این مطلب ثبت نشده؛ با ثبت نظرتون مارو خوشحال می‌کنید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *