Anaconda هي منصة علوم البيانات لعلماء البيانات ومتخصصي تكنولوجيا المعلومات وقادة الأعمال في المستقبل. إنه توزيع بايثون ، ر ، وما إلى ذلك مع أكثر من 300 حزمة ل يصبح من أفضل المنصات لأي مشروع. في هذا درس أناكوندا ، سنناقش كيف يمكننا استخدام أناكوندا لبرمجة بايثون. فيما يلي المواضيع التي تمت مناقشتها في هذه المدونة:
- مقدمة للأناكوندا
- التثبيت والإعداد
- كيفية تثبيت مكتبات Python في Anaconda؟
- أناكوندا نافيجيتور
- حالة الاستخدام
مقدمة للأناكوندا
Anaconda هو توزيع مفتوح المصدر للبيثون و R. ويستخدم ل علم البيانات ، ، تعلم عميق ، إلخ. مع توفر أكثر من 300 مكتبة لعلوم البيانات ، يصبح من الأمثل إلى حد ما لأي مبرمج العمل على أناكوندا لعلوم البيانات.
تساعد Anaconda في إدارة الحزم ونشرها بشكل مبسط. تأتي Anaconda مع مجموعة متنوعة من الأدوات لجمع البيانات بسهولة من مصادر مختلفة باستخدام خوارزميات متنوعة للتعلم الآلي والذكاء الاصطناعي. يساعد في الحصول على إعداد بيئة يمكن إدارته بسهولة والذي يمكنه نشر أي مشروع بنقرة زر واحدة.
الآن بعد أن عرفنا ماهية الأناكوندا ، فلنحاول فهم كيفية تثبيت الأناكوندا وإعداد بيئة للعمل على أنظمتنا.
التثبيت والإعداد
لتثبيت أناكوندا ، انتقل إلى https://www.anaconda.com/distribution/ .
كيفية تحويل المضاعفة إلى عدد صحيح
اختر الإصدار المناسب لك وانقر فوق تنزيل. بمجرد إكمال التنزيل ، افتح برنامج الإعداد.
اتبع التعليمات الواردة في الإعداد. لا تنس النقر فوق إضافة الأناكوندا إلى متغير بيئة المسار الخاص بي. بعد اكتمال التثبيت ، ستظهر لك نافذة كما هو موضح في الصورة أدناه.
بعد الانتهاء من التثبيت ، افتح موجه الأناكوندا واكتب .
سترى نافذة كما هو موضح في الصورة أدناه.
الآن بعد أن عرفنا كيفية استخدام الأناكوندا للبيثون ، دعنا نلقي نظرة على كيفية تثبيت مكتبات مختلفة في الأناكوندا لأي مشروع.
كيفية تثبيت مكتبات Python في Anaconda؟
افتح موجه الأناكوندا وتحقق مما إذا كانت المكتبة مثبتة بالفعل أم لا.
نظرًا لعدم وجود وحدة تسمى numpy موجودة ، سنقوم بتشغيل الأمر التالي لتثبيت numpy.
ستظهر لك النافذة في الصورة بمجرد إكمال التثبيت.
بمجرد تثبيت مكتبة ، فقط حاول استيراد الوحدة مرة أخرى للتأكيد.
كما ترى ، لا يوجد خطأ حصلنا عليه في البداية ، لذا فهذه هي الطريقة التي يمكننا بها تثبيت مكتبات مختلفة في الأناكوندا.
أناكوندا نافيجيتور
Anaconda Navigator عبارة عن واجهة مستخدم رسومية لسطح المكتب تأتي مع توزيع الأناكوندا. يسمح لنا بتشغيل التطبيقات وإدارة حزم conda والبيئة وبدون استخدام أوامر سطر الأوامر.
حالة الاستخدام - أساسيات بايثون
المتغيرات وأنواع البيانات
المتغيرات وأنواع البيانات هي اللبنات الأساسية لأي لغة برمجة. تحتوي Python على 6 أنواع بيانات اعتمادًا على الخصائص التي تمتلكها. القائمة ، القاموس ، المجموعة ، المجموعة ، هي أنواع بيانات المجموعة في لغة برمجة بايثون.
فيما يلي مثال لإظهار كيفية استخدام المتغيرات وأنواع البيانات في بيثون.
# اسم إعلان متغير = 'Edureka' f = 1991 print ('تم إنشاء python في'، f) # أنواع بيانات 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' ، ب) print ('the tuple is'، c) print ('the set is'، d)العاملين
عوامل التشغيل في بايثون تستخدم للعمليات بين القيم أو المتغيرات. هناك 7 أنواع من المشغلين في بايثون.
- مهمة تشغيل
- عامل حسابي
- عامل منطقي
- عامل المقارنة
- عامل البت
- مشغل العضوية
- مشغل الهوية
فيما يلي مثال على استخدام عدد قليل من المشغلين في بيثون.
أ = 10 ب = 15 # عامل حسابي طباعة (أ + ب) طباعة (أ - ب) طباعة (أ * ب) # مهمة تعيين أ + = 10 طباعة (أ) # عامل مقارنة # أ! = 10 # ب == a # logical عامل التشغيل a> b و a> 10 # سيعود هذا صحيح إذا كانت العبارتان صحيحتين.
بيانات التحكم
عبارات مثل ، كسر ، متابعة تستخدم كبيان تحكم للتحكم في التنفيذ للحصول على أفضل النتائج. يمكننا استخدام هذه العبارات في حلقات مختلفة في بايثون للتحكم في النتيجة. فيما يلي مثال لإظهار كيف يمكننا العمل مع عبارات التحكم والشرطية.
name = 'edureka' لـ i in name: if i == 'a': break else: print (i)
المهام
توفير إمكانية إعادة استخدام الكود بطريقة فعالة ، حيث يمكننا كتابة منطق بيان المشكلة وتشغيل بعض الوسائط للحصول على الحلول المثلى. فيما يلي مثال على كيفية استخدام الوظائف في بايثون.
def func (a): إرجاع a ** a res = func (10) print (res)
فئات وكائنات
نظرًا لأن python يدعم البرمجة الموجهة للكائنات ، فيمكننا العمل معها الطبقات والأشياء كذلك. فيما يلي مثال على كيفية العمل مع الفئات والكائنات في بيثون.
class Parent: def func (self): print ('this is parent') class Child (Parent): def func1 (self): print ('this is child') ob = new Child () ob.func ()هذه بعض المفاهيم الأساسية في بيثون لتبدأ. نتحدث الآن عن دعم الحزمة الأكبر في الأناكوندا ، يمكننا العمل مع الكثير من المكتبات. دعونا نلقي نظرة على كيفية استخدام python anaconda لتحليلات البيانات.
حالة الاستخدام - التحليلات
هذه خطوات معينة متضمنة في . دعونا نلقي نظرة على كيفية عمل تحليل البيانات في الأناكوندا والمكتبات المختلفة التي يمكننا استخدامها.
جمع البيانات
ال تجميع البيانات بسيط مثل تحميل ملف CSV في البرنامج. ثم يمكننا الاستفادة من البيانات ذات الصلة لتحليل حالات أو إدخالات معينة في البيانات. فيما يلي الكود لتحميل بيانات CSV في البرنامج.
استيراد الباندا كـ pd import numpy مثل np import matplotlib.pyplot مثل plt import seaborn as sns df = pd.read_csv ('filename.csv') print (df.head (5))تشريح وتقطيع
بعد أن نقوم بتحميل مجموعة البيانات في البرنامج ، يجب علينا تصفية البيانات مع بعض التغييرات مثل إزالة القيم الخالية والحقول غير الضرورية التي قد تسبب الغموض في التحليل.
فيما يلي مثال على كيفية تصفية البيانات وفقًا للمتطلبات.
print (df.isnull (). sum ()) # هذا سيعطي مجموع كل القيم الخالية في مجموعة البيانات. df1 = df.dropna (المحور = 0 ، كيف = 'أي') # هذا سيسقط صفوفًا بقيم خالية.
يمكننا إسقاط القيم الخالية أيضًا.
مربع مؤامرة
sns.boxplot (x = df ['نطاق الراتب من']) sns.boxplot (x = df ['نطاق الراتب إلى'])
ScatterPlot
import matplotlib.pyplot as plt fig، ax = plt.subplots (figsize = (16،8)) ax.scatter (df ['نطاق الراتب من']، df ['نطاق المرتبات إلى']) ax.set_xlabel ('المرتب النطاق من ') ax.set_ylabel (' نطاق الراتب إلى ') plt.show ()
التصور
بمجرد تغيير البيانات وفقًا للمتطلبات ، من الضروري تحليل هذه البيانات. أحد هذه الطرق للقيام بذلك هو تصور النتائج. افضل يساعد في التحليل الأمثل لتوقعات البيانات.
فيما يلي مثال لتصور البيانات.
sns.countplot (x = 'مؤشر دوام كامل / دوام جزئي' ، البيانات = df) sns.countplot (x = 'مؤشر دوام كامل / دوام جزئي' ، تدرج اللون = 'تردد الراتب' ، البيانات = df) sns .countplot (hue = 'مؤشر دوام كامل / دوام جزئي' ، x = 'نوع الترحيل' ، البيانات = df) df ['نطاق الراتب من']. plot.hist () df ['نطاق الراتب إلى']. plot.hist ()
استيراد matplotlib.pyplot كـ plt fig = plt.figure (figsize = (10،10)) ax = fig.gca () sns.heatmap (df1.corr ()، annot = True، fmt = '. 2f') plt. العنوان ('الارتباط' ، حجم الخطوط = 5) plt.show ()تحليل
بعد التصور ، يمكننا أن نجعل تحليلنا يبحث في المؤامرات والرسوم البيانية المختلفة. لنفترض أننا نعمل على بيانات الوظيفة ، من خلال النظر في التمثيل المرئي لوظيفة معينة في منطقة ما ، يمكننا تحديد عدد الوظائف في مجال معين.
من التحليل أعلاه ، يمكننا أن نفترض النتائج التالية
- عدد الوظائف بدوام جزئي في مجموعة البيانات أقل بكثير مقارنة بالوظائف بدوام كامل.
- في حين أن الوظائف بدوام جزئي أقل من 500 وظيفة ، وظائف بدوام كامل أكثر من 2500.
- بناءً على هذا التحليل ، يمكننا بناء ملف نموذج التنبؤ.
في هذا البرنامج التعليمي للغة بايثون أناكوندا ، فهمنا كيف يمكننا إعداد أناكوندا للبيثون مع حالات الاستخدام التي غطت أساسيات بايثون وتحليل البيانات والتعلم الآلي. مع أكثر من 300 حزمة لعلوم البيانات ، توفر أناكوندا الدعم الأمثل مع نتائج فعالة. لإتقان مهاراتك في Python ، سجل في Edureka وابدأ التعلم.
لديك أي أسئلة؟ أذكرها في تعليقات هذا المقال على 'دروس بيثون أناكوندا' ، وسنعاود الاتصال بك في أقرب وقت ممكن.
كيفية إنهاء برنامج جافا