👨🏼‍✈️ 🏀 🍛 बुक पायथन: आर्टिफिशियल इंटेलिजेंस, बिग डेटा और क्लाउड कम्प्यूटिंग 🤴🏽 👨🏾‍🌾 👩🏻‍⚕️

हैलो, हब्रोज़िटेली! पॉल और हार्वे डेटेल्स पायथन पर एक नया रूप प्रदान करते हैं और आधुनिक आईटी लोगों के सामने आने वाली समस्याओं को जल्दी से हल करने के लिए एक अद्वितीय दृष्टिकोण का उपयोग करते हैं।

आपके निपटान में पांच सौ से अधिक वास्तविक कार्य - पूर्ण कार्यान्वयन के साथ टुकड़े से लेकर 40 बड़े परिदृश्य और उदाहरण हैं। ज्यूपिटर नोटबुक्स के साथ आईपीथॉन आपको आधुनिक पायथन प्रोग्रामिंग मुहावरों को जल्दी से सीखने की अनुमति देता है। अध्याय १-५ और अध्याय ६- problems के टुकड़े अध्याय ११-१६ से कृत्रिम बुद्धिमत्ता की समस्याओं को हल करने के स्पष्ट उदाहरण देंगे। आप प्राकृतिक भाषा प्रसंस्करण, ट्विटर पर भावना विश्लेषण, आईबीएम वाटसन संज्ञानात्मक कंप्यूटिंग, वर्गीकरण और प्रतिगमन समस्याओं में एक शिक्षक के साथ मशीन सीखने, क्लस्टरिंग में एक शिक्षक के बिना मशीन सीखने, गहरी सीखने और दृढ़ तंत्रिका नेटवर्क के साथ पैटर्न पहचान, आवर्तक तंत्रिका नेटवर्क, बड़े Hadoop, Spark और NoSQL, IoT, और अधिक से डेटा। आप ट्विटर, Google अनुवाद, आईबीएम वाटसन सहित क्लाउड सेवाओं के साथ (प्रत्यक्ष या अप्रत्यक्ष रूप से) काम करेंगे,Microsoft Azure, OpenMapQuest, PubNub, आदि।

9.12.2। पांडा लाइब्रेरी डेटाफ़्रेम संग्रह में CSV फ़ाइलों को पढ़ना

पिछले दो अध्यायों के "डेटा विज्ञान से परिचय" खंड ने पांडा के साथ काम करने की मूल बातें पेश कीं। अब हम CSV फ़ाइलों को डाउनलोड करने के लिए पांडा उपकरण प्रदर्शित करेंगे, और फिर बुनियादी डेटा विश्लेषण ऑपरेशन करेंगे।

डेटासेट

व्यावहारिक डेटा विज्ञान के उदाहरणों में, मशीन सीखने और प्राकृतिक भाषा प्रसंस्करण की अवधारणाओं को प्रदर्शित करने के लिए विभिन्न स्वतंत्र और खुले डेटा सेट का उपयोग किया जाएगा। इंटरनेट पर मुफ्त डेटा सेट की एक विशाल विविधता उपलब्ध है। लोकप्रिय Rdatasets रिपॉजिटरी में 1,100 से अधिक मुक्त CSV डेटासेट के लिंक हैं। ये किट मूल रूप से सांख्यिकीय कार्यक्रमों के अध्ययन और विकास को आसान बनाने के लिए आर प्रोग्रामिंग भाषा के साथ आपूर्ति की गई थी, हालांकि, वे आर भाषा से संबंधित नहीं हैं। अब ये डेटासेट GitHub पर उपलब्ध हैं:

https://vincentarelbundock.imtqy.com/Rdatasets/ datasets.html

यह भंडार इतना लोकप्रिय है कि विशेष रूप से Rdatasets तक पहुँचने के लिए डिज़ाइन किया गया एक pydataset मॉड्यूल है। Pydataset को स्थापित करने और डेटासेट एक्सेस करने के निर्देशों के लिए, यहां जाएं:

https://github.com/iamaziz/PyDataset

डेटासेट का एक अन्य महान स्रोत:

https://github.com/awesomedata/awesome-public-datasets

शुरुआती लोगों के लिए एक आमतौर पर इस्तेमाल की जाने वाली मशीन लर्निंग डाटासेट टाइटैनिक दुर्घटना डाटासेट है, जो सभी यात्रियों को सूचीबद्ध करता है और क्या वे बच गए जब टाइटैनिक एक हिमखंड से टकरा गया और 14-15 अप्रैल, 1912 को डूब गया। हम इस सेट का उपयोग यह दिखाने के लिए करेंगे कि डेटा सेट को कैसे लोड किया जाए, इसका डेटा देखें और वर्णनात्मक आँकड़े प्राप्त करें। अन्य लोकप्रिय डेटासेट को इस पुस्तक में बाद में डेटा विज्ञान उदाहरण के अध्यायों में खोजा जाएगा।

स्थानीय CSV फ़ाइलों के साथ कार्य करना

एक CSV डेटासेट को एक DataFrame में लोड करने के लिए, आप पांडा लाइब्रेरी के read_css फ़ंक्शन का उपयोग कर सकते हैं। निम्नलिखित स्निपेट CSV account.csv फ़ाइल को डाउनलोड और प्रदर्शित करता है जो इस अध्याय में पहले बनाई गई थी:

In  [1]: import pandas as pd
In  [2]: df = pd.read_csv('accounts.csv',
     ...:                      names=['account', 'name', 'balance'])
     ...:

In  [3]: df
Out[3]:
      account     name    balance
0          100    Jones      24.98
1          200       Doe    345.67
2          300    White        0.00
3          400     Stone    -42.16
4          500       Rich    224.62

नाम तर्क DataFrame के स्तंभ नामों को निर्दिष्ट करता है। इस तर्क के बिना, read_csv स्तंभ नामों की अल्पविराम से अलग सूची में शामिल करने के लिए CSV फ़ाइल की पहली पंक्ति मानता है।
CSF फ़ाइल में DataFrame डेटा को बचाने के लिए, DataFrame संग्रह के to_csv विधि को कॉल करें:

In [4]: df.to_csv('accounts_from_dataframe.csv', index=False)

मुख्य तर्क सूचकांक = गलत का अर्थ है कि पंक्ति के नाम (खंड में [[3] में DataFrame आउटपुट के बाईं ओर ०-४) को फ़ाइल में नहीं लिखा जाना चाहिए। परिणामी फ़ाइल की पहली पंक्ति में कॉलम नाम हैं:

account,name,balance
100,Jones,24.98
200,Doe,345.67
300,White,0.0
400,Stone,-42.16
500,Rich,224.62

9.12.3। टाइटैनिक आपदा डाटसेट पढ़ना

टाइटैनिक डिजास्टर डेटासेट सबसे लोकप्रिय मशीन लर्निंग डेटासेट में से एक है और सीएसवी सहित कई प्रारूपों में उपलब्ध है।

URL पर टाइटैनिक डिजास्टर डेटासेट डाउनलोड करें

यदि आपके पास एक URL है जो CSV प्रारूप में डेटासेट का प्रतिनिधित्व करता है, तो आप इसे पढ़ सकते हैं DataFrame में read_csv फ़ंक्शन - उदाहरण के लिए, GitHub से:

In [1]: import pandas as pd
In [2]: titanic = pd.read_csv('https://vincentarelbundock.imtqy.com/' +
    ...:       'Rdatasets/csv/carData/TitanicSurvival.csv')
    ...:

टाइटैनिक आपदा डेटा सेट की कुछ पंक्तियों को देखना डेटा

सेट में 1300 से अधिक लाइनें हैं, प्रत्येक पंक्ति एक यात्री का प्रतिनिधित्व करती है। विकिपीडिया के अनुसार, विमान में लगभग 1317 यात्री सवार थे और उनमें से 815 की मृत्यु हो गई। बड़े डेटा सेट के लिए, केवल पहली 30 पंक्तियाँ प्रदर्शित की जाती हैं जब DataFrame आउटपुट होता है, तो दीर्घवृत्त "..." और अंतिम 30 लाइनें प्रदर्शित होती हैं। अंतरिक्ष को बचाने के लिए, हम DataFrame संग्रह के सिर और पूंछ के तरीकों का उपयोग करके पहली और अंतिम पाँच पंक्तियों की समीक्षा करेंगे। दोनों विधियाँ डिफ़ॉल्ट रूप से पाँच पंक्तियाँ

लौटाती हैं , लेकिन प्रदर्शित पंक्तियों की संख्या को तर्क में पारित किया जा सकता है: [3] में: pd.set_option ('परिशुद्धता', 2) # फ़्लोटिंग-पॉइंट मानों के लिए प्रारूप

कृपया ध्यान दें: पंडों स्तंभ या स्तंभ नाम (जिस पर सबसे बड़ी चौड़ाई है) के आधार पर प्रत्येक स्तंभ की चौड़ाई को समायोजित करता है; 1305 की आयु कॉलम में NaN है - डेटा सेट में एक लापता मूल्य का संकेत।

कॉलम नाम सेट करना

डेटासेट में पहले कॉलम का नाम अजीब लगता है ('बेनाम: 0')। कॉलम नाम को कस्टमाइज़ करके इस समस्या को हल किया जा सकता है। 'नाम' के साथ '': 0 '' को बदलें और 'पैसेंजरक्लास' को 'क्लास' में कम करें:

9.12.4। उदाहरण के रूप में टाइटैनिक आपदा डेटासेट का उपयोग करते हुए सरल डेटा विश्लेषण

अब हम उदाहरण के रूप में वर्णनात्मक आंकड़ों की कुछ विशेषताओं का उपयोग करके एक सरल डेटा विश्लेषण करने के लिए पांडा का उपयोग करेंगे। जब आप किसी DataFrame संग्रह के लिए वर्णन करते हैं जिसमें संख्यात्मक और गैर-संख्यात्मक दोनों कॉलम होते हैं, तो केवल संख्यात्मक कॉलम के लिए सांख्यिकीय विशेषताओं की गणना करता है - इस मामले में, केवल आयु कॉलम के लिए:

गणना मूल्य (1046) में विसंगतियों और डेटा सेट में डेटा लाइनों की संख्या पर ध्यान दें (1309 - जब कॉलिंग टेल, अंतिम पंक्ति का सूचकांक 1308 था)। डेटा की केवल 1046 पंक्तियों (गणना मूल्य) में एक आयु मान होता था। शेष परिणाम गायब थे और उन्हें NaN के साथ चिह्नित किया गया था, जैसा कि 1305 पंक्ति में है। गणना करते समय, पांडा लाइब्रेरी डिफ़ॉल्ट रूप से लापता डेटा (NaN) की उपेक्षा करती है। वैध आयु वाले 1046 यात्रियों के लिए, औसत आयु (अपेक्षा) 29.88 वर्ष थी। सबसे कम उम्र का यात्री (न्यूनतम) केवल दो महीने का था (0.17 * 12 2.04 देता है), और सबसे पुराना (अधिकतम) 80 वर्ष का था। औसत आयु 28 (50 प्रतिशत चतुर्थांश द्वारा इंगित) थी। 25 प्रतिशत चतुर्थांश यात्रियों की पहली छमाही में औसत आयु का वर्णन करता है (उम्र के आधार पर),और 75 प्रतिशत चतुर्थक यात्रियों की दूसरी छमाही में औसत दर्जे का है।

मान लीजिए कि आप जीवित यात्रियों के बारे में आंकड़ों की गणना करना चाहते हैं। हम बचे हुए कॉलम की तुलना 'हां' के मूल्य के साथ ट्रू / गलत मान के साथ एक नया सीरीज कलेक्शन करने के लिए कर सकते हैं, और फिर परिणामों का वर्णन करने के लिए वर्णन का उपयोग कर सकते हैं:

In [9]: (titanic.survived == 'yes').describe()
Out[9]:
count      1309
unique        2
top       False
freq        809
Name: survived, dtype: object

गैर-संख्यात्मक डेटा के लिए, वर्णनात्मक आंकड़ों की विभिन्न विशेषताओं को प्रदर्शित करता है:

गिनती - परिणाम में तत्वों की कुल संख्या;
अद्वितीय - अद्वितीय मूल्यों की संख्या (2) परिणामस्वरूप - ट्रू (यात्री बच गया) या गलत (यात्री की मृत्यु हो गई);
शीर्ष - सबसे अधिक बार परिणामस्वरूप मूल्य;
freq - मूल्य शीर्ष की घटनाओं की संख्या।

9.12.5। यात्री युग का बार ग्राफ

डेटा को बेहतर तरीके से जानने के लिए विज़ुअलाइज़ेशन एक अच्छा तरीका है। पंडों में मैटलपोटलिब पर आधारित कई अंतर्निहित दृश्य उपकरण हैं। उनका उपयोग करने के लिए, पहले IPython में Matplotlib समर्थन सक्षम करें:

In [10]: %matplotlib

हिस्टोग्राम स्पष्ट रूप से मूल्यों की एक सीमा से अधिक संख्यात्मक डेटा के वितरण को दर्शाता है। DataFrame संग्रह की हिस्ट विधि स्वचालित रूप से प्रत्येक संख्यात्मक कॉलम के डेटा का विश्लेषण करती है और संबंधित हिस्टोग्राम का निर्माण करती है। डेटा के प्रत्येक संख्यात्मक कॉलम के लिए हिस्टोग्राम देखने के लिए, अपने डेटा संग्रह के लिए हिस्ट को कॉल करें:

In [11]: histogram = titanic.hist()

टाइटैनिक आपदा डेटासेट में डेटा का केवल एक संख्यात्मक कॉलम होता है, इसलिए चार्ट उम्र वितरण के लिए एक हिस्टोग्राम दिखाता है। एकाधिक संख्यात्मक कॉलम वाले डेटासेट के लिए, हिस्ट प्रत्येक संख्यात्मक कॉलम के लिए एक अलग हिस्टोग्राम बनाता है।

»पुस्तक पर अधिक जानकारी पर पाया जा सकता प्रकाशक की वेबसाइट
» सामग्री
» अंश

के लिए Khabrozhiteley 25% कूपन पर छूट - अजगर

पुस्तक (रिलीज की तारीख - के कागज संस्करण का भुगतान करने पर 5 जून ), एक ई-बुक भेजा जाता है।