पायथन एनाकोंडा ट्यूटोरियल: सब कुछ आपको पता होना चाहिए

अजगर एनाकोंडा ट्यूटोरियल पर यह लेख आपको यह समझने में मदद करेगा कि आप एनाकोंडा पर अजगर को बुनियादी बातों, विश्लेषण, एमएल / एआई आदि के साथ कैसे उपयोग कर सकते हैं।

एनाकोंडा कल के डेटा वैज्ञानिकों, आईटी पेशेवरों और व्यापार जगत के नेताओं के लिए डेटा साइंस प्लेटफॉर्म है। इसका वितरण है अजगर , आर , आदि के लिए 300 से अधिक संकुल के साथ , यह किसी भी परियोजना के लिए सबसे अच्छा प्लेटफार्मों में से एक बन जाता है। इसमें एनाकोंडा ट्यूटोरियल, हम चर्चा करेंगे कि हम पायथन प्रोग्रामिंग के लिए एनाकोंडा का उपयोग कैसे कर सकते हैं। इस ब्लॉग में चर्चा किए गए विषय निम्नलिखित हैं:

एनाकोंडा का परिचय

एनाकोंडा अजगर और आर के लिए एक खुला स्रोत वितरण है डेटा विज्ञान , , ध्यान लगा के पढ़ना या सीखना , आदि डेटा विज्ञान के लिए 300 से अधिक पुस्तकालयों की उपलब्धता के साथ, यह किसी भी प्रोग्रामर के लिए डेटा विज्ञान के लिए एनाकोंडा पर काम करने के लिए काफी इष्टतम हो जाता है।





लोगो-अजगर एनाकोंडा ट्यूटोरियल-एडुरका

एनाकोंडा सरलीकृत पैकेज प्रबंधन और तैनाती में मदद करता है। एनाकोंडा विभिन्न मशीन लर्निंग और एआई एल्गोरिदम का उपयोग करके विभिन्न स्रोतों से आसानी से डेटा एकत्र करने के लिए विभिन्न प्रकार के उपकरण के साथ आता है। यह आसानी से प्रबंधनीय पर्यावरण सेटअप प्राप्त करने में मदद करता है जो किसी भी परियोजना को एक बटन के क्लिक के साथ तैनात कर सकता है।



अब जब हम जानते हैं कि एनाकोंडा क्या है, तो यह समझने की कोशिश करें कि हम एनाकोंडा कैसे स्थापित कर सकते हैं और अपने सिस्टम पर काम करने के लिए एक वातावरण स्थापित कर सकते हैं।

स्थापना और सेटअप

एनाकोंडा स्थापित करने के लिए जाना https://www.anaconda.com/distribution/



अपने लिए उपयुक्त संस्करण चुनें और डाउनलोड पर क्लिक करें। एक बार जब आप डाउनलोड पूरा कर लें, तो सेटअप खोलें।

सेटअप में दिए गए निर्देशों का पालन करें। मेरे पथ पर्यावरण चर में एनाकोंडा जोड़ने पर क्लिक करना न भूलें। इंस्टॉलेशन पूरा होने के बाद, आपको एक विंडो मिलेगी जैसे नीचे दी गई इमेज में दिखाया गया है।

स्थापना समाप्त करने के बाद, एनाकोंडा प्रॉम्प्ट खोलें और टाइप करें ।

जावा में ट्रिम विधि का उपयोग कैसे करें

आपको एक विंडो दिखाई देगी जैसे नीचे इमेज में दिखाया गया है।

अब जब हम जानते हैं कि अजगर के लिए एनाकोंडा का उपयोग कैसे किया जाता है, तो हम किसी भी परियोजना के लिए एनाकोंडा में विभिन्न पुस्तकालयों को कैसे स्थापित कर सकते हैं, इस पर एक नज़र डालते हैं।

एनाकोंडा में पायथन लाइब्रेरी कैसे स्थापित करें?

एनाकोंडा प्रॉम्प्ट खोलें और जांचें कि लाइब्रेरी पहले से स्थापित है या नहीं।

चूँकि, सुपीरियर नाम का कोई मॉड्यूल नहीं है, इसलिए हम संख्या को स्थापित करने के लिए निम्नलिखित कमांड चलाएंगे।

इंस्टॉलेशन पूरा करते ही आपको इमेज में दिखाई गई विंडो मिल जाएगी।

एक बार जब आप एक पुस्तकालय स्थापित कर लेते हैं, तो बस आश्वासन के लिए मॉड्यूल को फिर से आयात करने का प्रयास करें।

जैसा कि आप देख सकते हैं, कोई त्रुटि नहीं है जो हमें शुरुआत में मिली थी, इसलिए यह है कि हम एनाकोंडा में विभिन्न पुस्तकालयों को कैसे स्थापित कर सकते हैं।

एनाकोंडा नेविगेटर

एनाकोंडा नेविगेटर एक डेस्कटॉप GUI है जो एनाकोंडा वितरण के साथ आता है। यह हमें एप्लिकेशन लॉन्च करने और कॉन्डा पैकेज, पर्यावरण और कमांड-लाइन कमांड का उपयोग किए बिना प्रबंधित करने की अनुमति देता है।

केस का उपयोग करें - पायथन फंडामेंटल्स

चर और डेटा प्रकार

चर और डेटा प्रकार किसी भी प्रोग्रामिंग भाषा के बिल्डिंग ब्लॉक्स हैं। पायथन में 6 डेटा प्रकार होते हैं जो उनके पास मौजूद गुणों के आधार पर होते हैं। अजगर प्रोग्रामिंग भाषा में सूची, शब्दकोश, सेट, ट्यूपल, संग्रह डेटा प्रकार हैं।

सेलेनियम में रूपरेखा क्या है

अजगर में चर और डेटा प्रकार का उपयोग कैसे किया जाता है, यह दिखाने के लिए निम्नलिखित उदाहरण है।

# उल्लेखनीय घोषणा नाम = 'एडुर्का' f = 1991 प्रिंट ('अजगर में स्थापित किया गया था, एफ) #data प्रकार a = [1,2,3,4,5,6,7] b = {1:' edureka ' , 2: 'अजगर'} c = (1,2,3,4,5) d = {1,2,3,4,5} प्रिंट ('सूची है'), ए) प्रिंट ('शब्दकोष' है) , b) प्रिंट ('tuple is', c) प्रिंट ('सेट है', d)

संचालक

पायथन में ऑपरेटर मूल्यों या चर के बीच संचालन के लिए उपयोग किया जाता है। अजगर में 7 प्रकार के ऑपरेटर होते हैं।

  • असाइनमेंट ऑपरेटर
  • अंकगणित संचालक
  • तार्किक संचालक
  • तुलना संचालक
  • बिट-वार ऑपरेटर
  • सदस्यता संचालक
  • पहचान संचालक

अजगर में कुछ ऑपरेटरों के उपयोग के साथ एक उदाहरण निम्नलिखित है।

a = 10 b = 15 # शब्दांश ऑपरेटर प्रिंट (a + b) प्रिंट (a - b) प्रिंट (a * b) #assignment ऑपरेटर a + = 10 प्रिंट (a) #comparison ऑपरेटर #a! = 10 #b == यदि दोनों कथनों के सत्य होने पर एक # ज्योतिषी ऑपरेटर a> b और a> 10 # सत्य वापस आ जाएंगे।

स्टेटमेंट को नियंत्रित करें

कथन जैसे , ब्रेक, जारी रखें का उपयोग नियंत्रण परिणामों के रूप में किया जाता है ताकि इष्टतम परिणामों के लिए निष्पादन पर नियंत्रण प्राप्त किया जा सके। हम इन बयानों को परिणाम को नियंत्रित करने के लिए अजगर में विभिन्न छोरों में उपयोग कर सकते हैं। यह दिखाने के लिए एक उदाहरण है कि हम नियंत्रण और सशर्त बयानों के साथ कैसे काम कर सकते हैं।

नाम = मेरे लिए 'edureka' नाम में: अगर i == 'a': तोड़ा: प्रिंट (i)

कार्य

एक कुशल तरीके से कोड पुन: प्रयोज्य प्रदान करते हैं, जहां हम समस्या के बयान के लिए तर्क लिख सकते हैं और इष्टतम समाधान प्राप्त करने के लिए कुछ तर्क चला सकते हैं। निम्नलिखित उदाहरण है कि हम अजगर में कार्यों का उपयोग कैसे कर सकते हैं।

def func (a): a ** a res = func (10) प्रिंट (रेस) लौटाएं

वर्ग और वस्तुएँ

चूंकि अजगर ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग का समर्थन करता है, इसलिए हम इसके साथ काम कर सकते हैं कक्षाओं और वस्तुओं भी। निम्नलिखित उदाहरण है कि हम अजगर में कक्षाओं और वस्तुओं के साथ कैसे काम कर सकते हैं।

कक्षा अभिभावक: डिफ फंक (सेल्फ): प्रिंट ('यह पेरेंट है') क्लास चाइल्ड (पेरेंट): डिफ फंक 1 (सेल्फ): प्रिंट ('यह बच्चा है') ob = new चाइल्ड () ob.func ()

शुरू करने के लिए अजगर में ये कुछ मूलभूत अवधारणाएँ हैं। अब एनाकोंडा में बड़े पैकेज के समर्थन के बारे में बात करते हुए, हम बहुत सारे पुस्तकालयों के साथ काम कर सकते हैं। आइए एक नज़र डालते हैं कि हम डेटा एनालिटिक्स के लिए अजगर एनाकोंडा का उपयोग कैसे कर सकते हैं।

केस का उपयोग करें - विश्लेषिकी

ये कुछ निश्चित कदम हैं । आइए एक नजर डालते हैं कि एनाकोंडा और विभिन्न पुस्तकालयों में डेटा विश्लेषण कैसे काम करता है।

डेटा एकत्र करना

डेटा का संग्रहण प्रोग्राम में CSV फ़ाइल लोड करना जितना आसान है। फिर हम डेटा में विशेष उदाहरणों या प्रविष्टियों का विश्लेषण करने के लिए प्रासंगिक डेटा का उपयोग कर सकते हैं। प्रोग्राम में CSV डेटा लोड करने के लिए कोड निम्नलिखित है।

आयात पंडों के रूप में पीडी आयात के रूप में खसखस ​​के रूप में एनपी आयात matplotlib.pyplot के रूप में plt आयात समुद्री डाकू के रूप में sns df = pd.read_csv ('filename.csv') प्रिंट (df। सिर (5))

टुकड़ा करने की क्रिया और चौकोर टुकड़ों में काटना

कार्यक्रम में सेट किए गए डेटा को लोड करने के बाद, हमें कुछ परिवर्तनों के साथ डेटा को फ़िल्टर करना चाहिए जैसे कि शून्य मान और अनावश्यक फ़ील्ड जो विश्लेषण में अस्पष्टता का कारण हो सकते हैं।

निम्नलिखित एक उदाहरण है कि हम आवश्यकताओं के अनुसार डेटा को कैसे फ़िल्टर कर सकते हैं।

प्रिंट (df.isnull ()। sum ()) #this डेटासेट में सभी शून्य मानों का योग देगा। df1 = df.dropna (अक्ष = 0, कैसे = 'कोई') # यह शून्य मानों के साथ पंक्तियों को छोड़ देगा।

हम अशक्त मूल्यों को भी गिरा सकते हैं।

बॉक्स प्लॉट

sns.boxplot (x = df ['वेतन सीमा से']) sns.boxplot (x = df ['वेतन सीमा' तक '))

स्कैटर प्लॉट

जावा में गहरी क्लोनिंग और उथले क्लोनिंग
plt fig, ax = plt.subplots (figsize = (16,8)) ax.scatter (df ['सैलरी रेंज फ्रॉम'], df ['सैलरी रेंज to']) ax.set_xlabel ('वेतन) के रूप में matplotlib.pyplot आयात करें रेंज 'से' ax.set_ylabel ('वेतन रेंज टू') plt.show ()

दृश्य

एक बार जब हमने आवश्यकताओं के अनुसार डेटा को बदल दिया है, तो इस डेटा का विश्लेषण करना आवश्यक है। ऐसा करने का एक तरीका परिणामों के दृश्य द्वारा है। एक बेहतर डेटा अनुमानों के एक इष्टतम विश्लेषण में मदद करता है।

निम्नलिखित डेटा को देखने के लिए एक उदाहरण है।

sns.countplot (x = 'पूर्णकालिक / अंशकालिक संकेतक', डेटा = df) sns.countplot (x = 'पूर्णकालिक / अंशकालिक संकेतक', hue = 'वेतन आवृत्ति', डेटा (df) sns .countplot (ह्यू = 'फुल-टाइम / पार्ट-टाइम इंडिकेटर', x = 'पोस्टिंग टाइप', डेटा = df) df ['सैलरी रेंज फ्रॉम']। plot.hist () df ['सैलरी रेंज']]। भूखंड।

आयात matplotlib.pyplot plt अंजीर के रूप में = plt.figure (figsize = (10,10)) ax = fig.gca () sns.heatmap (df1.corr (), annot = True, fmt = '। 2f') plt। शीर्षक ('सहसंबंध', फोंटाइज़ = 5) plt.show ()

विश्लेषण

विज़ुअलाइज़ेशन के बाद, हम विभिन्न प्लॉट और ग्राफ़ को देखते हुए अपना विश्लेषण कर सकते हैं। मान लीजिए कि हम नौकरी डेटा पर काम कर रहे हैं, किसी क्षेत्र में किसी विशेष नौकरी के दृश्य प्रतिनिधित्व को देखकर हम किसी विशेष डोमेन में नौकरियों की संख्या को कम कर सकते हैं।

उपरोक्त विश्लेषण से, हम निम्नलिखित परिणाम मान सकते हैं

  • पूर्णकालिक नौकरियों की तुलना में डेटा सेट में अंशकालिक नौकरियों की संख्या बहुत कम है।
  • जबकि अंशकालिक नौकरियां 500 से कम हैं, पूर्णकालिक नौकरियां 2500 से अधिक हैं।
  • इस विश्लेषण के आधार पर, हम एक निर्माण कर सकते हैं भविष्यवाणी मॉडल।

इस अजगर एनाकोंडा ट्यूटोरियल में, हम समझ गए हैं कि हम अजगर के लिए एनाकोंडा को सेटअप मामलों के साथ कैसे सेट कर सकते हैं, जो अजगर बुनियादी बातों, डेटा विश्लेषण और मशीन सीखने को कवर करते हैं। डेटा विज्ञान के लिए 300 से अधिक पैकेज के साथ, एनाकोंडा कुशल परिणाम के साथ इष्टतम समर्थन प्रदान करता है। अजगर में अपने कौशल को पूरा करने के लिए एडुर्का में दाखिला लें और अपने सीखने को किक करें।

कोई भी प्रश्न है? 'पायथन एनाकोंडा ट्यूटोरियल' पर इस लेख की टिप्पणियों में उनका उल्लेख करें, और हम जल्द से जल्द आपके पास वापस आ जाएंगे।