Ich habe Udemys "Practical Python Data Science" ausprobiert.

Dieser Blog ist der dritte Tageseintrag von jupyter notebook Adventskalender 2016.

Es gibt einen Online-Lerndienst namens Udemy und "Practical Python Data Science" betrug 2.300 Yen. Also habe ich es versucht. Im 17,5-stündigen Kurs erklärte Shingo Tsuji, der Autor von "Python Start Book", auf Japanisch. Es ist ein sehr leicht verständlicher Kurs. Ich habe noch nicht alle Abschnitte angehört, möchte Ihnen aber diesen Kurs vorstellen.

In diesem Kurs werden im Wesentlichen fast alle Abschnitte mit dem Jupyter-Notizbuch erläutert. Welche Funktionen bietet das in diesem Kurs vorgestellte Jupyter-Notizbuch? Ich werde Sie beim Austausch vorstellen.

In der ersten Hälfte wird erklärt, wie die Datenanalysebibliothek von Python verwendet wird. Danach werden die Datenanalyse und -visualisierung erläutert, und in der zweiten Hälfte wird die praktischere Datenanalyse anhand der tatsächlichen Daten erläutert.

Anaconda Dies ist ein Paket von Bibliotheken, die von Continuum Analytics für die Datenanalyse bereitgestellt werden. Jupyter Notebook ist ebenfalls in diesem Paket enthalten. Wenn Sie Anaconda installieren, ist eine Python-Paketverwaltungssoftware namens pip enthalten, mit der Sie auch die erforderlichen Bibliotheken installieren können. Ich denke, dass ein Super-Anfänger wie ich zuerst diese Anaconda installieren sollte, um die Datenanalyseumgebung für Python vorzubereiten.

Wie man Jupyter benutzt

Starten Sie Anaconda nach der Installation einfach wie unten gezeigt im Arbeitsverzeichnis, um den Browser zu starten.

$ ipython notebook

Klicken Sie auf Python mit Neu, um ein neues Notizbuch zu erstellen
Codeausführung
Strg + Eingabetaste, um Code auszuführen
Umschalt + Eingabetaste, um den Code auszuführen und eine neue Zelle zu erstellen
Sie können auch Kommentare mit Markdown schreiben
STRG + C im Terminal beim Beenden von Jupyter
Benennen Sie die Notiz in Notizbuch umbenennen um. Es wird mit einer Erweiterung namens ipynb gespeichert. Sie können das gespeicherte Notizbuch öffnen, indem Sie auf eine Datei mit der Erweiterung + ipynb klicken Sie können Befehle im Terminal mit +! Ls usw. ausführen.
In Jupyter können Sie den HTML-Code ausführen, indem Sie HTML schreiben und ausführen, wie unten in Markdown gezeigt. Wenn sich eine Datei im selben Verzeichnis befindet, können Sie das Bild anzeigen und als Notizbuch speichern. Masu

<img src="lec28.png ">

Sie können das Bild in Notebook anzeigen, indem Sie wie folgt schreiben.

%matplotlib inline

Erläuterung zur Datenanalyse

In den Abschnitten 3 und darüber hinaus wird Jupyter verwendet, um die Grundlagen der Datenwissenschaft zu erklären. Es wird in Form der Einführung der Bibliothek fließen.

NumPy
NumPy-Arrays spielen eine zentrale Rolle bei der Datenanalyse
Pandas
Eine Datenbibliothek, die sehr häufig bei der Analyse von Daten mit Python verwendet wird --Series ist eine sehr beliebte Bibliothek --DataFrame ist ein sehr beliebter Datentyp

Auf diese Weise können Sie auch Daten aus der Zwischenablage lesen.

from pandas import Series, DataFrame
import pandas as pd
#Fügen Sie die Daten, die Sie lesen möchten, in die Zwischenablage ein
nfl_frame = pd.read_clipboard()
nfl_frame

Grundlagen der Datenanalyse

Einführung in das Lesen von Daten aus Textdaten, JSON, HTML, Excel
Lernen Sie, Daten und mehr zusammenzuführen.
Erfahren Sie, wie Sie Daten organisieren.

Datenvisualisierung

Verwendung von Seaborn Seaborn ist eine sehr gute Bibliothek zur Visualisierung von Daten und bietet außerdem die Möglichkeit, die Farbe einfach zu ändern. Sie können Histogramme, Schätzungen der Kerneldichte (glatte Histogramme auf den Punkt gebracht), Box-Plots (Box-Whisker), Violin-Plots, Regressionslinien und mehr anzeigen.

Praktische Datenanalyse

Analysieren Sie Titanic-Daten Sie können verschiedene Daten herunterladen, indem Sie ein Konto bei Kaggle erstellen und sich anmelden. Hier wird die Datenanalyse unter Verwendung von Titanic Survivor Attributdaten durchgeführt.

Kaggle ist eine Plattform für prädiktive Modellierungs- und Analysemethoden und deren Betriebsgesellschaft, auf der Unternehmen und Forscher Daten veröffentlichen und Statistiker und Datenanalysten auf der ganzen Welt um das optimale Modell konkurrieren. Siehe auch: https://ja.wikipedia.org/wiki/Kaggle

Analyse der Börsendaten Da Pandas eine Bibliothek ist, die ursprünglich zum Zweck der Datenanalyse von Finanzinformationen erstellt wurde, eignet sie sich sehr gut für die Datenanalyse von Aktienkursen. Mit Pandas 'Remote Data Access DataReader können Sie problemlos Bestandsdaten herunterladen und die Daten analysieren.

from pandas.io.data import DataReader
from datetime import datetime
tech_list = ['AAPL','GOOG','MSFT','AMZN']
end = datetime.now()
start = datetime(end.year - 1,end.month,end.day)
for stock in tech_list:   
    globals()[stock] = DataReader(stock,'yahoo',start,end)
AAPL.describe()

Analyse der Wahldaten Die Daten stammen von HuffPost Pollster. Es sind die Daten der US-Wahlen. Hier verwenden wir ein Modul namens Anfragen, mit dem Sie Daten aus dem Web abrufen können. Um Textdaten im CSV-Format wie eine Datei zu verarbeiten, wird StringIO zum Analysieren der Daten verwendet.

Wie oben erwähnt, unterscheidet sich der Inhalt ein wenig von dem Inhalt, der sich auf Jupyter Notebook bezieht, aber ich hoffe, dass er hilfreich sein wird. Ich denke, "Practical Python Data Science" ist mehr als 2.300 Yen wert. Der Inhalt ist für einen Super-Anfänger wie mich sehr leicht zu verstehen, daher empfehle ich Ihnen, ihn zu nehmen.