Einführung

Die Data Scientist Association hat ** "Data Science 100 Knock (Strukturierte Datenverarbeitung)" ** veröffentlicht, eine kostenlose Lernumgebung, in der Sie praktisch die Verarbeitung strukturierter Daten [auf GitHub] lernen können (https: / /github.com/The-Japan-DataScientist-Society/100knocks-preprocess). Dieser Artikel beschreibt die Details des Einführungsverfahrens, damit auch Anfänger eine kostenlose Lernumgebung erstellen können. (Die zu erstellende Ausführungsumgebung ist in der folgenden Abbildung dargestellt.)

Voraussetzungen (Windows10)

Docker Desktop for Windows

Wenn es nicht gestartet wird, ist Hyper-V möglicherweise "deaktiviert". Setzen Sie es daher auf "aktiviert". ](Https://docs.microsoft.com/ja-jp/virtualization/hyper-v-on-windows/quick-start/enable-hyper-v#enable-the-hyper-v-role-through-settings)

Git for Windows

Setzen Sie die Änderung des Zeilenvorschubcodes, die zum Zeitpunkt der Installation die Standardeinstellung ist, auf "deaktiviert".
Die Befehle in diesem Artikel wurden mit PowerShell ausgeführt und überprüft.

> git config --global core.autocrlf input

Umgebung

Erstellen Sie ein Verzeichnis für die Lernumgebung (diesmal dss) und klonen Sie ein 100-Knock-Repository. Wechseln Sie dann in das 100-Knock-Verzeichnis und erstellen Sie mit dem Befehl docker-compose einen Container. (Es dauert ungefähr 10 Minuten.)

Wenn beim Erstellen der Umgebung ein Warn-Popup angezeigt wird, haben Sie möglicherweise keine Zugriffsberechtigung für den lokalen Docker-PC. Wählen Sie daher ** "Freigeben" **, um die Zugriffsberechtigung zu erteilen.

> mkdir dss
> cd dss
> git clone https://github.com/The-Japan-DataScientist-Society/100knocks-preprocess.git
> cd 100knocks-preprocess
> docker-compose up -d --build

Wenn Sie die gestarteten Container und die Ausgabe von ** "dss-notebook" ** und ** "dss-postgres" ** überprüfen können, ist die Umgebungskonstruktion erfolgreich.

> docker ps

CONTAINER ID        IMAGE               COMMAND                  CREATED             STATUS              PORTS                    NAMES
b35f99d4148a        dss-notebook        "tini -g -- start-no…"   23 seconds ago      Up 22 seconds       0.0.0.0:8888->8888/tcp   dss-notebook
3cb559c7f66d        dss-postgres        "docker-entrypoint.s…"   27 seconds ago      Up 26 seconds       0.0.0.0:5432->5432/tcp   dss-postgres

Wie benutzt man

Sie können auf die erstellte Jupyter-Umgebung zugreifen, indem Sie mit einem Browser auf die folgende URL zugreifen.

http://localhost:8888

Unter dem Verzeichnis work befindet sich eine .ipynb-Datei für Übungen zur strukturierten Datenverarbeitung. ** Der Import der erforderlichen Bibliothek und die Datenerfassung vor der Verarbeitung sind bereits in der ersten Zelle beschrieben. ** **. Geben Sie den für die Übung geeigneten Prozess in die leere Zelle ein und führen Sie ihn aus, um mit dem Lernen fortzufahren. Die Antwort auf die Übung ist eine .ipynb-Datei im Verzeichnis work / answer. Daher können Sie arbeiten, während Sie die Richtigkeit der in der Übungsdatei beantworteten Verarbeitung überprüfen.

Lernumgebung stoppen / starten

Sie können die erstellte Umgebung mit dem folgenden Befehl stoppen.

> docker-compose stop

Wenn Sie es nach dem zweiten Mal starten möchten, können Sie es auch mit dem folgenden Befehl starten.

> docker-compose start

Zusatzinformationen

Wenn die Reaktion der erstellten Umgebung langsam ist

Ändern Sie den Speicherwert von Ressourcen in den Einstellungen von Docker Desktop für Windows. Die Empfehlung lautet 4,00 GB oder mehr.

Wenn Port 8888 verwendet wird

Wenn Sie den 8888-Port des lokalen Hosts in einer anderen Entwicklungsumgebung (LAMP usw.) verwenden, können Sie dies tun, indem Sie docker-compose.yml wie folgt ändern (den Wert der Ports in Notebook ändern).

`docker-compose.yml`


  notebook:
    ports:
      - "888:8888"

Im obigen Fall ist es unter der folgenden URL zugänglich.

http://localhost:888

Zusammenfassung

Beschrieb das Umgebungskonstruktionsverfahren für 100 Datenwissenschaftler (strukturierte Datenverarbeitung) in der Windows 10-Umgebung. Wenn Sie Fragen oder Bedenken bezüglich des oben genannten Verfahrens haben, würden wir uns freuen, wenn Sie dies kommentieren könnten.

Referenzlink

Leitfaden zu 100 Schlägen in der Datenwissenschaft

[PYTHON] Umgebungskonstruktion (Windows 10) für 100 Schläge Data Science (strukturierte Datenverarbeitung)