χρονοδιάγραμμα μαθημάτων

Εκπαιδευτικός Οδηγός Python

• Εκπαιδευτικός Οδηγός Python
• Εισαγωγή στο Python
• Εισαγωγή στο Python
• Γλώσσα Προγραμματισμού Python
• Σχόλια Python
• Μεταβλητές Python
• Τύποι Δεδομένων Python
• Python αριθμοί
• Κasting Python
• Σtrings Python
• Boolean Python
• 运营商 Python
• Λίστες Python
• Τuples Python
• Συλλογές Python
• Δictionaries Python
• Python If Εlse
• While Λοξή Python
• For Λοξή Python
• Συνάρτησεις Python
• Lambda Python
• Πίνακες Python
• Python κλάσεις/ αντικείμενα
• Εκμάθηση Python
• Εκμάθηση Python
• Χώρος Εκμάθησης Python
• Μονάδες Python
• Ημερομηνία Python
• JSON Python
• RegEx Python
• PIP Python
• Try Except Python
• Python εντολές εισαγωγής
• Στοίχισμα Σtrings Python

χειρισμός αρχείων

• Άνοιγμα Αρχείου Python
• Ανάγνωση Αρχείου Python
• Python αρχείο γράψιμο/δημιουργία
• Διαγραφή Αρχείου Python

Python NumPy

• Εισαγωγή στο NumPy
• Εισαγωγή στο NumPy
• Δημιουργία Πίνακα NumPy
• Ενδεικτών Πίνακα NumPy
• Κόπτες Πίνακα NumPy
• Τύποι Δεδομένων NumPy
• Αντίγραφα/Προσβολές Πίνακα NumPy
• Σχήμα Πίνακα NumPy
• Μετασχηματισμός Πίνακα NumPy
• Εκμάθηση Πίνακα NumPy
• Σύνδεση Πίνακα NumPy
• Διαχωρισμός Πίνακα NumPy
• Αναζήτηση Πίνακα NumPy
• Ταξινόμηση Πίνακα NumPy
• Φιλτράρισμα Πίνακα NumPy
• Τυχαία Αριθμοί NumPy
• ufuncs NumPy

Μηχανική μάθηση

• Εισαγωγή
• Μέση-μέσος όρος μοτίβα
• Μέση τυποποιημένη απόκλιση
• Περαστικός Αριθμός
• Διανομή δεδομένων
• Κανονική Διανομή Δεδομένων
• Στατιστικό διάγραμμα
• Λογιστική回归
• Πολυωνυμική回归
• Πολυπολίτη回归
• Ανάκτηση
• Εκπαίδευση/Δοκιμή
• Δέντρο αποφάσεων

Python MySQL

• Εισαγωγή MySQL
• Δημιουργία βάσης δεδομένων MySQL
• Δημιουργία πίνακα MySQL
• Εισαγωγή MySQL
• Επιλογή MySQL
• Όπου MySQL
• Σειρά MySQL
• Διαγραφή MySQL
• Διαγραφή πίνακα MySQL
• Ενημέρωση MySQL
• Όριο MySQL
• Σύνδεση MySQL

Python MongoDB

• Εισαγωγή MongoDB
• Δημιουργία βάσης δεδομένων MongoDB
• Δημιουργία συλλογής MongoDB
• Εισαγωγή MongoDB
• Αναζήτηση MongoDB
• Ερώτηση MongoDB
• Σειρά MongoDB
• Διαγραφή MongoDB
• Διαγραφή συλλογής MongoDB
• Ενημέρωση MongoDB
• Όριο MongoDB

Python Εγχειρίδιο

• Επισκόπηση αναφοράς Python
• Εσωτερικές συνάρτησεις Python
• Μέθοδοι αλφαβήτου Python
• Μέθοδοι λίστας Python
• Μέθοδοι λεξικού Python
• Μέθοδοι πίνακα Python
• Μέθοδοι συλλογής Python
• Μέθοδοι αρχείων Python
• Κλειδιά Python

Εγχειρίδιο αναφοράς μονάδων

• Μονάδα τυχαίων
• Μονάδα αιτήσεων

Python How To

• Διαγραφή επαναλαμβανόμενων στοιχείων λίστας
• Αντιστροφή αλφαβητικού

Python Παράδειγμα

• Python Παράδειγμα
• Python Πρόβλημα

Εξεταστικά μαθήματα

Προτεινόμενη διδασκαλία:

• CodeW3C.com Κουτί Μυστικών

Διανομή δεδομένων (Data Distribution)

Στην αρχή του οδηγού, χρησιμοποιήσαμε μόνο ένα πολύ μικρό σύνολο δεδομένων στα παραδείγματα, με σκοπό να κατανοήσουμε διαφορετικές έννοιες.

Στην πραγματικότητα, τα σύνολα δεδομένων είναι πολύ μεγαλύτερα, αλλά τουλάχιστον στην αρχή του έργου, είναι δύσκολο να συλλέξουμε δεδομένα από την πραγματικότητα.

Πώς μπορούμε να αποκτήσουμε μεγάλα σύνολα δεδομένων;

Για να δημιουργήσουμε ένα μεγάλο σύνολο δεδομένων για δοκιμή, χρησιμοποιούμε το Python μονάδα NumPy, η οποία περιέχει πολλά μέσα για τη δημιουργία τυχαίων δεδομένων οποιουδήποτε μεγέθους.

Παράδειγμα

Δημιουργία μιας πίνακα που περιέχει 250 τυχαία αριθμοί πόντους μεταξύ 0 και 5:

import numpy
x = numpy.random.uniform(0.0, 5.0, 250)
print(x)

Εκτέλεση Παραδείγματος

Διάγραμμα πυραμίδας

Για να καταγράψουμε τη διανομή δεδομένων, μπορούμε να διαγράψουμε το διάγραμμα πυραμίδας των συλλεγμένων δεδομένων.

Θα χρησιμοποιήσουμε το Python μονάδα Matplotlib για να διαγράψουμε το διάγραμμα πυραμίδας:

Παράδειγμα

Διαγράμματα πυραμίδας:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 250)
plt.hist(x, 5)
plt.show()

Αποτελέσματα:

Εκτέλεση Παραδείγματος

Επεξήγηση του Γραφήματος

Χρησιμοποιούμε τον πίνακα από το παραπάνω παράδειγμα για να رسمουμε 5 κολόνες.

Το πρώτο στήλο αντιπροσωπεύει πόσα τιμές του πίνακα είναι μεταξύ 0 και 1.

Το δεύτερο στήλο αντιπροσωπεύει πόσα αριθμητικά είναι μεταξύ 1 και 2.

και άλλα.

Τα αποτελέσματα που获得了 είναι:

52 τιμές είναι μεταξύ 0 και 1
48 τιμές είναι μεταξύ 1 και 2
49 τιμές είναι μεταξύ 2 και 3
51 τιμές είναι μεταξύ 3 και 4
50 τιμές είναι μεταξύ 4 και 5

Σημείωση:Οι τιμές του πίνακα είναι τυχαίες αριθμοί και δεν θα εμφανιστούν πλήρως ταυτόσημα στο υπολογιστή σας.

Διανομή Μεγάλων Δεδομένων

Ένας πίνακας με 250 τιμές δεν θεωρείται μεγάλος, αλλά τώρα γνωρίζετε πώς να δημιουργήσετε έναν σύνολο τυχαίων τιμών και να δημιουργήσετε συλλογές δεδομένων της επιθυμητής κλίμακας με αλλαγή των παραμέτρων.

Παράδειγμα

Δημιουργία ενός πίνακα με 100000 τυχαίων αριθμών και εμφάνιση των με 100 στήλες γραφήματος:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 100000)
plt.hist(x, 100)
plt.show()

Εκτέλεση Παραδείγματος

Εργαλείο

Python Εγχειρίδιο

Python Παράδειγμα

Python Πρόβλημα

Συνεργάτες Σύνδεσμοι