برگه تقلب پایتون برای دانشمندان داده (۲۰۲۱)

منتشر‌شده در towardsdatascience به تاریخ ۳۰ مارس ۲۰۱۲
لینک منبع Python for Data Science Cheat Sheet (2021)

پایتون به رایج‌ترین زبان محاسباتی برای انجام علم داده در سال ۲۰۲۱ تبدیل شده است. اما قبل از اینکه بتوانید مدل‌های یادگیری عمیق و یادگیری ماشینی شگفت‌انگیزی بسازید باید ابتدا اصول پایتون و انواع مختلف اجزا را بدانید. بخش‌های مختلف زیر را بررسی کنید تا انواع مختلف اجزا و قابلیت‌های آن‌ها را یاد بگیرید.

بخش‌ها:

۱. متغیرها و انواع داده

۲. لیست

۳. رشته‌ها

۴. آرایه هایNumPy

۵. کتابخانه‌ها

ممکن است به مطالعه مقاله ساخت ماشین‌حساب برنامه‌ریزی مالی با استفاده از Streamlit پایتونعلاقمند باشید.

انواع متغیرها و داده‌ها

یک متغیر در پایتون برای ذخیره ارزش‌ها مورد استفاده قرار می‌گیرد، و در اینجا شما یاد می‌گیرید که چگونه متغیرها را به یک مقدار خاص تخصیص دهید و چگونه آن مقدار را تغییر دهید، همراه با تبدیل به انواع مختلف داده‌ها در پایتون.

تخصیص متغیر

>>> x=5
>>> x
5

محاسبه با متغیرها

متغیرها می‌توانند اضافه شوند، کم شوند، ضرب شوند، تقسیم شوند و غیره.

x = 5 for all functions below

مجموع دو متغیر

>>> x+2
7

تفریق دو متغیر

>>> x-2
3

ضرب دو متغیر

>>> x*2
10

تعمیم یک متغیر

>>> x**2
25

یادآور یک متغیر

>>> x%2
1

تقسیم یک متغیر

>>> x/2
2.5

تبدیل انواع داده‌ها

پایتون به شما این امکان را می‌دهد که متغیرها را از یک نوع داده به نوع دیگر تبدیل کنید.

متغیرها به رشته‌ها

>>> str(x)
'5'

متغیرها به اعداد صحیح

>>> int(x)
5

متغیرها به شناورها

>>> float(x)
5.0

متغیرها به بولین‌ها

>>> bool()
True

لیست‌ها

یک لیست یک ساختار داده‌ای در پایتون است که یک دنباله مرتب از عناصری است که تغییرپذیر یا قابل‌تغییر هستند. هر عنصر یا ارزشی که در داخل یک لیست قرار دارد، آیتم نامیده می‌شود.

عبارت my_list و my_list2 در کد زیر به عنوان نمونه‌هایی از لیست‌ها در این بخش استفاده شده‌اند.

>>> a = 'is'
>>> b = 'nice'
>>> my_list = ['my','list',a,b]['my', 'list', 'is', 'nice']>>> my_list2 = [[4,5,6],[3,4,5,6]][[4, 5, 6],[3, 4, 5, 6]]

انتخاب عناصر فهرست

راه‌های مختلفی وجود دارند که می‌توانید یک آیتم خاص را از یک لیست یا آیتم انتخاب کنید.

انتخاب آیتم در فهرست ۱

>>> my_list[1]
'list'

انتخاب سومین مورد آخر

 >>> my_list[-3]
'list'

انتخاب آیتم در شاخص ۱ و ۲

 >>> my_list[1:3]
['list', 'is']

انتخاب موارد بعد از شاخص ۰

 >>> my_list[1:]
['list', 'is', 'nice']

انتخاب موارد قبل از فهرست ۳

 >>> my_list[:3]
['my', 'list', 'is']

کپی کردن my_list

>>> my_list[:]
['my', 'list', 'is', 'nice']

my_list[list][itemsOfList]

>>> my_list2[1][0]
3
>>> my_list2[1][:2]
[3, 4]

فهرست عملیات

از آنجایی که لیست‌ها تغییر ناپذیر هستند می‌توانید لیست‌ها را به یکدیگر اضافه کنید و یا آن‌ها را ضرب کنید.

اضافه کردن لیست‌ها

>>> my_list + my_list
['my', 'list', 'is', 'nice', 'my', 'list', 'is', 'nice']

چندبرابر کردن لیست‌ها

>>> my_list*2
['my', 'list', 'is', 'nice', 'my', 'list', 'is', 'nice']

روش‌های فهرست (لیست‌ها)

کارکردهای مختلفی که یک آیتم را به یک لیست اضافه می‌کنند، یک آیتم را حذف می‌کنند، یک آیتم را می‌شمارند و غیره.

گرفتن شاخص یک آیتم

#Gets the index at of item 'a' in the list
>>> my_list.index(a)
2

شمردن یک آیتم

#Counts how mnay times 'a' occurs in the list
>>> my_list.count(a)
1

ضمیمه کردن یک مورد به یک فهرست

#Adds 'T' to the end of the list
>>> my_list.append('T')
['my', 'list', 'is', 'nice', 'T']

حذف یک مورد

#Removes T from the list
>>> my_list.remove('T')
['my', 'list', 'is', 'nice']

حذف یک آیتم ورژن 2

#Removes the first value from the list
>>> del(my_list[0:1])
['list', 'is', 'nice']

حذف یک آیتم ورژن 3

#Removes the last item from the list
>>> my_list.pop(-1)
['my', 'list', 'is']

برعکس کردن لیست

#Reverses the entire list
>>> my_list.reverse()
['nice', 'is', 'list', 'my']

درج یک آیتم

#Reverses the entire list
>>> my_list.reverse()
['nice', 'is', 'list', 'my']

مرتب کردن یک آیتم

#Sorts the list alphabetically
>>> my_list.sort()
['is', 'list', 'my', 'nice']

مطالعه مقاله ۳ نکته اساسی در یادگیری علوم داده توصیه می‌شود.

رشته‌ها

یک رشته در پایتون یک دنباله از کاراکترها است. . Stringها تغییر ناپذیر هستند این بدان معنی است که وقتی تعریف شد، نمی‌توان آن‌ها را تغییر داد.

عبارت my_string در کد زیر به عنوان مثالی از رشته در سراسر این بخش استفاده می‌شود.

>>> my_string = 'thisStringIsAwesome'
>>> my_string
'thisStringIsAwesome'

انتخاب عناصر برجسته

روش‌های مختلفی که می‌توانید یک مقدار خاص را از یک رشته یا ارزش انتخاب کنید.

انتخاب آیتم در فهرست ۳

>>> my_string[3]
's'

انتخاب موارد در شاخص ۴ تا ۸

>>> my_string[4:9]
'Strin'

عملیات رشته:

راه‌های مختلفی برای اضافه کردن رشته‌ها به یکدیگر وجود دارد.

اضافه کردن رشته‌ها

>>> my_string + 'Innit'
'thisStringIsAwesomeInnit'

تکثیر رشته‌ها

>>> my_string*2
'thisStringIsAwesomethisStringIsAwesome'

اضافه کردن در رشته

>>> 'm' in my_string
True

روش‌های رشته

توابع مختلفی که ظاهر یک رشته را تغییر می‌دهند، یا یک حالت را از رشته بیرون می‌کشند.

استرینگ به حروف بزرگ

#Converts all values from the string to uppercase
>>> my_string.upper()
'THISSTRINGISAWESOME'

استرینگ به حروف کوچک

##Converts all values from the string to lowercase
>>> my_string.lower()
'thisstringisawesome'

شمارش عناصر رشته

#Counts how mnay times 'w' appears in the string
>>> my_string.count('w')
1

جای‌گزینی عناصر رشته

#Replaces all values of 'e' in the string with 'i'
>>> my_string.replace('e','i')
'thisStringIsAwisomi'

فاصله نوار

#Replaces all values of 'e' in the string with 'i'
>>> my_string.replace('e','i')
'thisStringIsAwisomi'

آرایه NumPy

آرایه NumPy شبکه‌ای از مقادیر است که همگی از یک نوع هستند. تعداد ابعاد، رتبه آرایه است؛ شکل یک آرایه، مجموعه‌ای از اعداد صحیح است که اندازه آرایه را در طول هر بعد می‌دهد.

عبارت‌های my_array و my_2darray در کد زیر به عنوان نمونه‌هایی از آرایه‌های NumPy در سراسر این بخش مورد استفاده قرار گرفته‌اند.

#Replaces all values of 'e' in the string with 'i'
>>> my_string.replace('e','i')
'thisStringIsAwisomi'

انتخاب عناصر آرایه اعداد

روش‌های مختلفی برای انتخاب یک مقدار خاص از یک آرایه یا مقادیر وجود دارد.

انتخاب آیتم در فهرست ۱

#Replaces all values of 'e' in the string with 'i'
>>> my_string.replace('e','i')
'thisStringIsAwisomi'

انتخاب موارد در شاخص ۰ و ۱

>>> my_array[0:2]
array([1, 2])

my_2darray[rows, columns]

>>> my_2darray[:,0]
array([1, 4])

عملیات آرایه عددی:

این عملیات به شما نشان می‌دهد که چگونه دو آرایه را به یکدیگر بیافزایید، یک مقدار را در یک آرایه ضرب کنید و با آرایه مقایسه کنید.

اضافه کردن لیست‌ها

>>> my_array + np.array([5,6,7,8])
array([ 6, 8, 10, 12])

تکثیر آرایه‌ها

>>> my_array + np.array([5,6,7,8])
array([ 6, 8, 10, 12])

بزرگ‌تر یا کم‌تر از

>>> my_array + np.array([5,6,7,8])
array([ 6, 8, 10, 12])

روش‌های آرایه NumPy

تابع‌های مختلفی که یک مقدار را به یک آرایه اضافه می‌کنند، یک مقدار را حذف می‌کنند، میانگین شدت تابشی یک آرایه را محاسبه می‌کنند و غیره.

به دست آوردن ابعاد آرایه

>>> my_array.shape
(4,)

الحاق موارد به یک آرایه

#Adds an arrasy to the end of another array
>>> np.append(other_array)

درج موارد در یک آرایه

#Inserts the value of 5 into index 1 of the array
>>> np.insert(my_array,1,5)
array([1, 5, 2, 3, 4])

حذف موارد در یک آرایه

#Removes the value in index 1 from the array
>>> np.delete(my_array,[1])
array([1, 3, 4])

میانگین این آرایه

>>> np.mean(my_array)
2.5

میانه یک آرایه

>>> np.median(my_array)
2.5

انحراف استاندارد

>>> np.std(my_array)
1.118033988749895

کتابخانه‌ها

کتابخانه‌های مختلفی مانند نومپی، قبل از اینکه شما بتوانید از هر یک از وظایف این کتابخانه استفاده کنید، باید ابتدا به پایتون وارد شوند.

وارد کردن کتابخانه‌ها

>>> import nump as np

وارد کردن انتخابی

>>> from math import pi

پایتون بزرگ‌ترین زبان در زمینه برنامه‌نویسی و دانش داده در حال حاضر و در آینده قابل‌پیش‌بینی است. اما قبل از اینکه به چالش خلق مدل‌ها و پروژه‌های پیچیده بپردازید، ابتدا باید اصول اولیه پایتون را یاد بگیرید. از این برگه تقلب به عنوان راهنما در ابتدا استفاده کنید و در صورت نیاز به آن برگردید، و شما در راه تبدیل شدن به یک برنامه‌نویس حرفه‌ای در پایتون خواهید بود.

این متن با استفاده از ربات مترجم مقاله برنامه نویسی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.