Cara Memuatkan Contoh Set Data Dalam Python

Dalam siaran ini, kita akan melihat cara memuatkan set data sampel dalam Python. Ini mungkin tidak kelihatan seperti topik yang paling glamor, tetapi ia sebenarnya agak penting. Sebaik-baiknya, anda akan mempunyai beberapa set data dalam Python yang boleh anda praktikkan apabila anda mempelajari konsep baharu. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Jika anda akan berkongsi kod anda , mendokumenkan perkara yang telah anda lakukan atau memerlukan bantuan , adalah idea yang baik untuk menggunakan set data yang tersedia secara umum untuk membina sesuatu yang dipanggil contoh yang boleh dihasilkan secara minima .

Anda akan mempunyai kod atau skrip yang diprabundel yang boleh dijalankan oleh orang lain di Internet dan membantu anda dengannya. Jika anda tidak menghasilkan contoh yang boleh dihasilkan secara minima ini , anda akan terjebak di tempat seperti Stack Overflow, yang boleh menjadi sedikit kejutan jika anda tidak biasa dengannya.

Mari lihat beberapa cara untuk membina contoh yang boleh dihasilkan secara minimum ini dan mendapatkan set data. Terdapat beberapa pakej yang boleh anda gunakan untuk memuatkan set data prabuatan ke dalam Python dan berkongsi kod tersebut.

Kami akan melihat tiga pakej yang paling biasa. Mari kita hidupkan buku nota Jupyter kosong dan mulakan.

Isi kandungan

• Muatkan Set Data Dalam Python Daripada Sklearn
• Muatkan Set Data Dalam Python Daripada Set Data Vega
• Muatkan Set Data Dalam Python Dari Seaborn
• Kesimpulan

Muatkan Set Data Dalam Python Daripada Sklearn

Yang pertama kita akan lihat dipanggil Sklearn . Jika anda menggunakan Anaconda, anda tidak perlu memuat turun ini. Jika anda inginkan bantuan lanjut dengan Python, LuckyTemplates mempunyai yang boleh anda daftarkan.

Saya akan menganggap bahawa anda sudah tahu tentang perkara seperti pakej, dan pergi dari sana. Kami akan membawa masuk panda dan Sklearn, khususnya submodul set data.

Kami akan membawa beberapa set data ini. Scikit-learn – perpustakaan data pembelajaran mesin – memanggilnya set data mainan. Kami akan memuatkan Boston, yang merupakan set data harga perumahan. Apabila kami membawa ini, kami perlu memilikinya sebagai bingkai data.

Kita perlu benar-benar menentukan bahawa data dan lajur datang daripada set data Scikit-Learn, dan memisahkan pembolehubah ciri dan pembolehubah sasaran.

Kami akan memasukkan ini sebagai bingkai data supaya kami boleh beroperasi dan melakukan perkara yang berbeza dengannya. Panda adalah pakej yang hebat untuk diketahui sebagai pengguna LuckyTemplates.

Muatkan Set Data Dalam Python Daripada Set Data Vega

Pilihan lain yang boleh kita pelajari ialah pakej dataset Vega. Yang ini tidak tersedia di Anaconda tetapi kami boleh memasangnya melalui PIP. Inilah yang akan kami taip pada baris arahan untuk memasang set data Vega dan untuk memasang atau mengimport modul data tempatan.

Sebahagian daripada ini sebenarnya anda boleh dapatkan, tetapi anda memerlukan sambungan web. Kami akan membawa masuk yang dipasang secara tempatan dengan mengimport data tempatan dan menjalankannya.

Seperti yang anda lihat, terdapat beberapa set data. Sebahagian daripadanya ialah siri masa, manakala sebahagian daripadanya mempunyai pembolehubah kategori atau berterusan. Mari pilih set data kereta dalam bingkai data supaya kita boleh menjalankan kaedah kepala padanya.

Kini, kami mempunyai satu lagi set data sampel yang boleh kami gunakan dan kongsi.

Muatkan Set Data Dalam Python Dari Seaborn

Seaborn ialah satu lagi pakej yang tersedia dalam pengedaran Anaconda. Secara lalai, Seaborn terkenal dengan visualisasi data, tetapi ia juga mempunyai beberapa set data sampel hebat yang boleh anda gunakan. Inilah yang akan kami taip untuk mendapatkan set data.

Seperti yang anda lihat, terdapat beberapa set data di sini. Kami akan meneruskan dan menggunakan set data penguin dan mendapatkan beberapa baris pertama sekali lagi.

Hasilnya ialah set data lain untuk kita praktikkan.

Idea di sini bukan hanya untuk mempunyai set data untuk diamalkan. Jika kami melihat beberapa nilai yang hilang, menghadapi masalah menjatuhkan set data, ingin mengisi pembolehubah kategori atau menunjukkan contoh kepada orang lain tanpa memberikan beberapa data sensitif, anda hanya boleh menggunakan salah satu set data yang boleh diakses secara umum ini yang sangat, sangat mudah untuk digunakan dan dikongsi oleh orang ramai. Itulah idea contoh yang boleh dihasilkan secara minima.

LuckyTemplates Dengan Skrip Python Untuk Mencipta Jadual Tarikh
Python Dalam LuckyTemplates: Cara Memasang Dan Menyediakan
Python I untuk Pengguna LuckyTemplates – Kursus Baharu dalam Platform Pendidikan LuckyTemplates

Kesimpulan

Untuk meringkaskan, terdapat tiga tempat untuk mencari set data sampel. Scikit-learn ialah pakej pembelajaran mesin. Ia agak sukar untuk menukar, tetapi jika anda melakukan perkara yang berkaitan dengan pembelajaran mesin, ini adalah tempat untuk pergi. Set data Vega juga mempunyai bilangan set data yang agak baik terutamanya jika anda menggunakan kaedah untuk mendapatkan set data daripada web tetapi ia agak sukar untuk dimuatkan jadi anda hanya perlu menggunakan PIP berbanding memasangkannya dengan Anaconda. Seaborn ialah tempat yang menarik kerana ia memuatkan bingkai data dan ia mempunyai banyak kepelbagaian apabila menggunakan set data sampel dan contoh yang boleh dihasilkan semula.

Stack Overflow juga mempunyai tutorial tentang cara menulis contoh yang boleh dihasilkan secara minimum atau MRE yang baik, jadi semak perkara itu jika anda ingin menyiarkan sesuatu dalam talian.

Mengetahui tempat untuk mendapatkan set data yang baik dan berkongsi MRE yang baik adalah kemahiran yang sangat penting untuk dimiliki sebagai penganalisis.

Jika anda menikmati kandungan yang diliputi dalam tutorial khusus ini, sila langgan saluran TV LuckyTemplates. Kami mempunyai sejumlah besar kandungan yang keluar sepanjang masa daripada saya sendiri dan pelbagai pencipta kandungan – semuanya berdedikasi untuk menambah baik cara anda menggunakan LuckyTemplates dan Power Platform.