Python Veri Kümesi: Tekrarlanabilir Kodları Uygulama

Bu blogda, aynı türde çıktılar üretmek için Python veri kümelerine tekrarlanabilir kodların veya işlevlerin nasıl uygulanacağını öğreneceksiniz . Bu, daha verimli olmanıza ve farklı veri kümelerinden belirli verileri çekmek için daha az çaba harcamanıza yardımcı olacaktır. Bu eğitimde, örnek olarak daha önce oluşturduğum mevcut bir kodu kullanacağız.

Ayrıca, veri kümesinin orijinal sürümünün zarar görmesini önlemek için veri kümelerinin kopyalarını çıkarmayı, yinelenebilir kodlar kullanarak kitaplıkları ve işlevleri içe aktarmayı ve LuckyTemplates'da bir görselleştirme oluşturmayı da öğreneceksiniz .

Bu blog için her zaman CSV dosyasını alıp LuckyTemplates'a getirmenizi öneririm . Ayrıca bu CSV dosyasını nasıl getirebileceğimizi ve her ihtimale karşı doğrudan LuckyTemplates'a yerleştirebileceğimizi de göstereceğim.

İçindekiler

• LuckyTemplates'da CSV Dosyası Alma
• Python Veri Kümesinin Bir Kopyasını Oluşturma
• Bir Python Komut Dosyasını Çalıştırarak Bir Veri Kümesini Dönüştürme
• Veri Kümesini Kontrol Etme
• Yinelenebilir Kodlar Kullanarak Kitaplıkları ve İşlevleri İçe Aktarma
• Veri Tabloları Oluşturma
• Çözüm

LuckyTemplates'da CSV Dosyası Alma

LuckyTemplates'a bir CSV dosyası getirmek için yapmanız gereken ilk şey Giriş şeridindeki “ Veri Al ” menüsüne tıklamaktır .

Tıkladıktan sonra bir açılır menü görünecektir ve menüden “ Metin/CSV ” seçeneğini seçmeniz gerekir .

“ Text/CSV ” seçeneğini seçtiğinizde , LuckyTemplates'a getirmek istediğimiz dosyayı seçebileceğimiz bir pencere açılacaktır. Bu örnek için, IMDB Veri Kümesi dosyasını kullanalım . 

IMDB Dataset.csv dosyasını açtıktan sonra , o dosyanın içindeki verileri gösteren başka bir pencere göreceksiniz. Bu dosya büyük miktarda veri içerdiğinden, verilerin yalnızca bir kısmını önizler.

Bu dosyada yapacağımız ilk şey onu dönüştürmek. Bunu yapmak için, pencerenin sağ alt kısmındaki “ Verileri Dönüştür ” seçeneğine tıklamanız yeterlidir .

Python Veri Kümesinin Bir Kopyasını Oluşturma

Bu veri kümesinde herhangi bir değişiklik yapmadan önce, orijinal veri kümesinin bir kopyasını almamız önemlidir. Bunu yapmak için veri kümesine  sağ tıklayın .

Ardından menüden “ Kopyala ” öğesini seçin.

Son olarak, Sorgular paneline sağ tıklayın ve ardından seçeneklerden “ Yapıştır ” seçeneğini seçin.

Bu adımları uyguladıktan sonra, Sorgular panelinde orijinal IMDB Veri Kümesinin bir kopyasına sahip olmalısınız .

Bir Python Komut Dosyasını Çalıştırarak Bir Veri Kümesini Dönüştürme

Bir CSV dosyasını dönüştürerek, büyük miktarlardaki Python veri kümelerini daha küçük olanlara bölebileceksiniz. Bunu, bu dosyada bazı Python komut dosyalarını uygulayarak yapabiliriz.

Ama önce, başlıkların düzgün bir şekilde sıralandığından emin olmalıyız. Ana menüye tıklayın , ardından “ İlk Satırı Başlık Olarak Kullan ” seçeneğini bulun ve tıklayın.

“ İlk Satırı Başlık Olarak Kullan ” seçeneğine tıkladıktan sonra , başlıklar artık önceki ilk satırlardaki “ inceleme ” ve “ duyarlılık ” verileriyle değişti .

Ardından, Dönüştür menüsüne gidin ve " Komut Dosyaları " seçenek grubundaki " Python Komut Dosyasını Çalıştır " seçeneğine tıklayın .

Bundan sonra, bir “ Python Komut Dosyasını Çalıştır ” penceresi açılacaktır. Bu pencerede, kullanmakta olduğunuz mevcut dosyayı dönüştürmek için istediğiniz herhangi bir Python betiğini çalıştırabilirsiniz. Bu örnek için aşağıdaki kodu çalıştırarak veri setini küçülteceğim.

IMDB Veri Kümesinden belirli satırları ve sütunları seçmek için veri kümesindeki .iloc işlevini kullandım . Daha sonra parametrelerde, IMDB Veri Kümesindeki ilk 500 satırın ve tüm sütunların hepsini seçtim. Onu “ dataset ” adlı bir değişkende sakladım .

Komut dosyasını çalıştırdıktan sonra, bir önceki adımda oluşturduğumuz değişken olan “dataset” i görmemiz gerekiyor. Python betiğini kullanarak değiştirdiğimiz verileri içerir.

Veri Kümesini Kontrol Etme

Veri kümesi tablosunu açmak için Değer sütununun altındaki “ Tablo ” ya tıklamanız yeterlidir .

Bu veri setinin artık 500 satıra düştüğünü görebiliriz .

Artık Python veri setimizi 500 satıra böldüğümüze göre , yapacağımız bir sonraki şey ihtiyacımız olan kütüphaneleri import etmek. Bunu, IMDB Veri Kümesinin içeriğini değiştirirken yaptığımız aynı prosedürü kullanarak yapacağız. Bu, kodumuzun belirli senaryolarda daha az değişiklikle yönetilebilir olmasını sağlamak içindir.

Yinelenebilir Kodlar Kullanarak Kitaplıkları ve İşlevleri İçe Aktarma

Kütüphaneleri import etmek için not defterimize geri dönelim ve ihtiyacımız olan kütüphaneleri kopyalayalım. Bu öğreticiden önce, kopyalamak üzere olduğumuz bu kitaplıkları zaten oluşturduğumu unutmayın. Bunları, işlevlerin tekrarlanabilir kodlar olarak kullanımı hakkında net bir fikir edinmeniz için yeniden kullanıyorum.

Kütüphaneler kopyalandıktan sonra “ Run Python Script ” penceresine yapıştırın ve script'in sonuna  “ from collections import Counter ” satırını eklemeyi unutmayın .

Ardından veri temizleme işlevini not defterimizden kopyalayıp LuckyTemplates'daki Python betiğine ekleyeceğiz .

Kitaplıkların altına ekleyeceğiz. 

Az önce eklediğimiz işlevi çağırmak için kodu da kopyalayacağız.

Ardından, LuckyTemplates'daki Python betiğine yapıştırın.

Veri Tabloları Oluşturma

Veri temizleme işlevini çağırmak için kodu eklediğimize göre , " df2 "yi " veri kümesi " olarak ve " başlığı " " inceleme " olarak değiştirmemiz gerekiyor . Bunu veri setinde yaptığımız değişiklikler nedeniyle yaptık.

“ dataset ” içerisinde 500 satırlık veriyi sakladığımız için “df2”yi “dataset” olarak değiştirdik . Daha sonra “başlık” için sütunların başlıklarını değiştirerek “inceleme” olarak güncelledik.

Eklenen bu kodlar ile word frekansı için data1 , bigram frekansı için data2 ve trigram frekansı için data3 olmak üzere 3 tablo elde edebilmeli veya üretebilmeliyiz .

Daha sonra başka bir tablo açmak için bu değiştirilmiş IMDB Veri Kümesinin (2) başka bir kopyasını da oluşturabilirsiniz .

Şimdi IMDB Dataset(2) de data1 tablosunu açalım . 

data1 tablosu açıldıktan  sonra kelime listesinin yanı sıra frekansını da görebiliriz.

Gördüğünüz gibi Jupyter Notebook'tan aldığımız tekrarlanabilir kodlar ile ana veri setinden bazı işlemleri gerçekleştirebiliyoruz. Bu tekrarlanabilir kodlarla, bir Python veri setini dönüştürebilir ve kodları baştan yazmadan kelime frekansı, bigram frekansı ve trigram frekansı için bir tablo oluşturabiliriz .

IMDB Dataset (3) de data2 tablosunu açalım bigram frekansını görelim.

Bigram frekans tablosunda listede yer alan “ br ” leri görebilirsiniz . Bu muhtemelen bir HTML koduna bağlıdır. Geri dönüp başka bir şey ekleyebiliriz ancak bunu bu eğitimde yapmayacağız.

Tekrarlanabilir kodlar yardımıyla veriler yüklendiğine göre artık LuckyTemplates'da bununla ilgili görselleştirmeler yapmaya başlayabiliriz. Örneğin, her kelimenin sıklığı için  bir çubuk grafik .

Python Kullanıcı Tanımlı İşlevler | LuckyTemplates'da Python Kullanımına Genel Bakış
Python Listesi ve LuckyTemplates Döngüleri İçin
| Veri Kümesi ve Dize İşlevi

Çözüm

Özetlemek gerekirse, tekrarlanabilir kodlar, bir veri kümesi üzerinde belirli prosedürleri daha az çabayla gerçekleştirmenize yardımcı olabilir. LuckyTemplates'da bir Python veri kümesini dönüştürmek için yinelenebilir kodlardan nasıl yararlanacağınızı öğrendiniz . Bir veri kümesini değiştirirken seçilecek satırları ve sütunları belirtmek için .iloc işlevini de kullanabildiniz .

Ayrıca, veri kümelerinin kopyalarını oluşturdunuz ve bir çubuk grafik kullanarak bir görselleştirme oluşturdunuz. Bu görselleştirme, oluşturduğumuz ve tekrarlanabilir kodlar yardımıyla değiştirdiğimiz Python veri kümelerine dayanmaktadır.

Herşey gönlünce olsun,

Gaellim