Po krótkim przeglądzie typów skalarnych i sekwencyjnych przyszedł czas, by pochylić się nad:
- Instrukcjami warunkowymi
- Pętlami
- Wykorzystywaniem gotowych pakietów/modułów
Dobre opanowanie instrukcji warunkowych jest podstawą do budowy bardziej skomplikowanych struktur sterujących przebiegiem programu.
Należy zapamiętać jak Python traktuje typ logiczny rzutowany na typ całkowity, gdzie 1 to prawa, a 0 to fałsz.
Jak jest wartość logiczna pustej listy, krotki lub słownika ? (sprawdź!)
Znajomość typu logicznego, operatorów logicznych i instrukcji warunkowej jest również niezbędna przy budowie funkcji i nieco później przy budowie obiektów
Python dostarcza jedynie dwa rodzaje pętli , for oraz while., ale moim zdaniem jest to wystarczający wybór. Możliwa jest iteracja po elementach listy, elementach słownika , elementach napisu czy zakresach. Dodatkowe sterowanie przebiegiem petli w postaci instrukcji break, continue, pass , else:
- break – przerwij pętlę
- continue – przerwij obecną iterację
- pass – nie rób nic
- else – wykonuj jeśli pętla zakończyła się inaczej niż break
Pozwala na budowę bardziej rozbudowanej logiki niż zwykła iteracja po elementach różnego typu.
Jedną z silnych cech Pythona jest liczba dostępnych i darmowych pakietów, które umożliwiają nam wykorzystanie skomplikowanych algorytmów w prosty sposób.
Nie ma sensu wynajdywanie koła od nowa, ale warto poznać podstawowe funkcjonalności i sposób ich wykorzystania
Przykładowe pakiety, gdzie praktyką jest stosowanie aliasów
- NumPy jest podstawowym zestawem narzędzi dla języka Python umożliwiającym zaawansowane obliczenia matematyczne, w szczególności są to operacje na macierzach..
import numpy as np- Pandas umożliwia nam tworzenie ramek z danymi (dataframe), które ułatwiają nam pracę przy wstępnej i nie tylko obróbce danych pochodzących z wielu źródeł. Obsłużone są m.in. pliki płaskie, arkusze Excel, a nawet strony html.
import pandas as pd
- Matplotlib pomaga przy tworzeniu wizualizacji, dostępnych jest wiele typów wykresów.
import matplotlib.pyplot as plt- Folium wzbogaci naszą wizualizacją o interaktywne mapy
import folium
- scilearn-kit jest zbiorem wielu algorytmów stosowanych w uczeniu maszynowym i w praktyce zawiera wszystko co jest potrzebne do budowę modeli i ich trening.
from sklearn import datasets
- Seaborn, który umożliwia bezpośrednie wykorzystanie ramek z danymi i pozwala na wygenerowanie wykresów bardziej zaawansowanych niż matplotlib.
import seaborn as sns
- TensorFlow to bogata biblioteka firmy Google, które umożliwia m.in zastosowanie algorytmów uczenia głębokiego (deep learning). Wspiera karty graficzne.
import tensorflow as tf
Często na początku wielu programów w Pythonie, które dotykają uczenia maszynowego, mamy taki zapis
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
Kod notatnika Jupiter umieszczony na Githubie
Podglad:
Uruchomienie:
Po uruchomieniu kontenera należy wyczyścić informacje wyjściowe za pomocą menu Kernel -> Restart & Clear Output.
Reenredowane wtyczką WP:
Dodaj komentarz