Data Science üçün Pythona Giriş

Python dünyanın ən sürətlə inkişaf edən proqramlaşdırma dillərindən biridir. Yüksək səviyyəli proqramlaşdırma dili olaraq Python geniş mobil tətbiqlərin, veb inkişaf, proqram tətbiqləri, eləcə də rəqəmsal və elmi məlumatların təhlili və hesablanmasının inkişafında istifadə olunur.

Məsələn, Dropbox, Google, Instagram, Spotify və YouTube kimi məşhur veb saytlar bu güclü proqramlaşdırma dili ilə qurulmuşdur.

Müasir dövrdə açıq qaynaq kodlu mənbələrin inkişaf etməsi Pythonun proqramlaşdırma dili olaraq daha çox istifadə edilməsinə və bir çox sahələrdə istifadə üçün əlverişli vasitələr yaradılmasında tətbiqinə şərait yaradır. Xüsusilə də, Data Science üçün daha müvafiq vasitələrin yaradılması ilə analizlərin aparılması daha effektli həyata keçirilir.

Niyə Python Öyrənməliyik?

Bir proqramlaşdırma dili olaraq Python mövcud olduğu vaxtdan bu yana Süni İntellekt, Machine Learning, Big Data və analitika sahəsində əsas qüvvə olmuşdur. Baxmayaraq ki, R və SQL kimi digər proqramlaşdırma dilləri də Data Science-də istifadə olunur, amma Python demək olar ki, Data Science tədqiqatçıları üçün əsas mövqeyə sahib olmuşdur. Beləliklə, Python öyrənirsinizsə, bu, sizin üçün bir çox yeni qapılar aça və karyera imkanlarınızı inkişaf etdirə bilər. Süni İntellekt, Machine Learning və Data Analitikası ilə işləməsəniz belə, Python eyni zamanda qrafik istifadəçi interfeyslərinin (GUI) veb-inkişafı və tətbiqləri üçün vacibdir.

Data Science sahəsində Pythonun vacib rol oynaması dəfələrlə mürəkkəb məsələləri effektiv şəkildə həll etməsi ilə sübut olunmuşdur.

Python qaydaları və sintaksisi ilə tanış olan hər kəs məlumat mərkəzli kitabxanaların (NumPy və Pandas kimi) köməyi ilə məlumatların işlənməsi, manipulyasiya edilməsi və vizuallaşdırılmasını  etibarlı bir vasitə ilə tez bir zamanda icra edə bilər. Python həmçinin yüksək səviyyədə istifadəçi dostu olan proqamlaşdırma dilidir və bu, onun sintaksinin sadə, yığcam və oxunaqlı olması ilə bağlıdır.

Əsas Data Strukturları nədir?

Mövcud olan bəzi məlumat bazalarına keçmədən Python-un məlumat elmindəki rolu haqqında danışa bilmərik. Bunlar asanlıqla əldə edilə bilən və dəyişdirilə bilən məlumatların təşkili və saxlanması üsulu kimi təsvir edilə bilər.

Bəzi data strukturlarına aşağıdakılar daxildir:

• Dictionaries

• Lists

• Sets

• Strings

• Tuples

Lists, strings və  tuples obyektlərin ardıcıllığıdır. Lists və tuples hər ikisi C++ proqramlaşdırma dilində istifadə olunan array kimidir və istənilən növ dəyişəni özündə saxlaya bilər. Amma string ancaq sətir tipli dəyişənləri özündə ehtiva edir.

Lists dəyişənlər üçün heterogen konteynerlərdir, eyni zamanda dəyişkəndir və lazım olduğu kimi azaldıla və ya genişləndirilə bilər. Tuples string kimi dəyişməzdir və bu, onlar arasındakı ən əhəmiyyətli fərqdir. Bu halda tuples daxilində silmə və ya dəyişmə əməliyyatı bütün dəyişənlər üzərində aparılır, amma tək bir element üzərində bu əməliyyat aparılması mümkün deyildir. Tuples həmçinin nəzərə çarpan dərəcədə daha sürətlidir və daha az yaddaş tələb edir.

Sets unikal elementlərin dəyişkən, nizamsız ardıcıllığıdır. Python-dakı dictionary əsas dəyər cütlərini özündə cəmləşdirir, dictionary və sets arasındakı əsas fərq dictionary-nin vahid dəyərlər əvəzinə açar dəyər cütlərini tutmasıdır.

Dictionary böyük mötərizələr daxilində qeyd olunur: d = {"a":1, "b":2}

Lists transkriptlər ilə hər iki tərəfdən yazılır: l = [1, 2, "a"]

Sets də həmçinin böyük mötərizələr ilə qeyd olunur: s = {1, 2, 3}

Tuples isə mötərizələr ilə qeyd olunur: t = (1, 2, "a")

Yuxarıda göstərilənlərin hamısının öz üstünlükləri və mənfi cəhətləri var. Belə ki, ən yaxşı nəticələr əldə etmək üçün onları istifadə edərək hansının sizin üçün daha faydalı olacağını müəyyən edə bilərsiniz.

Böyük məlumat dəstləri ilə məşğul olduğunuz zaman, struktursuz məlumatların "təmizlənməsi" üçün əhəmiyyətli vaxt sərf etməlisiniz.

Beləliklə, məlumatların təhlili ilə məşğul olmazdan əvvəl, işləməyiniz üçün məlumatları formaya bölmək lazımdır. Bu, NumPy və Pandas ilə asanlıqla əldə edilə bilər. Data Science ilə maraqlananlar üçün birbaşa Pythonun yüklənməsi və kortəbii şəkildə istifadə olunması çətinlik yarada bilər. Buna görə də ən yaxşı vasitə kimi Anaconda Python distribution yüklənməsi məqsədə uyğun hesab olunur. Burada sizə lazım olacaq vasitələrin çoxu yüklənəcəkdir və bu, bir çox platformalar üçün əlverişlidir.

Jupyter/İPython Notebook Nədir?

Jupyter (əvvəllər iPython kimi tanınan) Notebook məlumatları kodlaşdırmağa, araşdırmağa və veb-brauzerdə düzəltməyə imkan verən interaktiv proqramlaşdırma mühitidir. Anacondanın yüklənməsi ilə onun da yüklənməsi həyata keçirilir. İstifadəsinin sadəliyinə aid bir nümunə:

In 1: print('Hello World')

Out 1: Hello World

Python kitabxanalarına ümumi Baxış

Data Science və Machine Learning üçün bir çox aktiv kitabxanalar mövcuddur və aşağıda bir neçəsinə nəzər salacayıq:

MATPLOTLIB

Matplotlib məlumatların vizuallaşdırılması üçün faydalı olan Python modulu kimi təsvir edilə bilər. Məsələn, Matplotlib istifadə edərək xətti qrafika, bar graphs, pie charts yarada bilərsiniz.

Matplotlib bütün əməliyyat sistemlərinin bir neçə qrafik interfeysini dəstəkləyir və aparıcı qrafik və vektor formatlarını ixrac etməyə imkan verir.

NUMPY

NumPy, ("Numerical Python"-dan qısaldılmış) rəqəmli prosedurlar üçün sürətli, öncədən tərtib edilmiş funksiyaları təklif edir. Nəticədə böyük çoxölçülü massivlərlə və matrislərlə işləmək daha asan olur. Numpy istifadə edərkən məlumat dəstlərdə standart riyazi əməliyyatları tətbiq etmək üçün uzun dövrlər yaratmağa ehtiyac qalmır. Amma Numpy güclü data analitika funksiyalarını və performansını tam olaraq təmin edə bilmir.

SciPy

SciPy məlumatların elmində xətti cəbr, inteqrasiya, optimallaşdırma, statistika və digər tez-tez istifadə olunan vəzifələr üçün Python moduludur. İstifadəçi üçün çox rahatdır və N ölçülü array ilə sürətli və rahat manipulyasiyanı təmin edir.

SciPy-nin əsas funksionallığı Numpy paketi əsaslı olmasıdır. Belə ki, onun sahib olduğu array əsasən numpy kitabxanasından asılıdır. O xüsusi submodullarının köməyi ilə optimallaşdırılma kimi effektiv ədədi prosedurları təmin edir.

PANDAS

Pandas məlumat mübadiləsi və məlumat ötürülməsi üçün mükəmməl olan yüksək səviyyəli məlumat strukturları və vasitələrini özündə ehtiva edən bir Python paketidir. Onlar məlumatların sürətli və problemsiz təhlili, məlumatların emalı, toplama və vizuallaşdırılması üçün nəzərdə tutulmuşdur. Pandas da NumPy üzərində qurulmuşdur. Pandas  Python-dan istifadə etməklə itmiş məlumatları idarə etməyi asanlaşdırır və müxtəlif mənbələrdən alınan məlumatlar nəticəsində yaranan ümumi səhvlərin qarşısı alınır.

PYTORCH

Torch-a əsaslanan PyTorch, ilk növbədə, Facebook-un süni intellekt araşdırma qrupu üçün qurulmuş açıq mənbə Machine Learning kitabxanasıdır. Təbii dil işlənməsi və Machine Learning üçün əla bir vasitə olsa da, Data Science üçün də səmərəli istifadə edilə bilər.

SEABORN

Seaborn statistik modellərin vizuallaşdırılmasında çox tətbiq edilir və Matplotlib-i əsas kitabxana (NumPy ilə Pandas kimi) kimi qiymətləndirir. İstilik xəritələri, statistik mənalı süjetlər və ya estetik cəhətdən xoş sahələr yaratmağa çalışmağınızdan asılı olmayaraq Seaborn hamısını standart olaraq edir.

Seaborn Pandas kimi Anaconda ilə hazır paket şəklində yüklənmir, lakin asanlıqla quraşdırıla bilər.

SCIKIT-LEARN

Scikit-Learn SciPy-nin üstündə qurulmuş Machine Learning-ə yönəldilmiş bir moduldur. Kitabxana ardıcıl interfeysi ilə ML alqoritmlərinin ümumi dəstini təmin edir və istifadəçilərə məlumat dəstlərində populyar alqoritmləri tez bir zamanda həyata keçirməyə kömək edir. Ayrıca təsnifat, klasterləşdirmə və reqressiya kimi ümumi Machine Learning vəzifələri üçün bütün standart vasitələrə malikdir.