Python-tietojoukko: Toistettavien koodien käyttäminen

Tässä blogissa opit käyttämään toistettavia koodeja tai toimintoja samantyyppisten tulosteiden tuottamiseksi. Tämä auttaa sinua olemaan tehokkaampi ja käyttämään vähemmän vaivaa tiettyjen tietojen hakemisessa eri tietojoukoista. Tässä opetusohjelmassa käytämme esimerkkinä olemassa olevaa koodia, jonka olen aiemmin luonut.

Opit myös tekemään kopioita tietojoukoista, jotta tietojoukon alkuperäinen versio ei vahingoitu, tuoda kirjastoja ja toimintoja toistettavien koodien avulla ja .

Tätä blogia varten suosittelen, että hankit CSV- tiedoston koko ajan ja tuot sen LuckyTemplatesille. Näytän myös, kuinka voimme tuoda tämän CSV-tiedoston ja sijoittaa sen suoraan LuckyTemplatesiin siltä varalta, että sinun on tehtävä se.

Sisällysluettelo

• CSV-tiedoston hakeminen LuckyTemplatesissa
• Kopion tekeminen Python-tietojoukosta
• Tietojoukon muuntaminen suorittamalla Python-komentosarja
• Tietojoukon tarkistaminen
• Kirjastojen ja funktioiden tuominen toistettavien koodien avulla
• Datataulukoiden luominen
• Johtopäätös

CSV-tiedoston hakeminen LuckyTemplatesissa

Jos haluat tuoda CSV-tiedoston LuckyTemplatesille, sinun on ensin napsautettava Koti-nauhan Hae tiedot -valikkoa .

Napsautuksen jälkeen avattava valikko tulee näkyviin ja sinun on valittava valikosta teksti/CSV -vaihtoehto.

Kun olet valinnut " Teksti/CSV " -vaihtoehdon, avautuu ikkuna, jossa voimme valita tiedoston, jonka haluamme tuoda LuckyTemplatesiin. Tässä esimerkissä käytetään IMDB Dataset -tiedostoa. 

Kun avaat IMDB Dataset.csv- tiedoston, näet toisen ikkunan, joka näyttää tiedoston sisältämät tiedot. Koska tämä tiedosto sisältää suuren määrän tietoa, se esikatselee vain osaa tiedoista.

Ensimmäinen asia, jonka aiomme tehdä tässä tiedostossa, on muuttaa se. Voit tehdä sen napsauttamalla " Muunna tiedot " -vaihtoehtoa ikkunan oikeassa alakulmassa.

Kopion tekeminen Python-tietojoukosta

Ennen kuin teemme muutoksia tähän tietojoukkoon, on tärkeää tehdä kopio alkuperäisestä tietojoukosta. Voit tehdä tämän napsauttamalla tietojoukkoa hiiren kakkospainikkeella. 

Valitse sitten valikosta " Kopioi ".

Napsauta lopuksi hiiren kakkospainikkeella Kyselyt- paneelia ja valitse sitten vaihtoehdoista " Liitä ".

Kun olet suorittanut nämä vaiheet, sinulla pitäisi olla kopio alkuperäisestä IMDB-tietojoukosta Kyselyt- paneelissa .

Tietojoukon muuntaminen suorittamalla Python-komentosarja

Muuttamalla CSV-tiedoston voit pilkkoa suuria määriä Python-tietojoukkoja pienemmiksi. Voimme tehdä sen käyttämällä jotain Python-komentosarjaa tähän tiedostoon.

Mutta ensin meidän on varmistettava, että otsikot on asetettu oikein. Napsauta Koti -valikkoa ja etsi sitten " Käytä ensimmäistä riviä otsikoina " -vaihtoehto ja napsauta sitä.

Kun olet napsauttanut " Käytä ensimmäistä riviä otsikoina " -vaihtoehtoa, otsikot muuttuivat aiempien ensimmäisten rivien tiedoiksi, jotka ovat " arvostelu " ja " tunne ".

Siirry seuraavaksi Muunna -valikkoon ja napsauta " Suorita Python-skripti " -vaihtoehtoa " Skriptit " -asetusryhmässä.

Sen jälkeen " Suorita Python Script " -ikkuna avautuu. Tässä ikkunassa voit suorittaa minkä tahansa Python-komentosarjan muuttaaksesi nykyisen käyttämäsi tiedoston. Tässä esimerkissä aion pienentää tietojoukon suorittamalla seuraavan koodin.

Käytin tietojoukon .iloc- funktiota valitakseni tietyt rivit ja sarakkeet IMDB-tietojoukosta. Sitten valitsin parametreista kaikki ensimmäiset 500 riviä ja kaikki sarakkeet IMDB-tietojoukosta. Tallensin sen muuttujaan nimeltä " datasarja ".

Skriptin suorittamisen jälkeen meidän pitäisi nähdä "tietojoukko", joka on muuttuja, jonka loimme edellisessä vaiheessa. Se sisältää tiedot, joita olemme muuttaneet Python-skriptillä.

Tietojoukon tarkistaminen

Avaa tietojoukkotaulukko napsauttamalla Arvo- sarakkeen alla olevaa Taulukko - kohtaa .

Voimme nähdä, että tämä tietojoukko on nyt 500 riviä .

Nyt kun olemme jakaneet tietojoukkomme 500 riviin, seuraavaksi aiomme tuoda tarvitsemamme kirjastot. Teemme sen samalla menettelyllä kuin muutimme IMDB-tietojoukon sisältöä. Tällä varmistetaan, että koodimme on hallittavissa tietyissä skenaarioissa vähemmällä muutoksilla.

Kirjastojen ja funktioiden tuominen toistettavien koodien avulla

Tuodaksesi kirjastot, palataan muistikirjaamme ja kopioidaan tarvitsemamme kirjastot. Muista, että ennen tätä opetusohjelmaa olen jo luonut nämä kirjastot, jotka olemme kopioimassa. Käytän näitä vain uudelleen, jotta saat selkeän käsityksen funktioiden käytöstä toistettavissa olevina koodeina.

Kun kirjastot on kopioitu, liitä ne " Suorita komentosarja " -ikkunaan ja älä unohda lisätä riviä " from collections import Counter " skriptin loppuun. 

Sitten kopioimme tietojen puhdistustoiminnon muistikirjastamme ja lisäämme sen LuckyTemplatesin skriptiin.

Lisäämme sen kirjastojen alle. 

Kopioimme myös koodin juuri lisäämämme funktion kutsumiseksi.

Liitä se sitten Python-skriptiin LuckyTemplatesissa.

Datataulukoiden luominen

Nyt kun olemme lisänneet koodin funktion kutsua varten, meidän on muutettava " df2 " muotoon " datasarja " ja " otsikko " arvoksi " tarkistus ". Teimme tämän tietoaineistoon tekemiemme muutosten vuoksi.

Muutimme "df2":ksi " datajoukon ", koska tallensimme 500 rivin tiedot "tietojoukkoon". Sitten "otsikko" päivitimme sen arvoksi "arvostelu" sarakkeiden otsikoiden muuttamisen seurauksena.

Kun nämä koodit on lisätty, meidän pitäisi pystyä saamaan tai luomaan 3 taulukkoa, jotka ovat data1 sanan taajuudelle, data2 bittitaajuudelle ja data3 trigrammien taajuudelle.

Voit myös tehdä uuden kopion tästä muutetusta IMDB-tietojoukosta (2) avataksesi toisen taulukon myöhemmin.

Avataan nyt IMDB-tietojoukossa (2) data1 - taulukko . 

 Kun data1-taulukko on avattu, voimme nähdä sanaluettelon sekä esiintymistiheyden.

Kuten näet, voimme suorittaa tiettyjä toimenpiteitä päätietojoukosta käyttämällä toistettavia koodeja, jotka otimme Jupyter-muistikirjasta. Näiden toistettavien koodien avulla pystymme muuttamaan Python-tietojoukon ja luomaan taulukon sanan taajuudelle, bigrammin taajuudelle ja trigrammitaajuudelle kirjoittamatta koodeja uudestaan.

Avataan IMDB- tietojoukossa (3) data2-taulukko nähdäksesi bigg-taajuus.

Bigg-taajuustaulukossa näet luettelossa olevan " br ". Tämä on luultavasti yhdistetty HTML-koodiin. Voimme yksinkertaisesti palata takaisin ja lisätä jotain muuta, mutta emme aio tehdä sitä tässä opetusohjelmassa.

Nyt kun tiedot on ladattu toistettavien koodien avulla, voimme alkaa tehdä niistä visualisointeja LuckyTemplatesissa. Esimerkiksi a kunkin sanan tiheydelle. 

Johtopäätös

Yhteenvetona voidaan todeta, että toistettavat koodit voivat auttaa sinua suorittamaan tiettyjä toimenpiteitä tietojoukolle pienemmällä vaivalla. Olet oppinut käyttämään toistettavia koodeja Python-tietojoukon muuntamiseen LuckyTemplatesissa. Pystyit myös käyttämään .iloc -funktiota määrittämään rivit ja sarakkeet, jotka valitaan tietojoukkoa muuttaessa.

Lisäksi olet luonut kopioita tietojoukoista ja luonut visualisoinnin pylväsdiagrammin avulla. Tämä visualisointi perustuu Python-tietosarjoihin, joita olemme luoneet ja muuttaneet toistettavien koodien avulla.

Kaikki parhaat,

Gaellim