Python adatkészlet: Ismételhető kódok alkalmazása

Ebből a blogból megtudhatja, hogyan alkalmazhat megismételhető kódokat vagy függvényeket azonos típusú kimenetek előállítására. Ez segít hatékonyabbá tenni, és kevesebb erőfeszítést tesz bizonyos adatok különböző adatkészletekből való előhívása során. Ebben az oktatóanyagban egy létező kódot fogunk használni, amelyet korábban készítettem példaként.

Azt is megtudhatja, hogyan készíthet másolatokat az adatkészletekről, hogy elkerülje az adatkészlet eredeti verziójának károsodását, hogyan importálhat könyvtárakat és függvényeket ismételhető kódok használatával, valamint .

Ehhez a bloghoz azt javaslom, hogy mindig szerezze be a CSV- fájlt, és vigye át a LuckyTemplatesbe. Azt is bemutatom, hogyan hozhatjuk be ezt a CSV-fájlt, és hogyan helyezhetjük el közvetlenül a LuckyTemplates-be, arra az esetre, ha meg kell tennie.

Tartalomjegyzék

• CSV-fájl letöltése a LuckyTemplates alkalmazásban
• Másolat készítése a Python adatkészletről
• Adatkészlet átalakítása Python-szkript futtatásával
• Az adatkészlet ellenőrzése
• Könyvtárak és függvények importálása megismételhető kódok használatával
• Adattáblázatok generálása
• Következtetés

CSV-fájl letöltése a LuckyTemplates alkalmazásban

A CSV-fájl LuckyTemplates szolgáltatásba való hozásához először kattintson a Kezdőlap szalag „ Adatok beszerzése ” menüjére .

A kattintás után egy legördülő menü jelenik meg, és ki kell választania a „ Szöveg/CSV ” opciót a menüből.

Miután kiválasztotta a „ Szöveg/CSV ” opciót, megnyílik egy ablak, ahol kiválaszthatjuk azt a fájlt, amelyet be szeretnénk vinni a LuckyTemplatesbe. Ebben a példában használjuk az IMDB Dataset fájlt. 

Az IMDB Dataset.csv fájl megnyitásakor egy másik ablak jelenik meg, amely megjeleníti a fájlon belüli adatokat. Mivel ez a fájl nagy mennyiségű adatot tartalmaz, csak az adatok egy részét jeleníti meg.

Az első dolog, amit ebben a fájlban meg fogunk tenni, az az átalakítás. Ehhez egyszerűen kattintson az „ Adatok átalakítása ” lehetőségre az ablak jobb alsó részén.

Másolat készítése a Python adatkészletről

Mielőtt bármilyen változtatást végrehajtanánk ezen az adatkészleten, fontos, hogy másolatot készítsünk az eredeti adatkészletről. Ehhez kattintson a jobb gombbal az adatkészletre. 

Ezután a menüből válassza a „ Másolás ” lehetőséget.

Végül kattintson a jobb gombbal a Lekérdezések panelre, majd válassza a „ Beillesztés ” lehetőséget a lehetőségek közül.

A lépések végrehajtása után rendelkeznie kell az eredeti IMDB-adatkészlet másolatával a Lekérdezések panelen.

Adatkészlet átalakítása Python-szkript futtatásával

Egy CSV-fájl átalakításával nagy mennyiségű Python-adatkészletet bonthat kisebbekre. Ezt úgy tehetjük meg, hogy alkalmazunk néhány Python-szkriptet ebben a fájlban.

De először meg kell győződnünk arról, hogy a fejlécek megfelelően vannak-e sorakozva. Kattintson a Kezdőlap menüre, majd keresse meg az „ Első sor használata fejlécként ” lehetőséget, és kattintson rá.

Miután rákattintott az „ Első sor használata fejlécként ” lehetőségre, a fejlécek az előző első sorok adataivá változtak, amelyek a következők: „ vélemény ” és „ vélemény ”.

Ezután lépjen az Átalakítás menübe, és kattintson a „ Python Script futtatása ” lehetőségre a „ Szkriptek ” csoportban.

Ezt követően megjelenik egy „ Python Script futtatása ” ablak. Ebben az ablakban bármely kívánt Python-szkriptet futtathat az aktuálisan használt fájl átalakításához. Ebben a példában a következő kód futtatásával kisebbre fogom tenni az adatkészletet.

Az adatkészleten az .iloc függvényt használtam az IMDB adatkészlet adott sorainak és oszlopainak kiválasztásához. Ezután a paraméterekben az IMDB Dataset összes első 500 sorát és oszlopát kiválasztottam . Egy „ dataset ” nevű változóban tároltam .

A szkript végrehajtása után látnunk kell az „adatkészletet”, amely az előző lépésben létrehozott változó. Tartalmazza azokat az adatokat, amelyeket a Python-szkripttel módosítottunk.

Az adatkészlet ellenőrzése

Az adatkészlettábla megnyitásához kattintson a „ Táblázat ” elemre az Érték oszlopban.

Láthatjuk, hogy ez az adatkészlet immár 500 sornyira csökkent .

Most, hogy az adatkészletünket 500 sorra bontottuk, a következő lépés a szükséges könyvtárak importálása. Ezt ugyanazzal az eljárással fogjuk megtenni, mint az IMDB Dataset tartalmának megváltoztatásakor. Ez annak biztosítására szolgál, hogy kódunk bizonyos forgatókönyvekben kevesebb módosítással kezelhető legyen.

Könyvtárak és függvények importálása megismételhető kódok használatával

A könyvtárak importálásához térjünk vissza a jegyzetfüzetünkhöz, és másoljuk át a szükséges könyvtárakat. Ne feledje, hogy az oktatóanyag előtt már létrehoztam ezeket a könyvtárakat, amelyeket másolni készülünk. Ezeket csak azért használom fel újra, hogy világos képet kapj a függvények ismételhető kódként való használatáról.

A könyvtárak másolása után illessze be őket a „ Szkript futtatása ” ablakba, és ne felejtse el beilleszteni a „ from collections import Counter ” sort a szkript végére. 

Ezután kimásoljuk az adattisztító funkciót a notebookunkból, és hozzáadjuk a LuckyTemplates szkripthez.

Hozzáadjuk a könyvtárak alá. 

Az imént hozzáadott függvény meghívásához szükséges kódot is átmásoljuk.

Ezután illessze be a LuckyTemplates Python-szkriptbe.

Adattáblázatok generálása

Most, hogy hozzáadtuk a függvény meghívásához szükséges kódot, a „ df2 ”-t „adatkészletre ” , a „ címet ” pedig „ ellenőrzésre ” kell módosítanunk . Ezt az adatkészletben végrehajtott változtatások miatt tettük.

A „df2”-t „ adatkészletre ” változtattuk , mert az adatokat 500 sorral tároltuk az „adatkészletben”. Majd a „title”-nél frissítettük „review”-ra az oszlopok fejléceinek megváltoztatása miatt.

Ezekkel a kódokkal hozzá kell tudnunk hozni vagy előállítani 3 táblát, amelyek a data1 a szógyakorisághoz, a data2 a bitgyakorisághoz és a data3 a trigramok gyakoriságához.

Másik másolatot is készíthet erről a módosított IMDB-adatkészletről (2), hogy később egy másik táblát nyisson meg.

Most az IMDB Datasetben (2) nyissuk meg a data1 táblát . 

 A data1 tábla megnyitása után láthatjuk a szavak listáját, valamint a gyakoriságot.

Amint láthatja, bizonyos eljárásokat a fő adatkészletből tudunk végrehajtani a Jupyter Notebookból vett megismételhető kódok használatával. Ezekkel az ismételhető kódokkal képesek vagyunk átalakítani egy Python-adatkészletet, és táblázatot generálni a szógyakorisághoz, a nagyszámú gyakorisághoz és a trigramok gyakoriságához anélkül, hogy újra begépelnénk a kódokat.

Az IMDB Datasetben (3) nyissuk meg a data2 táblát , hogy megnézhessük a bigram gyakoriságot.

A nagyszámú gyakorisági táblázatban a listában szereplő „ br ” látható . Ez valószínűleg egy HTML kódhoz kapcsolódik. Egyszerűen visszatérhetünk és hozzáadhatunk valami mást, de ebben az oktatóanyagban ezt nem fogjuk megtenni.

Most, hogy az adatok betöltése megtörtént az ismételhető kódok segítségével, elkezdhetjük a LuckyTemplates vizualizációk készítését. Például a az egyes szavak gyakoriságára. 

Következtetés

Összefoglalva, az ismételhető kódok segíthetnek abban, hogy bizonyos eljárásokat kisebb erőfeszítéssel hajtson végre egy adatkészleten. Megtanulta, hogyan használhat megismételhető kódokat Python-adatkészletek átalakítására a LuckyTemplates alkalmazásban. Az .iloc függvényt is használhatta az adatkészlet módosításánál kiválasztandó sorok és oszlopok megadására.

Ezenkívül másolatokat hozott létre az adatkészletekről, és egy oszlopdiagram segítségével vizualizációt hozott létre. Ez a vizualizáció az általunk létrehozott és megismételhető kódok segítségével módosított Python-adatkészleteken alapul.

Minden jót,

Gaellim