Hur man laddar exempeldataset i Python

I det här inlägget ska vi titta på hur man laddar exempeldatauppsättningar i Python. Det här kanske inte verkar vara det mest glamorösa ämnet, men det är faktiskt ganska viktigt. Helst kommer du att ha några dataset i Python som du kan öva på när du lär dig nya koncept. Du kan se hela videon av denna handledning längst ner på den här bloggen.

Om du ska dela med dig av din kod , dokumentera vad du har gjort eller behöver hjälp är det verkligen en bra idé att använda en allmänt tillgänglig datauppsättning för att bygga något som kallas ett minimalt reproducerbart exempel .

Du kommer att ha en förbuntad kod eller ett skript som någon annan på internet kan köra och hjälpa dig med det. Om du inte producerar de här minimalt reproducerbara exemplen blir du upptänd på platser som Stack Overflow, vilket kan vara lite av en chock om du inte är bekant med det.

Låt oss titta på några sätt att bygga dessa minimalt reproducerbara exempel och få datauppsättningarna. Det finns några paket som du kan använda för att ladda i en färdig datauppsättning till Python och dela den koden runt.

Vi ska titta på tre paket som är de vanligaste. Låt oss tända en tom Jupyter-anteckningsbok och sätta igång.

Innehållsförteckning

• Ladda datauppsättningar i Python från Sklearn
• Ladda datauppsättningar i Python från Vega datauppsättningar
• Ladda datauppsättningar i Python från Seaborn
• Slutsats

Ladda datauppsättningar i Python från Sklearn

Den första vi ska titta på heter Sklearn . Om du använder Anaconda behöver du inte ladda ner detta. Om du vill ha mer hjälp med Python, har LuckyTemplates en som du kan registrera dig.

Jag antar att du redan känner till saker som paket och går därifrån. Vi kommer att ta in pandor och Sklearn, speciellt datauppsättningsundermodulen.

Vi kommer att ta med några av dessa datamängder. Scikit-learn – ett databibliotek för maskininlärning – kallar dem leksaksdataset. Vi ska ladda Boston, som är ett dataset för bostadspriser. När vi tar in detta måste vi ha det som en dataram.

Vi måste faktiskt specificera att data och kolumner kommer från Scikit-learn-datauppsättningen och separera funktionsvariablerna och målvariablerna.

Vi kommer att få in det här som en dataram så att vi kan arbeta och göra olika saker med det. Panda är ett så bra paket att känna till som LuckyTemplates-användare.

Ladda datauppsättningar i Python från Vega datauppsättningar

Ett annat alternativ vi kan lära oss är paketet Vega dataset. Den här är inte tillgänglig på Anaconda men vi kan installera den via PIP. Det här är vad vi kommer att skriva på kommandoraden för att installera Vega-datauppsättningarna och för att installera eller importera den lokala datamodulen.

Vissa av dessa kan du faktiskt få, men du behöver en webbanslutning. Vi tar in de som är installerade lokalt genom att importera lokal data och köra den.

Som du kan se finns det en hel del datauppsättningar. Vissa av dessa är tidsserier, medan vissa av dessa har kategoriska eller kontinuerliga variabler. Låt oss välja bilens datauppsättning i en dataram så att vi kan köra huvudmetoden på den.

Nu har vi en annan exempeldatauppsättning som vi kan använda och dela.

Ladda datauppsättningar i Python från Seaborn

Seaborn är ett annat paket som är tillgängligt i Anaconda-distributionen. Som standard är Seaborn mest känd för datavisualisering, men den har också några fantastiska exempeldataset som du kan använda. Det här är vad vi kommer att skriva för att få datauppsättningar.

Som du kan se finns det en hel del datauppsättningar här. Vi går vidare och använder pingvinernas datauppsättning och får de första raderna igen.

Resultatet är ytterligare en datauppsättning för oss att öva på.

Tanken här är inte bara att ha datamängderna att öva på. Om vi ​​ser några saknade värden, har problem med att ta bort datamängder, vill fylla i den kategoriska variabeln eller visa ett exempel för andra människor utan att ge några känsliga data, kan du bara använda en av dessa allmänt tillgängliga datauppsättningar som är riktigt, riktigt enkla för människor att använda och dela. Det är tanken med ett minimalt reproducerbart exempel.

Slutsats

För att sammanfatta finns det tre ställen att leta efter exempeldatauppsättningar. Scikit-learn är ett maskininlärningspaket. Det är lite svårare att konvertera, men om du gör saker relaterade till maskininlärning är det här platsen att gå. Vega dataset har också ett ganska stort antal datamängder, speciellt om du använder metoden för att hämta datamängder från webben men det är relativt svårare att ladda så du måste bara använda PIP jämfört med att ha det förinstallerat med Anaconda. Seaborn är sweet spot eftersom den laddar dataramen och den har en hel del mångsidighet när det kommer till att använda exempeldataset och reproducerbara exempel.

Stack Overflow har också en handledning om hur man skriver ett bra minimalt reproducerbart exempel eller MRE, så kolla in det om du funderar på att lägga upp något online.

Att veta var man kan få tag i bra datauppsättningar och dela en bra MRE är en väldigt viktig färdighet att ha som analytiker.

Om du gillade innehållet i denna handledning, vänligen prenumerera på LuckyTemplates TV-kanal. Vi har en enorm mängd innehåll som kommer ut hela tiden från mig själv och en rad innehållsskapare – alla dedikerade till att förbättra ditt sätt att använda LuckyTemplates och Power Platform.