INTRODUCTION À PYTHON POUR L'ANALYSE DE DONNÉES

Au cours d'une session engageante et informative cette semaine avec Lux Tech Academy Kenya, nous avons découvert une introduction complète à Python pour les données et l'analyse.

Tout d'abord, vous devrez installer le téléchargement d'Anaconda et lancer le notebook Jupyter. Voici un lien pour télécharger Anaconda/Jupyter Notebooks : Installation des notebooks Anaconda/Jupyter

Je me sens comme un récipient rempli à ras bord de toutes ces connaissances, dont je partagerai quelques points forts.

Les tuples font référence à des types de données intégrés qui facilitent l'organisation des données, similaires aux listes mais qui sont plus uniques. Ils sont définis à l’aide de parentheses;my_cars= (1,2,3). Les tuples représentent une collection fixe d'éléments qui ne changent pas au fil du temps, tels que les latitudes et les longitudes. Contrairement aux listes, les tuples ne sont pas modifiables ; une fois définis, on ne peut pas changer ou altérer les éléments d'un tuple.

Les listes Python font également référence à des systèmes de données intégrés qui vous permettent d'organiser les informations dans certaines catégories légèrement différentes des tuples. Voici un exemple de liste de fruits : my_fruits=['mangos','apples','grapes']
Les listes peuvent stocker des éléments de différents types de données, leurs éléments sont modifiables grâce à l'utilisation de fonctions telles que .apend(),.remove()etc et peuvent donc croître dynamiquement dans le programme.

Les tableaux NumPy fournissent également un moyen efficace de stocker de grands ensembles de données dans les bibliothèques Python, mais diffèrent des listes et des tuples des manières suivantes : ils stockent uniquement des éléments du même type de données, ils utilisent moins d'espace mémoire et n'ont pas de processus en boucle. puisqu'ils prennent en charge les opérations vectorisées.

Il existe différents processus qui gèrent l'utilisation de la mémoire en Python, mais nous nous concentrerons principalement sur le garbage collection. Cela réserve de la mémoire en supprimant les objets qui ne sont plus nécessaires aux programmes.

1.La collecte des déchets peut être effectuée via :
Comptage de références : qui suit le nombre de références pointant vers un objet particulier dans un programme Python. Lorsque le nombre de références tombe à zéro, la mémoire utilisée par l'objet est supprimée.

2.Collection cyclique : elle est similaire à cette dernière mais est utilisée dans les cas où des objets se référencent les uns les autres dans un cycle.

Enfin, je ferai la lumière sur les fonctions d'un script d'analyse. Une fonction est une ligne de code réutilisable qui peut être appelée plusieurs fois pour effectuer la même tâche. La syntaxe de base est :
`def nom_fonction (opération)
bloc de code

décrivant la fonction

valeur de retour
Exemple :
squared_list=[b**2 pour b dans la plage(1,10)]
print(squared_list)`
Sortie : [1,4,9,16,49,64,81]

Jupyter Notebook est très convivial pour les débutants, je le recommande donc fortement pour cela.
Ce n'est qu'une partie émergée de l'iceberg et j'ai hâte d'en apprendre davantage lors de mon prochain cours. La connaissance, c'est le pouvoir, alors continuons à apprendre et à construire pour nous façonner un avenir meilleur !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!