データ分析のための Python 入門

今週の Lux Tech Academy Kenya との魅力的で有益なセッションでは、データと分析のための Python の包括的な入門を受講しました。

まず最初に、Anaconda のダウンロードをインストールし、Jupyter ノートブックを起動する必要があります。 Anaconda/Jupyter Notebooks をダウンロードするためのリンクは次のとおりです: Anaconda/Jupyter Notebook のインストール

私は、このすべての知識の恵みをふちまで満たした器のような気分です。その中からいくつかのハイライトを共有します。

タプルは、データの編成を容易にする組み込みのデータ型を指し、リストに似ていますが、よりユニークです。これらは括弧を使用して定義されます;my_cars= (1,2,3)。タプルは、経度や緯度など、時間の経過とともに変化しない項目の固定コレクションを表します。リストとは異なり、タプルは変更できません。一度定義すると、タプル内の要素を変更したり変更したりすることはできません。

Python リストは、タプルとは若干異なる特定のカテゴリーで情報を整理できる組み込みデータ システムも指します。以下は果物のリストの例です: my_fruits=['mangos','apples','grapes']
リストにはさまざまなデータ型の要素を格納でき、それらの要素は .apend()、.remove() などの関数を使用して変更できるため、プログラム内で動的に拡張できます。

NumPy 配列も、Python ライブラリに大規模なデータ セットを格納する効率的な方法を提供しますが、次の点でリストやタプルとは異なります: 同じデータ型の要素のみを格納し、使用するメモリ領域が少なく、ループ プロセスがありません。ベクトル化された操作をサポートしているためです。

Python にはメモリ使用量を処理するさまざまなプロセスがありますが、ここでは主にガベージ コレクションに焦点を当てます。これは、プログラムで不要になったオブジェクトを削除することでメモリを確保します。

1.ガベージコレクションは次の方法で実行できます:
参照カウント: Python プログラム内の特定のオブジェクトを指す参照の数を追跡します。参照カウントがゼロになると、オブジェクトによって使用されていたメモリが削除されます。

2.周期的コレクション: これは後者に似ていますが、オブジェクトが周期的に相互に参照する場合に使用されます。

最後に、分析スクリプトの関数について少し説明します。関数は、同じタスクを実行するために複数回呼び出すことができる再利用可能なコード行です。基本的な構文は次のとおりです:
`def 関数名(操作)
コードブロック

機能の説明

戻り値
例:
squared_list=[範囲(1,10)のbのb**2]
print(squared_list)`
出力: [1,4,9,16,49,64,81]

Jupyter Notebook は非常に初心者に優しいので、これを強くお勧めします。
これは氷山の一角にすぎません。次のクラスでさらに詳しく学ぶのが待ちきれません。知識は力です。学習と構築を続けて、より良い未来を築いていきましょう!

以上がデータ分析のための Python 入門の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。