Python-biblioteker til AI

Pandas er et bibliotek til databehandling og -analyse. Det indeholder værktøjer til at arbejde med strukturerede data som tabeller og regneark, hvilket gør det populært blandt dataforskere.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df)

Scikit-learn er et bibliotek til maskinlæring. Det indeholder værktøjer til opgaver som klassifikation, regression og klyngedannelse. Du bruger Scikit-learn til at opbygge og evaluere modeller med kunstig intelligens.

from sklearn.linear_model import LinearRegression
model = LinearRegression()
print(model)

Du kan installere disse biblioteker ved hjælp af pip, Pythons pakkehåndtering. Kør følgende kommandoer i din terminal:

• pip install numpy
• pip install pandas
• pip install scikit-learn

NumPy gør det nemt at udføre operationer på arrays. Du kan for eksempel beregne summen af alle elementer eller ændre formen på et array.

import numpy as np
arr = np.array([[1, 2], [3, 4]])
print('Sum:', np.sum(arr))
print('Reshaped:', arr.reshape(4))

Pandas' DataFrame er et effektivt værktøj til håndtering af tabeldata. Du kan filtrere rækker, beregne statistikker og meget mere.

import pandas as pd
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df.describe())

Du har lært om tre vigtige Python-biblioteker til kunstig intelligens:

• NumPy: Til arbejde med arrays og udførelse af matematiske operationer.
• Pandas: Til håndtering og analyse af strukturerede data.
• Scikit-learn: Til opbygning og evaluering af modeller til maskinlæring.

Du har gennemført lektionen om Python-biblioteker til kunstig intelligens. Fortsæt med at lære mere om Pythons datatyper og datastrukturer i næste lektion.