Pythonbibliotek för AI

Pandas är ett bibliotek för datamanipulering och dataanalys. Det tillhandahåller verktyg för att arbeta med strukturerade data som tabeller och kalkylblad, vilket gör det populärt bland data scientists.

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

Scikit-learn är ett bibliotek för maskininlärning. Det tillhandahåller verktyg för uppgifter som klassificering, regression och klustring. Du kommer att använda Scikit-learn för att bygga och utvärdera AI-modeller.

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

Du kan installera dessa bibliotek med pip, Pythons pakethanterare. Kör följande kommandon i terminalen:

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

NumPy gör det enkelt att utföra operationer på arrayer. Du kan till exempel beräkna summan av alla element eller ändra formen på en array.

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

Pandas DataFrame är ett kraftfullt verktyg för att hantera tabelldata. Du kan filtrera rader, beräkna statistik och mycket mer.

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

Du har lärt dig om tre viktiga Python-bibliotek för AI:

• NumPy: För att arbeta med arrayer och utföra matematiska operationer.
• Pandas: För att hantera och analysera strukturerade data.
• Scikit-learn: För att bygga och utvärdera maskininlärningsmodeller.

Du har slutfört lektionen om Python-bibliotek för AI. Fortsätt för att lära dig mer om Pythons datatyper och datastrukturer i nästa lektion.