Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล
เปิด Jupyter เขียนเซลล์ ใช้คำสั่งเมจิก และส่งออกสมุดบันทึก
Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล เป็นบทเรียน Learn AI with Python ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Learn AI with Python และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
สมุดบันทึกสำหรับการสำรวจ
สมุดบันทึก Jupyter รวมโค้ด ผลลัพธ์ กราฟ และข้อความอธิบายไว้ในเอกสารเดียว คุณเรียกใช้โค้ดใน เซลล์ ขนาดเล็ก โดยเก็บสถานะระหว่างเซลล์ไว้ได้ จึงเหมาะอย่างยิ่งสำหรับการสำรวจข้อมูลแบบปรับเปลี่ยนซ้ำไปมา
สมุดบันทึกเทียบกับ Lab
Jupyter Notebook คือส่วนติดต่อแบบเอกสารเดียวแบบดั้งเดิม ส่วน JupyterLab คือส่วนติดต่อสมัยใหม่ที่มีลักษณะคล้ายสภาพแวดล้อมการพัฒนาแบบรวม พร้อมตัวเรียกดูไฟล์ แท็บ และแผงหลายส่วน ทั้งสองแบบใช้ไฟล์ .ipynb เดียวกัน
pip install jupyterlab notebook
jupyter lab # modern interface
jupyter notebook # classic interfaceชนิดของเซลล์
เซลล์มีสองชนิด ได้แก่ โค้ด ซึ่งเคอร์เนลเป็นผู้เรียกใช้ และ Markdown ซึ่งแสดงผลเป็นข้อความที่จัดรูปแบบแล้วสำหรับคำอธิบาย เปลี่ยนเซลล์เป็น Markdown ด้วยปุ่ม M และเปลี่ยนกลับเป็นโค้ดด้วยปุ่ม Y
# Code cell
import numpy as np
np.arange(5)
# Markdown cell (rendered):
# ## Section title
# Some **bold** explanation.การเรียกใช้และผลลัพธ์
กด Shift+Enter เพื่อเรียกใช้เซลล์และเลื่อนไปยังเซลล์ถัดไป ค่าของนิพจน์สุดท้ายจะแสดงโดยอัตโนมัติ ไม่จำเป็นต้องใช้ print
x = 2 + 2
x # displays 4 below the cellการจับเวลาด้วย %timeit
คำสั่งพิเศษระดับบรรทัด %timeit จะเรียกใช้คำสั่งเดิมหลายครั้งและรายงานค่าเฉลี่ย วิธีนี้เป็นมาตรฐานสำหรับเปรียบเทียบการทำงานแต่ละแบบ
%timeit sum(range(1000))
# 1000 loops, best of 5: 12.3 us per loopการจับเวลาทั้งเซลล์
เพิ่มเครื่องหมายเปอร์เซ็นต์เป็นสองตัวเพื่อใช้คำสั่งพิเศษระดับเซลล์ %%timeit จะจับเวลาทั้งเซลล์แทนที่จะจับเวลาเพียงบรรทัดเดียว
%%timeit
total = 0
for i in range(1000):
total += iกราฟแบบแทรกในเอกสาร
%matplotlib inline บอกให้ Jupyter แสดงกราฟโดยตรงใต้เซลล์ในรูปภาพแบบคงที่ ตั้งค่านี้ครั้งเดียวใกล้ส่วนบนของสมุดบันทึก
%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1, 4, 9, 16])คำสั่งเชลล์ในเซลล์
เติม ! ไว้หน้าบรรทัดเพื่อเรียกใช้คำสั่งเชลล์ วิธีนี้สะดวกสำหรับตรวจสอบรุ่นหรือแสดงรายการไฟล์โดยไม่ต้องออกจากสมุดบันทึก
!pip install seaborn
!ls -la
!python --versionการเก็บผลลัพธ์จากเชลล์
คุณสามารถกำหนดผลลัพธ์จากเชลล์ให้กับตัวแปร Python ได้ ผลลัพธ์ที่ได้คือรายการของบรรทัดผลลัพธ์
files = !ls *.csv
print(len(files), "CSV files found")เคอร์เนล: เริ่มใหม่และเรียกใช้ทั้งหมด
การเรียกใช้ไม่ตามลำดับอาจซ่อนข้อบกพร่องไว้ เคอร์เนล → เริ่มใหม่และเรียกใช้ทั้งหมด จะล้างสถานะทั้งหมดและเรียกใช้ทุกเซลล์ใหม่จากบนลงล่าง เพื่อยืนยันว่าสมุดบันทึกของคุณทำงานซ้ำได้
การแสดงรายการชื่อที่กำหนดไว้
คำสั่งพิเศษ %who จะแสดงรายการตัวแปรที่กำหนดไว้ในเซสชัน ซึ่งมีประโยชน์หลังจากสำรวจข้อมูลเป็นเวลานานเพื่อดูว่ามีอะไรอยู่ในหน่วยความจำบ้าง
%who
# files np plt xตรวจสอบอย่างรวดเร็ว
ตรวจสอบความรู้พื้นฐานเกี่ยวกับสมุดบันทึกของคุณ
ทบทวน
ตอนนี้คุณสามารถทำงานกับสมุดบันทึกได้อย่างมีประสิทธิภาพ:
- Notebook แบบดั้งเดิมและ Lab แบบคล้ายสภาพแวดล้อมการพัฒนาแบบรวมใช้
.ipynbร่วมกัน - เซลล์มีชนิดโค้ดและ Markdown
%timeit/%%timeitใช้สำหรับวัดประสิทธิภาพ%matplotlib inlineใช้สำหรับกราฟ!cmdใช้สำหรับคำสั่งเชลล์- เริ่มใหม่และเรียกใช้ทั้งหมดเพื่อให้ทำซ้ำได้ และใช้
%whoเพื่อตรวจสอบสถานะ
คำถามที่พบบ่อย
บทเรียน “Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Learn AI with Python ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล”
เปิด Jupyter เขียนเซลล์ ใช้คำสั่งเมจิก และส่งออกสมุดบันทึก คุณปฏิบัติ Learn AI with Python ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Learn AI with Python หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Learn AI with Python บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Learn AI with Python นี้ได้ไหม
ได้ บทเรียน Learn AI with Python ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- สภาพแวดล้อมเสมือนและ pip
- Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล
- ชนิดข้อมูล Python สำหรับวิทยาศาสตร์ข้อมูล
- การใช้งาน Python REPL และ IPython