- •Об авторе
- •О научном редакторе
- •От издательства
- •Введение
- •Использование Python для data science
- •Для кого эта книга?
- •О чем эта книга?
- •Глава 1. Базовые знания о данных
- •Категории данных
- •Неструктурированные данные
- •Структурированные данные
- •Слабоструктурированные данные
- •Данные временных рядов
- •Источники данных
- •Веб-страницы
- •Базы данных
- •Файлы
- •Получение
- •Очистка
- •Преобразование
- •Анализ
- •Хранение
- •Питонический стиль
- •Выводы
- •Глава 2. Структуры данных Python
- •Списки
- •Создание списка
- •Использование общих методов списков
- •Использование срезов
- •Использование списка в качестве очереди
- •Использование списка в качестве стека
- •Использование списков и стеков для обработки естественного языка
- •Расширение функциональности с помощью списковых включений
- •Кортежи
- •Список кортежей
- •Неизменяемость
- •Словари
- •Список словарей
- •Добавление элементов в словарь с помощью setdefault()
- •Преобразование JSON в словарь
- •Множества
- •Удаление дубликатов из последовательности
- •Общие операции с множеством
- •Упражнение № 1: продвинутый анализ тегов фотографий
- •Выводы
- •NumPy
- •Установка NumPy
- •Создание массива NumPy
- •Выполнение поэлементных операций
- •Использование статистических функций NumPy
- •Упражнение № 2: использование статистических функций numpy
- •pandas
- •Установка pandas
- •pandas Series
- •Упражнение № 3: объединение трех серий
- •pandas DataFrame
- •Упражнение № 4: использование разных типов join
- •scikit-learn
- •Установка scikit-learn
- •Получение набора образцов
- •Преобразование загруженного датасета в pandas DataFrame
- •Разделение набора данных на обучающий и тестовый
- •Преобразование текста в числовые векторы признаков
- •Обучение и оценка модели
- •Создание прогнозов на новых данных
- •Выводы
- •Глава 4. Доступ к данным из файлов и API
- •Импортирование данных с помощью функции open()
- •Текстовые файлы
- •Файлы с табличными данными
- •Упражнение № 5: открытие json-файлов
- •Двоичные файлы
- •Экспортирование данных в файл
- •Доступ к удаленным файлам и API
- •Как работают HTTP-запросы
- •Библиотека urllib3
- •Библиотека Requests
- •Упражнение № 6: доступ к api с помощью requests
- •Перемещение данных в DataFrame и из него
- •Импортирование вложенных структур JSON
- •Конвертирование DataFrame в JSON
- •Выводы
- •Глава 5. Работа с базами данных
- •Реляционные базы данных
- •Понимание инструкций SQL
- •Начало работы с MySQL
- •Определение структуры базы данных
- •Вставка данных в БД
- •Запрос к базе данных
- •Упражнение № 8: объединение «один-ко-многим»
- •Использование инструментов аналитики баз данных
- •Базы данных NoSQL
- •Документоориентированные базы данных
- •Упражнение № 9: вставка и запрос нескольких документов
- •Выводы
- •Глава 6. Агрегирование данных
- •Данные для агрегирования
- •Объединение датафреймов
- •Группировка и агрегирование данных
- •Просмотр конкретных агрегированных показателей по MultiIndex
- •Срез диапазона агрегированных значений
- •Срезы на разных уровнях агрегирования
- •Добавление общего итога
- •Добавление промежуточных итогов
- •Выбор всех строк в группе
- •Выводы
- •Глава 7. Объединение датасетов
- •Объединение встроенных структур данных
- •Объединение списков и кортежей с помощью оператора +
- •Объединение словарей с помощью оператора **
- •Объединение строк из двух структур
- •Реализация join-объединений списков
- •Конкатенация массивов NumPy
- •Объединение структур данных pandas
- •Конкатенация датафреймов
- •Удаление столбцов/строк из датафрейма
- •Join-объединение двух датафреймов
- •Выводы
- •Глава 8. Визуализация
- •Распространенные способы визуализации
- •Линейные диаграммы
- •Столбчатые диаграммы
- •Круговые диаграммы
- •Гистограммы
- •Построение графиков с помощью Matplotlib
- •Установка Matplotlib
- •Использование matplotlib.pyplot
- •Работа с объектами Figure и Axes
- •Создание гистограммы с помощью subplots()
- •Совместимость Matplotlib с другими библиотеками
- •Построение графиков для данных pandas
- •Отображение данных геолокации с помощью Cartopy
- •Выводы
- •Глава 9. Анализ данных о местоположении
- •Получение данных о местоположении
- •Преобразование стандартного вида адреса в геокоординаты
- •Получение геокоординат движущегося объекта
- •Анализ пространственных данных с помощью geopy и Shapely
- •Поиск ближайшего объекта
- •Поиск объектов в определенной области
- •Объединение двух подходов
- •Упражнение № 15: совершенствование алгоритма подбора машины
- •Получение непространственных характеристик
- •Объединение датасетов с пространственными и непространственными данными
- •Выводы
- •Глава 10. Анализ данных временных рядов
- •Регулярные и нерегулярные временные ряды
- •Общие методы анализа временных рядов
- •Вычисление процентных изменений
- •Вычисление скользящего окна
- •Вычисление процентного изменения скользящего среднего
- •Многомерные временные ряды
- •Обработка многомерных временных рядов
- •Анализ зависимости между переменными
- •Выводы
- •Глава 11. Получение инсайтов из данных
- •Ассоциативные правила
- •Поддержка
- •Доверие
- •Лифт
- •Алгоритм Apriori
- •Создание датасета с транзакциями
- •Определение часто встречающихся наборов
- •Генерирование ассоциативных правил
- •Визуализация ассоциативных правил
- •Получение полезных инсайтов из ассоциативных правил
- •Генерирование рекомендаций
- •Планирование скидок на основе ассоциативных правил
- •Выводы
- •Глава 12. Машинное обучение для анализа данных
- •Почему машинное обучение?
- •Типы машинного обучения
- •Обучение с учителем
- •Обучение без учителя
- •Как работает машинное обучение
- •Данные для обучения
- •Статистическая модель
- •Неизвестные данные
- •Пример анализа тональности: классификация отзывов о товарах
- •Получение отзывов о товарах
- •Очистка данных
- •Разделение и преобразование данных
- •Обучение модели
- •Оценка модели
- •Упражнение № 19: расширение набора примеров
- •Прогнозирование тенденций фондового рынка
- •Получение данных
- •Извлечение признаков из непрерывных данных
- •Генерирование выходной переменной
- •Обучение и оценка модели
- •Выводы
52 Глава 2. Структуры данных Python
ПРИМЕЧАНИЕ
Если вы хотите узнать больше об обработке естественного языка, рекомендую мою книгу «Natural Language Processing with Python and spaCy», также изданную No Starch Press1.
Кортежи
Так же как и список, кортеж представляет собой упорядоченную коллекцию объектов. Однако, в отличие от списков, кортеж неизменяем (immutable), то есть после создания его нельзя изменить. Элементы в кортеже разделяются запятыми и могут быть дополнительно заключены в круглые скобки:
('Ford', 'Mustang', 1964)
Обычно кортежи используются для хранения коллекций разнородных данных, то есть данных разных типов, например марки, модели и года выпуска автомобиля. Как показывает пример выше, кортежи особенно полезны при хранении свойств реального объекта.
Список кортежей
Достаточно часто структуры данных Python вложены друг в друга. Например, у вас может быть список, каждый элемент которого является кортежем, что позволяет присвоить элементу более одного признака. Допустим, нам необходимо задать время начала для каждой задачи в списке дел, который мы создали ранее в этой главе. Каждый элемент списка станет самостоятельной структурой данных, состоящей из двух элементов: описания задачи и запланированного времени начала ее выполнения.
Для реализации такой структуры кортежи — идеальный выбор, поскольку они предназначены для сбора неоднородных данных в единую структуру. Наш список кортежей может выглядеть так:
[('8:00','Pay bills'), ('8:30','Tidy up'), ('9:30','Walk the dog'), ('10:00','Go to the pharmacy'), ('10:30','Cook dinner')]
Его можно создать из двух простых списков:
1Васильев Ю. «Обработка естественного языка. Python и spaCy на практике». СанктПетербург, издательство «Питер».
Кортежи 53
task_list = ['Pay bills', 'Tidy up', 'Walk the dog', 'Go to the pharmacy',
'Cook dinner']
tm_list = ['8:00', '8:30', '9:30', '10:00', '10:30']
Как видите, первый список — это исходный my_list, а второй — список, содержащий соответствующее время. Самый простой способ объединить их в список кортежей — использовать списковое включение, как показано ниже:
sched_list = [(tm, task) for tm, task in zip(tm_list, task_list)]
Внутри спискового включения используется функция zip(), которая проходит по двум простым спискам одновременно, объединяя соответствующее время и задачу в кортеж.
Как и в случае со списками, для доступа к элементу в кортеже необходимо указать индекс элемента, заключенный в квадратные скобки после имени кортежа. Однако обратите внимание, что кортежам, вложенным в список, не присваиваются имена. Чтобы получить доступ к элементу во вложенном кортеже, сначала нужно указать имя списка, затем индекс кортежа в списке и, наконец, индекс элемента в кортеже. Например, чтобы увидеть время выполнения второй задачи в списке дел, можно использовать следующий синтаксис:
print(sched_list[1][0])
Получим следующий вывод:
8:30
Неизменяемость
Важно помнить, что кортежи неизменяемы. Например, при попытке изменить время начала выполнения одной из обязанностей по дому:
sched_list[1][0] = '9:00'
получим ошибку:
TypeError: 'tuple' object does not support item assignment