جلسه بیست و هشت ام از کتاب مرجع علم داده با استفاده از پایتون و اجرای کدها python data science смотреть онлайн

جلسه بیست و هشت ام از کتاب مرجع علم داده با استفاده از پایتون و اجرای کدها python data science



مثال: Binning data دسته بندی کردن داده ها
شما میتوانید از این ایده ها برای دسته بندی کردن کارآمد داده ها استفاده نمایید تا یک هیستوگرام را تولید نمایید. برای مثال، فرض کنید ما هزار ارزش داشته باشیم و بخواهیم با سرعت پیدا کنیم که این ارزش در دسته هایی که ایجاد کرده ایم در کدام دسته قرار میگیرند. ما میتوانیم از ufunc.it جهت محاسبه این کار استفاده نماییم:

In[23]: np.random.seed(42)
x = np.random.randn(100)
# compute a histogram by hand
bins = np.linspace(-5, 5, 20)
counts = np.zeros_like(bins)
# find the appropriate bin for each x
i = np.searchsorted(bins, x)
# add 1 to each of these bins
np.add.at(counts, i, 1)

شکل 2-9- یک هیستوگرام که بصورت دستی محاسبه شده است. در واقع منظور این است که از متد هیستوگرام استفاده نشده است و محاسبات توسط متدهای دیگر انجام شده است.
البته، این کار هوشمندانه نیست که هر بار شما بخواهید با این روش یک هیستوگرام را رسم نمایید. به همین دلیل Matplotlib روتین plt.hist() را فراهم کرده است که همان کار را در یک خط انجام می دهد:
Plt.hist(x, bins, histtype=’step)
این تابع یک نمودار تقریبا مشابه با نمودار قبلی ایجاد می کند. برای محاسبه دسته بندی ها Matplotlib از تابع np.histogram استفاده می کند که یک محاسبه خیلی شبیه به آنچه که قبلا دیدیم انجام می دهد. اکنون هر دو روش در این قسمت مقایسه می نماییم:
In[25]: print("NumPy routine:")
%timeit counts, edges = np.histogram(x, bins)

print("Custom routine:")
%timeit np.add.at(counts, np.searchsorted(bins, x), 1)
NumPy routine:
10000 loops, best of 3: 97.6 μs per loop
Custom routine:
10000 loops, best of 3: 19.5 μs per loop

الگوریتم یک خطی ما چندین برابر سریعتر از الگوریتم بهینه سازی شده Numpy است! این چطور ممکن است؟ اگر شما مد منبع np.histogram را بررسی دقیق نمایید(شما میتوانید این کار را در Ipython از طریق np.histogram?? انجام دهید.)، مشاهده خواهید کرد که این متد بیشتر از یک جستجو و شمارش search and count ساده را انجام میدهد، دلیل این است که الگوریتم Numpy انعطاف پذیر تر است، و مخصوصا برای کارآیی بهتر زمانی که تعداد نقاط داده زیاد می شود طراحی شده است:
In[26]: x = np.random.randn(1000000)
print("NumPy routine:")
%timeit counts, edges = np.histogram(x, bins)
print("Custom routine:")
%timeit np.add.at(counts, np.searchsorted(bins, x), 1)



دکتر اسدی عضو هیات علمی دانشگاه آزاد، دوره آموزشی پایتون ارتباط از طریق موبایل 09305803459 و اکانت تلگرام این خط،
آیدی گروه تلگرام آموزشی برنامه نویسی پایتون: @python765
آیدی کانال متصل به گروه: @python654
فعلا تدریس کتاب python crash course چاپ دوم فایل پی دی اف و کتاب python notes for professionals
محل شرکت کامپیوتری نزدیک مترو شادمان شهر تهران جهت هماهنگیهای حضوری