Информация о документе

Цена 2000UZS
Размер 1.2MB
Покупки 0
Дата загрузки 07 Ноябрь 2026
Расширение docx
Раздел Рефераты
Предмет Информатика и ИТ

Продавец

Bohodir Jalolov

Python dasturlash tili kutubxonalari bilan sun’iy intellekt tizimlarini ishlab chiqish. Pandas kutubxonasi

Купить
Python dasturlash tili kutubxonalari bilan sun’iy intellekt tizimlarini ishlab chiqish. Pandas kutubxonasi . Reja: 1. Pandas 2. Series ma’lumotlar tuzilmasi 3. DataFrame ma’lumotlar tuzilmasi Pandas - bu ochiq manbali kutubxona bo'lib, u asosan aloqador yoki etiketli ma'lumotlar bilan oson va intuitiv tarzda ishlash uchun yaratilgan. U turli xil ma'lumotlar tuzilmalari va raqamli ma'lumotlar va vaqt seriyalarini manipulyatsiya qilish uchun operatsiyalarni taqdim etadi. Bu kutubxona NumPy kutubxonasi ustiga qurilgan. Pandas tez va u foydalanuvchilar uchun yuqori unumdorlikka ega. Pandas kutubxonasi afzalliklari:  Ma'lumotlarni manipulyatsiya qilish va tahlil qilish uchun tez va samarali.  Turli fayl ob'ektlaridan ma'lumotlarni yuklash mumkin.  Suzuvchi nuqtada etishmayotgan ma'lumotlarni (NaN sifatida ko'rsatilgan) va suzuvchi nuqta ma'lumotlarini oson boshqarish  Hajmi o'zgaruvchanligi: ustunlarni DataFrame va undan yuqori o'lchamli ob'ektlardan kiritish va o'chirish mumkin  Ma'lumotlar to'plamini birlashtirish va qo'shish.  Ma'lumotlar to'plamlarini moslashuvchan qayta shakllantirish va aylantirish  Vaqt seriyali funksiyalarini ta'minlaydi.  Ma'lumotlar to'plamlarida bo'lish va birlashtirish operatsiyalarini bajarish uchun funktsional imkoniyatlar mavjudligi. Pandasda ishlashning birinchi qadami uning Python papkasida o'rnatilgan yoki o'rnatilmaganligiga ishonch hosil qilishdir. Agar yo'q bo'lsa, biz uni tizimimizga pip buyrug'i yordamida o'rnatishimiz kerak: pip install pandas. Pandas tizimga o'rnatilgandan so'ng, kutubxonani import qilishingiz kerak: Import pandas as pd Pandas odatda ma'lumotlarni manipulyatsiya qilish uchun ikkita ma'lumotlar tuzilmasini taqdim etadilar, ular:  Seriya  DataFrame Series ma’lumotlar tuzilmasi Series: Pandas Series - bu har qanday turdagi ma'lumotlarni (int, string, float, python ob'ektlari va boshqalar) saqlashga qodir bo'lgan bir o'lchovli etiketli massiv. Pandas kutubxonasidagi Series ma’lumotlar tuzilmasini Pythondagi oddiy kutubxonalardan farqlaridan biri ro’yhatdagi obyektlarga o’zimiz index berishimiz mumkin. Dastlab “object” nomli Series turidagi massiv yaratib, indexlarini o’zimiz beramiz. Obyekt ichidagi qiymatlarga indeks orqali murojaat qilamiz: Series obyektiga oid ba'zi parametrlar va metodlar: 1) values – obyekt qiymatlarini ekranga chiqaradi 2) hasnans – NaN qiymatlar bor yoki yo’qligini tekshiradi. 3) dtype – qiymatlarning ma’lumot turini tekshiradi 4) is_unique – qiymatlar takrorlanmas ekanligini tekshiradi 5) shape – Series hajmini aniqlaydi 6) max va min – qiymatlarning maksimum va minimumini aniqlaydi. DataFrame ma’lumotlar tuzilmasi Pandas DataFrame 2 o lchovli ma lumotlar strukturasi bo lib, 2 ʻ ʼ ʻ o lchovli massiv yoki satr va ustunli jadval kabi o’rinishda bo’ladi. Pandas ʻ DataFrame uchta asosiy komponentdan iborat: ma'lumotlar , qatorlar va ustunlar . Pandas DataFrame mavjud xotiradan ma'lumotlar to'plamini yuklash orqali yaratiladi, fayllar SQL ma'lumotlar bazasi, CSV fayli va Excel fayli bo'lishi mumkin. Pandas DataFrame ro yxatlar, lug atlar va hokazolardan ʻ ʻ yaratilishi mumkin. DataFrame yaratishning bir nechta usuli bor va bulardan eng osoni qiymatlari bir hil uzunlikdagi ro'yxatdan iborat lug'at orqali yaratish. Dastlab “data” nomli lug’at yaratib olamiz pd.DataFrame() buyrug’i orqali lug’atni DataFramega o’tkazamiz DataFrameda ustunlar tartibini o’zgartirish va yangi ustun qo’shish ham mumkin Huddi Series kabi DataFrame indekslariga ham o'zimiz qiymat berishimiz mumkin: Series yordamida biror ustunning ma'lum bir qatorlariga o'zgartirish kiritish mumkin. Bunda qatorlarning indeksi berilishi shart. DataFrame yaratishning yana bir usuli lug'atlar lug'atidan foydalanish. Bunda tashqi lug'at kalitlari ustun, ichki lug'at kalitlari esa indeks bo'ladi . Indekslar va Ustunlar o'rnini almashtirish uchun .T (transpose) metodidan foydalanish mumkin. .values parametri yordamida DataFrame ichidagi qiymatlarni 2-o'lchamli massiv ko'rinishida olishimiz mumkin. DataFrame: Qayta indekslash DataFrameda qayta indekslash uchun .index funksiyasidan foydalanamiz: 1) .index funksiyasi df nomli DataFrameni indekslarini o’zgartiramiz: 2) .reindex .reindex funksiyasi yordamida indekslar o’rnini almashtirishimiz mumkin. .reindex yordamida yangi indekslar qo'shish va ularni turli usullar (method) yordamida to'ldirish ham mumkin Ustunlarni ham qayta tartiblash mumkin: 3) .drop() DataFrame dan elementlarni o'chirish. .drop() DataFramedan biror qator yoki ustunni o'chirish uchun qator (ustun) indeksini bilish kifoya: .drop() yordamida nafaqat qatorlarni, balki ustunlarni ham o'chirish mumkin. Buning .drop() metodining axis parametri ishlatiladi, axis=1 qator, axis=0 ustun. .drop va .reindex kabi funksiyalarni qo’llaganimizda asl DataFrame o’zgarmaydi, lekin buni maxsus “inplace” parametri yordamida o’zgarishlarni saqlashimiz mumkin. Bu parametr standart False qiymatga ega bo’ladi. DataFrame va Seriesda elementlarni tanlash 1) Seriesda ma’lumotlar tuzilmasida elementlarni tanlash. DataFrame aslida Serieslardan tashkil topadi. Yuqoridagi “df” nomli DataFramedan Series obyektini yaratib olamiz. Type funksiyasi orqali “data”ning turini tekshirsak Series ma’lumotlar tuzilmasiga oid ekanligini ko’rishimiz mumkin. “data” nomli Series ma’lumotlar tuzilmasining elementlarini indeks orqali tanlashimiz mumkin. “data” nomli Series ma’lumotlar tuzilmasining qandaydir oraliqdagi elementlari kerak bo’lsa data[a:b] shaklda murojaat qilamiz. Series ma’lumotlar tuzilmasining elementlarini filtrlashning quyidagi usullari mavjud. 2) DataFrameda ma’lumotlar tuzilmasida elementlarni tanlash. “df” nomli yangi DataFrame ma’lumotlar tuzilmasini yaratib olamiz. “df” nomli DataFrame ma’lumotlar tuzilmasidan istalgan ustun ajratib olish mumkin. “df” nomli DataFrame ma’lumotlar tuzilmasidan istalgan oraliqdagi indekslrni ajratib olish mumkin. “df” nomli yangi DataFrame ma’lumotlar tuzilmasida mantiqiy shartlardan ham foydalanish mumkin. Pandas kutubxonasida arifmetik amallar. Ikki Series yoki DataFrame obyektlari o'rtasida arifmetik amallar bajarishda indekslar juda muhim rol o'ynaydi. Amallar mos tushuvchi indekslar o'rtasida bajariladi. Agar obyektlarning birida mavjud indeks ikkinchisda yo'q bo'lsa natija NaN bo'ladi. Arifmetik amallar bajarish uchun 2 ta “s1” va “s2” Series obyektlarini yaratib olamiz. s1+s2 amalini natijasini ko’rishimiz mumkin. s1 da mavjud c indeksi s2da mavjud bo'lmaganligi sabab s1+s2 da c indeksdagi qiymat NaN bo'ldi. Yuqoridagi holat DataFramelarga ham xos. Serieslardan farqli ravishda DataFrameda qator va ustun indekslari hisobga olinadi. DataFrameda Arifmetik amallar bajarish uchun 2 ta “df1” va “df2” DataFrame obyektlarini yaratib olamiz, “df1” va “df2” obyektarini chop qilamiz. “df1” va “df2” obyektarini qo’shamiz. a va d ustunlar hamda Olcha va Anjir qatorlar ikkala DataFrame da bo'lmagani sababli yuqoridagi natija chiqdi. Yuqoridagi qo'shish amalini .add() metodi yordamida ham bajarish mumkin. Bunda maxsus fill_value parametri yordamida mos tushuvchi indekslardagi NaN qiymatlarni boshqa qiymat bilan almashtirish mumkin. Bu usulda yakuniy natijada ikkala df da ham mavjud bo'lmagan indekslarda NaN qiymati qoladi. Boshqa arifmetik amallar  add , radd - Qo'shish (+)  sub , rsub - Ayirish (-)  div , rdiv - Bo'lish (/)  floordiv , rfloordiv - Bo'lish va butun qismini olis (//)  mul , rmul - Ko'paytirish (*)  pow , rpow - Eksponenta (**) Yuqoridagi amallarning barchasida fill_value parametri mavjud. r bilan boshlangan metodlarda DataFrame ifodaning o'ng tarafida bo'ladi. Pandas obyekti elementlariga funksiyalarni qo'llash “df” nomli DataFrame yaratib olamiz va .abs funksiyasini qo’llaymiz. 1) .abs – barcha elementlarni absolyut qiymatini qaytaradi 2) .round – elementlarni yaxlitlash uchun foydalaniladi. 3) .mean – har bir ustunning o’rtacha qiymatini hisoblaydi. Tartiblash va Reytinglash Series ma’lumotlar tuzilmasi elementlarini tartiblash uchun dastlab “So” nomli Series yaratib olamiz va uni ekranga chop qilamiz. 1) Series obyektini Indeks bo'yicha tartiblash. 2) Series obyektini Qiymatlari bo'yicha tartiblash DataFrame ma’lumotlar tuzilmasi elementlarini tartiblash uchun dastlab “df” nomli DataFrameni Githubdan yuklab olamiz va uni ekranga chop qilamiz. 1) Indeks bo’yicha tartiblash 2) Ustun nomi bo’yicha tartiblash 3) Teskari tartiblash, agar axis=1 parametrini qo’llasak ustun bo’yicha teskari tartiblanadi. 4) DataFrame elementlarini biror ustun bo'yicha tartiblash ham mumkin .rank() metodi yordamida DataFrame qatorlarini reytingini aniqlash mumkin. Reyting aniqlashda aynan qaysi ko'rsatkich (ustun) bo'yicha reytingni aniqlash ko'rsatiladi. Foydalanilgan adabiyotlar 1. Wolfgang Ertel. “Introduction to Artificial Intelligence”. Germany- 2017. 2. Joshua Eckroth. “Python Artificial Intelligence Projects for Beginners”.Birmingham 2018. 3. Nigmatov H. “Intellektual tizimlar”. Toshkent-2019. 4. А.В. Гаврилов. Системы искусственного интеллекта. Учебное пособие, ч. 1. - Новосибирск, НГТУ, 2000. – 115 с. 5. Интеллектуалные системы и их моделирование. - М.: Наука, 1986. –с. 25-125. 6. Искусственный интеллект. Применение в интегрированных производственных системах. Под ред. Э.Кюсиака. - М.: Машиностроение, 1991. – с.40-70. 7. Искусственный интеллект. Справочник в 3-х томах. - М.: Радио и связ, 1990. – с.30-140.

Python dasturlash tili kutubxonalari bilan sun’iy intellekt tizimlarini ishlab chiqish. Pandas kutubxonasi

Купить