Data-Science-For-Beginners/translations/th/2-Working-With-Data/07-python

การทำงานกับข้อมูล: Python และไลบรารี Pandas

การทำงานกับ Python - Sketchnote โดย @nitya

แม้ว่าฐานข้อมูลจะมีวิธีที่มีประสิทธิภาพมากในการจัดเก็บข้อมูลและสืบค้นข้อมูลโดยใช้ภาษาคิวรี วิธีที่ยืดหยุ่นที่สุดสำหรับการประมวลผลข้อมูลคือการเขียนโปรแกรมของคุณเองเพื่อจัดการข้อมูล ในหลายกรณี การใช้คิวรีฐานข้อมูลจะเป็นวิธีที่มีประสิทธิภาพกว่า อย่างไรก็ตามในบางกรณีที่ต้องการการประมวลผลข้อมูลที่ซับซ้อนมากขึ้น จะไม่สามารถทำได้ง่าย ๆ ด้วย SQL การประมวลผลข้อมูลสามารถเขียนโปรแกรมได้ในทุกภาษาโปรแกรม แต่มีบางภาษาที่อยู่ในระดับสูงกว่าเกี่ยวกับการทำงานกับข้อมูล นักวิทยาศาสตร์ข้อมูลมักจะชอบใช้หนึ่งในภาษาต่อไปนี้:

• Python, ภาษาโปรแกรมทั่วไปที่มักถูกพิจารณาว่าเป็นตัวเลือกที่ดีที่สุดสำหรับผู้เริ่มต้นเนื่องจากความเรียบง่าย Python มีไลบรารีเพิ่มเติมหลายตัวที่ช่วยแก้ไขปัญหาทางปฏิบัติหลายอย่างได้ เช่น การดึงข้อมูลของคุณจากไฟล์ ZIP หรือการแปลงรูปภาพให้เป็นระดับสีเทา นอกจากการทำวิทยาศาสตร์ข้อมูลแล้ว Python ยังถูกใช้บ่อยในงานพัฒนาเว็บด้วย
• R เป็นชุดเครื่องมือแบบดั้งเดิมที่พัฒนาขึ้นโดยมุ่งเน้นการประมวลผลข้อมูลทางสถิติ และยังมีคลังไลบรารีขนาดใหญ่ (CRAN) ทำให้เป็นตัวเลือกที่ดีสำหรับการประมวลผลข้อมูล อย่างไรก็ตาม R ไม่ใช่ภาษาโปรแกรมทั่วไป และมักไม่ค่อยใช้ในนอกขอบเขตของวิทยาศาสตร์ข้อมูล
• Julia เป็นอีกภาษาโปรแกรมที่พัฒนาขึ้นโดยเฉพาะสำหรับวิทยาศาสตร์ข้อมูล ถูกออกแบบมาเพื่อให้มีประสิทธิภาพดีกว่า Python ทำให้เป็นเครื่องมือที่ยอดเยี่ยมสำหรับการทดลองเชิงวิทยาศาสตร์

ในบทเรียนนี้ เราจะเน้นการใช้ Python สำหรับการประมวลผลข้อมูลแบบง่าย ๆ เราจะสมมติว่าคุณมีความรู้พื้นฐานเกี่ยวกับภาษาแล้ว หากคุณต้องการเรียนรู้ Python อย่างลึกซึ้งขึ้น คุณสามารถอ้างอิงแหล่งข้อมูลต่อไปนี้:

• เรียนรู้ Python อย่างสนุกด้วยกราฟิกเต่าและแฟร็กทัล - หลักสูตรเบื้องต้นใน GitHub สำหรับการเขียนโปรแกรม Python
• ก้าวแรกกับ Python เส้นทางการเรียนรู้บน Microsoft Learn

ข้อมูลสามารถมาในหลายรูปแบบ ในบทเรียนนี้ เราจะพิจารณารูปแบบข้อมูลสามแบบ — ข้อมูลตาราง, ข้อความ และ รูปภาพ

เราจะมุ่งเน้นตัวอย่างการประมวลผลข้อมูลบางอย่างแทนที่จะให้ภาพรวมทั้งหมดของไลบรารีที่เกี่ยวข้องทั้งหมด เพื่อให้คุณได้แนวคิดหลักของสิ่งที่เป็นไปได้ และมีความเข้าใจว่าจะหาวิธีแก้ไขปัญหาของคุณได้ที่ไหนเมื่อต้องการใช้

คำแนะนำที่มีประโยชน์ที่สุด เมื่อคุณต้องการทำงานบางอย่างกับข้อมูลแต่ไม่รู้ว่าจะทำอย่างไร ลองค้นหาในอินเทอร์เน็ต Stackoverflow มักมีตัวอย่างโค้ด Python ที่เป็นประโยชน์สำหรับงานทั่วไปจำนวนมาก

แบบทดสอบก่อนเรียน

ข้อมูลตารางและ Dataframes

คุณเคยพบข้อมูลตารางแล้วเมื่อตอนเราพูดถึงฐานข้อมูลเชิงสัมพันธ์ เมื่อคุณมีข้อมูลมากและเก็บอยู่ในหลายตารางเชื่อมโยงกัน การใช้ SQL สำหรับทำงานกับข้อมูลนั้นย่อมสมเหตุสมผลอย่างแน่นอน อย่างไรก็ตาม มีหลายกรณีที่เรามีตารางข้อมูล และต้องการได้ ความเข้าใจ หรือ ข้อมูลเชิงลึก เกี่ยวกับข้อมูลนี้ เช่น การแจกแจงความถี่ ความสัมพันธ์ระหว่างค่า เป็นต้น ในวิทยาศาสตร์ข้อมูล มีหลายกรณีที่เราต้องทำการแปลงข้อมูลต้นฉบับ และตามด้วยการแสดงข้อมูลทั้งสองขั้นตอนนี้สามารถทำได้ง่าย ๆ ด้วย Python

มีไลบรารีใน Python สองตัวที่มีประโยชน์มากสำหรับช่วยจัดการข้อมูลตาราง:

• Pandas ช่วยให้คุณจัดการสิ่งที่เรียกว่า Dataframes ซึ่งเปรียบได้กับตารางเชิงสัมพันธ์ คุณสามารถมีชื่อคอลัมน์ และทำงานต่าง ๆ กับแถว คอลัมน์ และ Dataframes ได้อย่างทั่วไป
• Numpy เป็นไลบรารีสำหรับทำงานกับ เทนเซอร์ หรือ arrays หลายมิติ ซึ่งมีค่าในประเภทเดียวกันทั้งหมด และมันง่ายกว่า DataFrame แต่มีฟังก์ชันทางคณิตศาสตร์มากกว่าและลดภาระการประมวลผล

ยังมีไลบรารีอื่น ๆ อีกสองสามตัวที่คุณควรรู้:

• Matplotlib เป็นไลบรารีที่ใช้สำหรับการแสดงผลข้อมูลและการพล็อตกราฟ
• SciPy เป็นไลบรารีที่มีฟังก์ชั่นทางวิทยาศาสตร์เพิ่มเติม บางส่วนเราเคยเจอเมื่อพูดถึงความน่าจะเป็นและสถิติ

ต่อไปนี้เป็นตัวอย่างโค้ดที่คุณมักจะใช้เพื่อเรียกใช้งานไลบรารีเหล่านี้ตอนเริ่มต้นโปรแกรม Python ของคุณ:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import ... # คุณต้องระบุซับแพ็กเกจที่ต้องการอย่างชัดเจน

Pandas มีแนวคิดพื้นฐานอยู่ไม่กี่อย่าง

Series

Series คือชุดของค่าเรียงตามลำดับ คล้ายกับลิสต์หรือ numpy array ความแตกต่างหลักคือ series มี index และเมื่อเราทำงานกับ series (เช่นการบวก) จะพิจารณา index ด้วย Index อาจเป็นแค่หมายเลขแถวแบบเต็มจำนวนง่าย ๆ (ซึ่งเป็น index เริ่มต้นเมื่อสร้าง series จากลิสต์หรือ array) หรืออาจมีโครงสร้างซับซ้อน เช่น ช่วงเวลาของวันที่

หมายเหตุ: มีโค้ดเบื้องต้นเกี่ยวกับ Pandas ในสมุดจด notebook.ipynb ที่แนบมาด้วย เราแค่ยกตัวอย่างบางส่วนที่นี่ และคุณยินดีตรวจสอบสมุดจดฉบับเต็ม

ลองพิจารณาตัวอย่าง: เราต้องการวิเคราะห์ยอดขายร้านไอศกรีมของเรา มาสร้าง series ของจำนวนยอดขาย (จำนวนชิ้นที่ขายได้แต่ละวัน) ในช่วงเวลาหนึ่ง:

start_date = "Jan 1, 2020"
end_date = "Mar 31, 2020"
idx = pd.date_range(start_date,end_date)
print(f"Length of index is {len(idx)}")
items_sold = pd.Series(np.random.randint(25,50,size=len(idx)),index=idx)
items_sold.plot()

สมมติว่าแต่ละสัปดาห์เราจัดงานปาร์ตี้ให้เพื่อน ๆ และเตรียมไอศกรีมเพิ่ม 10 แพ็คเพื่อใช้ในงาน เราสามารถสร้างอีก series หนึ่ง โดย index เป็นสัปดาห์ เพื่อแสดงสิ่งนี้:

additional_items = pd.Series(10,index=pd.date_range(start_date,end_date,freq="W"))

เมื่อเราบวกสอง series เข้าด้วยกัน เราจะได้จำนวนรวม:

total_items = items_sold.add(additional_items,fill_value=0)
total_items.plot()

หมายเหตุ ว่าเราไม่ได้ใช้ไวยากรณ์ง่าย ๆ เช่น total_items+additional_items หากเราทำแบบนั้น เราจะได้รับค่าหลายค่า NaN (Not a Number) ใน series ผลลัพธ์ ซึ่งเป็นเพราะในบาง index ของ series additional_items ข้อมูลหายไป และเมื่อนำ Nan ไปรวมกับอย่างอื่นจะได้ NaN ดังนั้นเราต้องระบุพารามิเตอร์ fill_value ในการบวก

กับ series ตามเวลา เรายังสามารถ resample series ด้วยช่วงเวลาที่ต่างกันได้ เช่น สมมติว่าเราต้องการคำนวณค่าความหมายยอดขายรายเดือน เราสามารถใช้โค้ดดังนี้:

monthly = total_items.resample("1M").mean()
ax = monthly.plot(kind='bar')

DataFrame

DataFrame คือชุดของ series ที่มี index เหมือนกัน เราสามารถรวม series หลายตัวเข้าด้วยกันเป็น DataFrame:

a = pd.Series(range(1,10))
b = pd.Series(["I","like","to","play","games","and","will","not","change"],index=range(0,9))
df = pd.DataFrame([a,b])

ซึ่งจะสร้างตารางแนวนอนแบบนี้:

	0	1	2	3	4	5	6	7	8
0	1	2	3	4	5	6	7	8	9
1	I	like	to	use	Python	and	Pandas	very	much

เรายังสามารถใช้ Series เป็นคอลัมน์ และระบุชื่อคอลัมน์โดยใช้พจนานุกรม:

df = pd.DataFrame({ 'A' : a, 'B' : b })

ซึ่งจะได้ตารางแบบนี้:

	A	B
0	1	I
1	2	like
2	3	to
3	4	use
4	5	Python
5	6	and
6	7	Pandas
7	8	very
8	9	much

หมายเหตุ เรายังสามารถได้เค้าโครงตารางนี้โดยการสลับแถวและคอลัมน์ของตารางก่อนหน้า เช่น โดยการเขียน

df = pd.DataFrame([a,b]).T.rename(columns={ 0 : 'A', 1 : 'B' })

ที่ .T หมายถึงการสลับแถวและคอลัมน์ของ DataFrame และการดำเนินการ rename ช่วยให้เราตั้งชื่อคอลัมน์ให้ตรงกับตัวอย่างก่อนหน้า

นี่คือการดำเนินการที่สำคัญบางอย่างที่เราสามารถทำกับ DataFrames:

การเลือกคอลัมน์ เราสามารถเลือกคอลัมน์เดี่ยวโดยเขียน df['A'] — การดำเนินการนี้จะส่งคืน Series เราสามารถเลือกกลุ่มคอลัมน์บางส่วนเป็น DataFrame อีกตัวโดยเขียน df[['B','A']] — ซึ่งจะคืน DataFrame อีกตัว

การกรอง เฉพาะบางแถวโดยใช้เงื่อนไข ตัวอย่างเช่น การกรองเฉพาะแถวที่มีค่าคอลัมน์ A มากกว่า 5 เราสามารถเขียน df[df['A']>5]

หมายเหตุ วิธีการกรองคือ การแสดง df['A']<5 จะส่งคืน series บูลีนซึ่งระบุว่าเงื่อนไขเป็น True หรือ False สำหรับแต่ละสมาชิกของ df['A'] เมื่อใช้ series บูลีนเหล่านี้เป็น index จะส่งคืนเฉพาะแถวที่เงื่อนไขเป็นจริง ดังนั้นจึงไม่สามารถใช้การแสดงเงื่อนไขบูลีน Python ธรรมดาได้ เช่น การเขียน df[df['A']>5 and df['A']<7] จะผิด ถูกต้องคือใช้การดำเนินการ & บน series บูลีนเช่น df[(df['A']>5) & (df['A']<7)] (วงเล็บสำคัญ)

การสร้างคอลัมน์ที่คำนวณได้ใหม่ เราสามารถสร้างคอลัมน์คำนวณใหม่ใน DataFrame ได้ง่าย ๆ ด้วยนิพจน์ที่เข้าใจง่ายเช่นนี้:

df['DivA'] = df['A']-df['A'].mean() 

ตัวอย่างนี้คำนวณความแตกต่างของ A จากค่าเฉลี่ย จริง ๆ แล้วเรากำลังคำนวณ series หนึ่ง แล้วกำหนด series นี้ให้กับด้านซ้าย ซึ่งสร้างคอลัมน์ใหม่ ดังนั้นจึงไม่สามารถใช้การดำเนินการที่ไม่เข้ากันกับ series ได้ เช่น โค้ดด้านล่างนี้ผิด:

# โค้ดผิด -> df['ADescr'] = "Low" if df['A'] < 5 else "Hi"
df['LenB'] = len(df['B']) # <- ผลลัพธ์ผิด

ตัวอย่างหลังถึงแม้จะถูกไวยากรณ์ แต่ให้ผลลัพธ์ผิดเพราะมันกำหนดความยาวของ series B ให้กับค่าทุกค่าในคอลัมน์ ไม่ใช่ความยาวของสมาชิกแต่ละตัวอย่างที่เราต้องการ

หากเราต้องการคำนวณนิพจน์ซับซ้อนแบบนี้ เราสามารถใช้ฟังก์ชัน apply ตัวอย่างล่าสุดเขียนได้ดังนี้:

df['LenB'] = df['B'].apply(lambda x : len(x))
# หรือ
df['LenB'] = df['B'].apply(len)

หลังจากดำเนินการดังกล่าว เราจะได้ DataFrame ดังนี้:

	A	B	DivA	LenB
0	1	I	-4.0	1
1	2	like	-3.0	4
2	3	to	-2.0	2
3	4	use	-1.0	3
4	5	Python	0.0	6
5	6	and	1.0	3
6	7	Pandas	2.0	6
7	8	very	3.0	4
8	9	much	4.0	4

การเลือกแถวโดยใช้เลขลำดับ สามารถทำได้โดยใช้ iloc ตัวอย่างเช่น เลือก 5 แถวแรกจาก DataFrame:

df.iloc[:5]

การจัดกลุ่ม มักใช้เพื่อให้ได้ผลลัพธ์คล้ายกับ pivot table ใน Excel สมมติว่าเราต้องการคำนวณค่าเฉลี่ยของคอลัมน์ A สำหรับแต่ละหมายเลขของ LenB เราสามารถจัดกลุ่ม DataFrame โดย LenB และเรียกใช้ mean:

df.groupby(by='LenB')[['A','DivA']].mean()

หากต้องการคำนวณค่าเฉลี่ยและจำนวนสมาชิกในกลุ่ม เราสามารถใช้ฟังก์ชัน aggregate ที่ซับซ้อนขึ้น:

df.groupby(by='LenB') \
 .aggregate({ 'DivA' : len, 'A' : lambda x: x.mean() }) \
 .rename(columns={ 'DivA' : 'Count', 'A' : 'Mean'})

จะได้ตารางดังนี้:

LenB	Count	Mean
1	1	1.000000
2	1	3.000000
3	2	5.000000
4	3	6.333333
6	2	6.000000

การรับข้อมูล

เราได้เห็นแล้วว่าการสร้าง Series และ DataFrames จากออบเจ็กต์ Python เป็นเรื่องง่ายเพียงใด อย่างไรก็ตาม ข้อมูลมักจะมาในรูปแบบของไฟล์ข้อความ หรือ ตาราง Excel โชคดีที่ Pandas มอบวิธีง่ายๆ ให้เราโหลดข้อมูลจากดิสก์ ตัวอย่างเช่น การอ่านไฟล์ CSV ก็ง่ายเพียงนี้:

df = pd.read_csv('file.csv')

เราจะเห็นตัวอย่างเพิ่มเติมเกี่ยวกับการโหลดข้อมูล รวมถึงการดึงข้อมูลจากเว็บไซต์ภายนอก ในส่วน "Challenge"

การพิมพ์และการสร้างกราฟ

นักวิทยาศาสตร์ข้อมูลมักจะต้องสำรวจข้อมูล ดังนั้นจึงสำคัญที่จะสามารถมองเห็นข้อมูลได้ เมื่อ DataFrame มีขนาดใหญ่ หลายครั้งเราต้องการแค่ตรวจสอบว่าเราทำทุกอย่างถูกต้องโดยการพิมพ์แถวแรก ๆ ออกมา ซึ่งสามารถทำได้โดยเรียกใช้ df.head() หากคุณใช้งานจาก Jupyter Notebook มันจะแสดง DataFrame ในรูปแบบตารางที่สวยงาม

เรายังได้เห็นการใช้ฟังก์ชัน plot เพื่อแสดงผลข้อมูลบางคอลัมน์ ในขณะที่ plot มีประโยชน์มากสำหรับงานหลายอย่าง และรองรับกราฟหลายประเภทผ่านพารามิเตอร์ kind= คุณก็สามารถใช้ไลบรารี matplotlib ดิบ ๆ เพื่อสร้างกราฟที่ซับซ้อนกว่าได้ เราจะพูดถึงการสร้างภาพข้อมูลอย่างละเอียดในบทเรียนแยกต่างหาก

ภาพรวมนี้ครอบคลุมแนวคิดสำคัญที่สุดของ Pandas อย่างไรก็ตาม ไลบรารีนี้มีความหลากหลายมาก และไม่มีขีดจำกัดสำหรับสิ่งที่คุณจะทำกับมัน! ตอนนี้มาประยุกต์ความรู้นี้เพื่อแก้ปัญหาเฉพาะกันเถอะ

🚀 ความท้าทาย 1: การวิเคราะห์การแพร่ระบาดของ COVID

ปัญหาแรกที่เราจะมุ่งเน้นคือการสร้างแบบจำลองการแพร่ระบาดของ COVID-19 เพื่อทำเช่นนั้น เราจะใช้ข้อมูลจำนวนผู้ติดเชื้อในแต่ละประเทศ ซึ่งจัดทำโดย Center for Systems Science and Engineering (CSSE) ใน Johns Hopkins University ชุดข้อมูลนี้มีอยู่ใน GitHub Repository นี้

เนื่องจากเราต้องการสาธิตวิธีจัดการข้อมูล เราขอเชิญคุณเปิด notebook-covidspread.ipynb และอ่านจากบนลงล่าง คุณยังสามารถรันเซลล์ และทำความท้าทายที่เราทิ้งไว้ให้คุณที่ท้ายได้ด้วย

หากคุณไม่ทราบวิธีรันโค้ดใน Jupyter Notebook กรุณาดูที่ บทความนี้

การทำงานกับข้อมูลที่ไม่มีโครงสร้าง

ขณะที่ข้อมูลมักมาในรูปแบบตาราง บางกรณีเราต้องจัดการกับข้อมูลที่มีโครงสร้างน้อยกว่า เช่น ข้อความหรือภาพ ในกรณีนี้ เพื่อใช้เทคนิคประมวลผลข้อมูลที่เราเห็นข้างต้น เราต้อง ดึง ข้อมูลที่มีโครงสร้างออกมา นี่คือตัวอย่างบางส่วน:

• การดึงคำสำคัญจากข้อความ และดูว่าคำสำคัญเหล่านั้นปรากฏบ่อยเพียงใด
• การใช้เครือข่ายประสาทเทียมเพื่อดึงข้อมูลเกี่ยวกับวัตถุบนภาพ
• การได้ข้อมูลเกี่ยวกับอารมณ์ของผู้คนจากกล้องวิดีโอ

🚀 ความท้าทาย 2: การวิเคราะห์เอกสารเกี่ยวกับ COVID

ในความท้าทายนี้ เราจะดำเนินต่อหัวข้อเกี่ยวกับการระบาดของ COVID โดยมุ่งเน้นไปที่การประมวลผลเอกสารทางวิทยาศาสตร์เกี่ยวกับเรื่องนี้ มี ชุดข้อมูล CORD-19 ที่มีเอกสารมากกว่า 7000 ฉบับ (ในเวลาที่เขียน) เกี่ยวกับ COVID ซึ่งมาพร้อมกับเมตาดาต้าและบทคัดย่อ (และประมาณครึ่งหนึ่งในนั้นยังมีข้อความเต็มให้ด้วย)

ตัวอย่างเต็มของการวิเคราะห์ชุดข้อมูลนี้โดยใช้บริการความสามารถทางปัญญา Text Analytics for Health ได้อธิบายไว้ ในโพสต์บล็อกนี้ เราจะพูดถึงเวอร์ชันที่ทำให้ง่ายของการวิเคราะห์นี้

หมายเหตุ: เราไม่จัดเตรียมชุดข้อมูลนี้เป็นส่วนหนึ่งของที่เก็บนี้ คุณอาจจำเป็นต้องดาวน์โหลดไฟล์ metadata.csv จาก ชุดข้อมูลนี้บน Kaggle การลงทะเบียนกับ Kaggle อาจจำเป็น คุณอาจดาวน์โหลดชุดข้อมูลโดยไม่ต้องลงทะเบียน ได้ที่นี่ แต่จะมีข้อความเต็มทั้งหมดนอกเหนือจากไฟล์เมตาดาต้า

เปิด notebook-papers.ipynb และอ่านจากบนลงล่าง คุณยังสามารถรันเซลล์ และทำความท้าทายที่เราทิ้งไว้ให้ที่ท้ายได้

การประมวลผลข้อมูลภาพ

เมื่อเร็ว ๆ นี้ มีการพัฒนาโมเดล AI ที่ทรงพลังซึ่งช่วยให้เราเข้าใจภาพได้ มีงานหลากหลายที่สามารถแก้ไขได้โดยการใช้เครือข่ายประสาทเทียมที่เทรนมาแล้ว หรือบริการบนคลาวด์ ตัวอย่างได้แก่:

• การจำแนกภาพ ซึ่งช่วยให้คุณจัดหมวดหมู่ภาพเป็นหนึ่งในคลาสที่กำหนดไว้ล่วงหน้า คุณสามารถฝึกตัวจำแนกภาพของคุณเองได้อย่างง่ายดายโดยใช้บริการเช่น Custom Vision
• การตรวจจับวัตถุ เพื่อระบุวัตถุต่าง ๆ ในภาพ บริการเช่น computer vision สามารถตรวจจับวัตถุทั่วไปหลายชนิดได้ และคุณสามารถฝึกโมเดล Custom Vision เพื่อระบุวัตถุพิเศษที่สนใจได้
• การตรวจจับใบหน้า รวมถึงการตรวจจับอายุ เพศ และอารมณ์ ซึ่งสามารถทำได้ผ่าน Face API

บริการคลาวด์ทั้งหมดนั้นสามารถเรียกใช้ได้โดยใช้ Python SDKs และดังนั้นสามารถผนวกเข้ากับเวิร์กโฟลว์การสำรวจข้อมูลของคุณได้อย่างง่ายดาย

นี่คือตัวอย่างของการสำรวจข้อมูลจากแหล่งข้อมูลภาพ:

• ในโพสต์บล็อก How to Learn Data Science without Coding เราสำรวจภาพถ่าย Instagram โดยพยายามเข้าใจว่าอะไรทำให้คนกดไลค์ภาพมากขึ้น เราเริ่มจากการดึงข้อมูลจากภาพให้มากที่สุดโดยใช้ computer vision จากนั้นใช้ Azure Machine Learning AutoML เพื่อสร้างโมเดลที่ตีความได้
• ในงาน Facial Studies Workshop เราใช้ Face API เพื่อดึงอารมณ์ของผู้คนบนรูปถ่ายจากกิจกรรมต่าง ๆ เพื่อพยายามเข้าใจว่าอะไรทำให้คนมีความสุข

สรุป

ไม่ว่าคุณจะมีข้อมูลที่มีโครงสร้างหรือไม่มีโครงสร้างแล้วก็ตาม ด้วย Python คุณสามารถทำทุกขั้นตอนที่เกี่ยวข้องกับการประมวลผลและความเข้าใจข้อมูลได้ นี่น่าจะเป็นวิธีที่ยืดหยุ่นที่สุดในการประมวลผลข้อมูล และนั่นคือเหตุผลที่นักวิทยาศาสตร์ข้อมูลส่วนใหญ่ใช้ Python เป็นเครื่องมือหลัก การเรียนรู้ Python อย่างลึกซึ้งเป็นความคิดที่ดีหากคุณจริงจังกับการเดินทางในสาขาวิทยาศาสตร์ข้อมูล!

แบบทดสอบหลังบรรยาย

ทบทวน & การศึกษาด้วยตนเอง

หนังสือ

• Wes McKinney. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

แหล่งข้อมูลออนไลน์

• บทเรียนอย่างเป็นทางการ 10 minutes to Pandas
• เอกสารเกี่ยวกับการแสดงผลของ Pandas

การเรียนรู้ Python

• เรียนรู้ Python อย่างสนุกสนานด้วย Turtle Graphics และ Fractals
• ก้าวแรกกับ Python เส้นทางการเรียนรู้บน Microsoft Learn

การบ้าน

ทำการศึกษาข้อมูลอย่างละเอียดสำหรับความท้าทายข้างต้น

เครดิต

บทเรียนนี้เขียนขึ้นด้วย ♥️ โดย Dmitry Soshnikov

---

ปฏิเสธความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้