-
Notifications
You must be signed in to change notification settings - Fork 1
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
Showing
1 changed file
with
120 additions
and
5 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
|
@@ -5,8 +5,6 @@ | |
* Pavel Tišnovský | ||
* [email protected] | ||
|
||
--- | ||
|
||
![Python](images/python.png) | ||
|
||
--- | ||
|
@@ -16,7 +14,7 @@ | |
* Nástroje pro datovou analýzu | ||
* Transformace dat na informace | ||
* Jupyter Notebook | ||
* Knihovny používané v této oblasti: NumPy, Pandas, Polars, Seaborn, scikit-learn | ||
* Knihovny používané v této oblasti: NumPy, Pandas, Polars, Seaborn, scikit-learn, Dask | ||
* Vizualizace dat: Matplotlib | ||
* Zpracování obrazů a přirozeného jazyka v Pythonu | ||
* Strojové učení | ||
|
@@ -46,11 +44,17 @@ | |
- NumPy | ||
- SciPy | ||
- Matplotlib | ||
|
||
--- | ||
|
||
## Typické použití Pythonu | ||
|
||
* Moderní způsoby využití Pythonu | ||
- AI | ||
- Machine Learning (Deep Learning) | ||
- PyTorch | ||
- Big data | ||
- aplikace v prohlížeči | ||
* Tzv. „glue“ jazyk | ||
* Vestavitelný interpret Pythonu | ||
|
||
|
@@ -60,6 +64,12 @@ | |
|
||
* Data mining | ||
* Data procesing a modelování | ||
- klasifikace | ||
- predikce | ||
- výběr modelu | ||
- redukce počtu dimenzí | ||
- pre-processing | ||
- modelování | ||
* Vizualizace | ||
|
||
--- | ||
|
@@ -87,6 +97,7 @@ | |
* Xarray | ||
* Pandas | ||
* Polars | ||
* SciKit-learn | ||
|
||
--- | ||
|
||
|
@@ -121,6 +132,12 @@ | |
|
||
--- | ||
|
||
## HPC | ||
|
||
* Dask | ||
|
||
--- | ||
|
||
## NumPy | ||
|
||
![numpy_arrays.png](images/numpy_logo.png) | ||
|
@@ -256,13 +273,24 @@ | |
|
||
## Pandas | ||
|
||
![pandas](images/pandas.png) | ||
|
||
--- | ||
|
||
## Pandas | ||
|
||
* Načtení dat z různých datových zdrojů do datových rámců | ||
- CSV | ||
- TSV | ||
- databáze | ||
- tabulkové procesory | ||
* Programová konstrukce datových rámců | ||
* Prohlížení obsahu datových rámců | ||
|
||
--- | ||
|
||
## Pandas | ||
|
||
* Iterace nad daty, řazení a další podobné operace | ||
* Spojování, seskupování a změna tvaru dat | ||
* Práce s takzvanými sériemi | ||
|
@@ -279,9 +307,8 @@ | |
- Textových souborů s volitelným oddělovačem a formátem sloupců | ||
- Tabulek z tabulkových procesorů (xls, xlsx, xlsm, xlsb, odf, ods, odt) | ||
- Souborů JSON se strukturovanými daty | ||
- Načítání z relačních databází s využitím SQL driverů | ||
- Načítání z relačních databází s využitím SQL | ||
- Načítání z Parquet souborů | ||
- atd. | ||
|
||
--- | ||
|
||
|
@@ -290,6 +317,10 @@ | |
* https://www.cnb.cz/cs/financni_trhy/devizovy_trh/kurzy_devizoveho_trhu/denni_kurz.txt | ||
* Evidentně se jedná o tabulková a velmi dobře strukturovaná data, která by bylo vhodné umět automaticky zpracovat | ||
|
||
--- | ||
|
||
### Zpracování souborů s nestandardním formátem | ||
|
||
``` | ||
13.11.2023 #219 | ||
země|měna|množství|kód|kurz | ||
|
@@ -330,6 +361,90 @@ Velká Británie|libra|1|GBP|28,230 | |
|
||
## Polars | ||
|
||
![polars](images/polars.png) | ||
|
||
--- | ||
|
||
### Polars | ||
|
||
* Alternativa ke knihovně Pandas | ||
* Podporuje multithreading | ||
* SIMD operace (ne vždy) | ||
* Optimalizace dotazů | ||
* Líné vyhodnocování | ||
|
||
--- | ||
|
||
### Polars | ||
|
||
* Datové rámce rozsáhlejší než dostupná RAM | ||
* Naprogramováno v Rustu | ||
* Vazby s dalšími knihovnami | ||
- pyarrow, NumPy, Pandas etc. | ||
* Rozhraní pro Python a NodeJS | ||
|
||
--- | ||
|
||
### Datové řady a datové rámce | ||
|
||
* Podobné těm v Pandas | ||
- funkce a metody se stejnými jmény | ||
- ovšem ne zcela kompatibilní | ||
|
||
--- | ||
|
||
### Načtení z SQL | ||
|
||
```python | ||
import polars | ||
|
||
connection_string = "postgresql://postgres:postgres@localhost:5432/testdb" | ||
|
||
query = """ | ||
SELECT org_id, cluster_id, rule_fqdn | ||
FROM rule_hit | ||
ORDER by org_id, cluster_id | ||
""" | ||
|
||
df = polars.read_sql(query, connection_string) | ||
|
||
print(df) | ||
print() | ||
``` | ||
|
||
--- | ||
|
||
### Klíč k úspěchu: být líný! | ||
|
||
* FP programování | ||
* Architektura založená na Kafce atd. | ||
* Dask atd. | ||
* Líné datové rámce v Polars | ||
|
||
--- | ||
|
||
### Líné datové rámce | ||
|
||
```python | ||
import polars | ||
|
||
df = polars.read_csv("hall_of_fame.csv").lazy() | ||
|
||
df2 = df.groupby("Winner", maintain_order=True).agg([polars.col("Year").len()]). \ | ||
sort("Year"). \ | ||
reverse(). \ | ||
head(5) | ||
|
||
print(df2.describe_plan()) | ||
print(df2.describe_optimized_plan()) | ||
``` | ||
|
||
--- | ||
|
||
## Matplotlib | ||
|
||
![Matplotlib](images/matplotlib.png) | ||
|
||
--- | ||
|
||
## Matplotlib | ||
|