شرح المكتبات في بايثون: قائمة المكتبات المهمة

ما هي المكتبة؟

المكتبة عبارة عن مجموعة مدمجة مسبقًا من الرموز التي يمكن استخدامها بشكل متكرر ، وبالتالي تقليل الوقت. كما يوحي المصطلح ، فهو مشابه للمكتبة المادية التي تحتوي على موارد قابلة لإعادة الاستخدام. أسست Python العديد من المكتبات مفتوحة المصدر بناءً على حقيقة أن كل مكتبة لها مصدر جذر.

ما هي مكتبات بايثون؟

تم استخدام Python على نطاق واسع في الوقت الحاضر باعتبارها لغة برمجة عالية المستوى. تكمن سهولة الاستخدام في تركيبه الذي يستخدم عددًا أقل من الرموز للتعبير عن مفهوم. لذلك ، يسمح هذا للمستخدم بتطبيق Python وكتابة البرامج على كل من المقاييس الكبيرة والصغيرة. تدعم اللغة إدارة الذاكرة التلقائية ولديها مكتبة قياسية كبيرة.

تحدد مكتبة Python سطور التعليمات البرمجية التي يمكن إعادة استخدامها في برامج أخرى. إنها في الأساس مجموعة من الوحدات. تكمن فائدتها في حقيقة أنه لا يلزم كتابة الرموز الجديدة في كل مرة تتطلب نفس العملية للتشغيل. تلعب المكتبات في Python دورًا مهمًا في مجالات علوم البيانات والتعلم الآلي وتطبيقات معالجة البيانات وما إلى ذلك.

مكتبة بايثون القياسية

تصبح حياة المبرمج سهلة مع توفر عدد كبير من المكتبات القياسية في لغة بيثون. هذا بشكل أساسي لأن المبرمج غير مطالب بمواصلة كتابة الأكواد. على سبيل المثال ، يمكن للمبرمج استخدام مكتبة MySQLdb لتوصيل قاعدة بيانات MySQL بالخادم. تتم كتابة مكتبات Python في الغالب بلغة البرمجة C التي تتعامل مع عمليات مثل I / O والوحدات الأساسية الأخرى. تتكون المكتبة القياسية من أكثر من 200 وحدة أساسية وتم تطوير حوالي 137000 مكتبة بيثون حتى الآن.

مكتبات بايثون الهامة

1. Matplotlib

تستخدم هذه المكتبة لرسم البيانات الرقمية وتستخدم في تحليل البيانات. تُستخدم هذه المكتبة مفتوحة المصدر لنشر أشكال عالية الجودة مثل الرسوم البيانية والمخططات الدائرية والمخططات المبعثرة والمدرج التكراري وما إلى ذلك.

2. الباندا

الباندا هي مكتبة مفتوحة المصدر ومرخصة من BSD. تستخدم المكتبة على نطاق واسع في مجال علم البيانات. يتم استخدامها في الغالب لتحليل البيانات ومعالجتها وتنظيفها. بدون الحاجة إلى تحويله إلى لغة أخرى مثل R ، يتيح Panda إمكانية العمليات السهلة للنمذجة وتحليل البيانات.

البيانات المستخدمة من قبل المكتبات في بايثون هي:

• بنك
• سلاسل زمنية مع بيانات مرتبة وغير مرتبة.
• مصفوفة بيانات تسمية الصفوف والأعمدة.
• بيانات غير مصنفة
• أي شكل آخر من أشكال البيانات الإحصائية

تركيب الباندا

يجب على المستخدم كتابة "pip install pandas" في سطر الأوامر أو كتابة "conda install pandas" إذا تم تثبيت anaconda بالفعل في النظام. بمجرد الانتهاء من التثبيت ، يمكن استيراده إلى IDE عن طريق كتابة الأمر "import pandas as pd".

العمليات في الباندا

يمكن إجراء عدد كبير من العمليات في الباندا:

• تشريح إطار البيانات
• دمج وضم إطارات البيانات
• تسلسل أعمدة من إطاري بيانات
• تغيير قيم الفهرس في إطار البيانات.
• تغيير الرؤوس في عمود.
• تحويل البيانات إلى صيغ مختلفة.

3. نومبي

انحرافًا نحو مجالات الحساب العلمي ، NumPy هي الحزم مفتوحة المصدر الأكثر استخدامًا التي تقدمها python. وهو يدعم المصفوفات الكبيرة والبيانات متعددة الأبعاد وله وظائف رياضية تحمل في ثناياه عوامل لسهولة الحساب. يعرّف الاسم "NumPy" "Numerical Python". يمكن استخدامه في الجبر الخطي ، وقدرة الأرقام العشوائية ، وما إلى ذلك ، ويمكن أن يكون بمثابة حاوية متعددة الأبعاد للبيانات العامة. Python NumPy Array هو كائن يحدد مصفوفة الأبعاد N في شكل صفوف وأعمدة.

يُفضل استخدام NumPy على القوائم في لغة Python للأسباب التالية:

• ذاكرة أقل
• بسرعة
• مناسب

تثبيت

يتم تثبيت حزمة NumPy من خلال كتابة الأمر "pip install numpy" في موجه الأوامر. يمكن استيراد الحزمة في IDE من خلال الأمر "import numpy as np". يمكن العثور على حزم التثبيت على NumPy في الرابط

4. Scipy (بايثون العلمية)

Scipy هي مكتبة بيثون مفتوحة المصدر تُستخدم في الحساب العلمي وحساب البيانات والحساب عالي الأداء. يوجد عدد كبير من الإجراءات سهلة الاستخدام في المكتبة لسهولة الحساب. تم بناء الحزمة على امتداد NumPy مما يسمح بمعالجة البيانات وتصورها مع توفر أوامر عالية المستوى. جنبا إلى جنب مع NumPy ، يستخدم Scipy في الحساب الرياضي. يسمح NumPy بفرز بيانات المصفوفة وفهرستها ، بينما يتم تخزين الكود الرقمي في SciPy.

يتوفر عدد كبير من الحزم الفرعية في SciPy وهي: الكتلة ، والثوابت ، و fftpack ، والتكامل ، والإقحام ، و io ، و linalg ، و ndimage ، و odr ، والتحسين ، والإشارة ، والمتفرقة ، والمكانية ، والخاصة ، والإحصائيات. يمكن استيرادها من SciPy من خلال "من اسم الحزمة الفرعية للاستيراد scipy".

ومع ذلك ، فإن الحزم الأساسية لـ SciPy هي NumPy و SciPy library و Matplotlib و IPython و Sympy و Pandas.

5. SQLAlchemy

تُستخدم مكتبة Python هذه في الغالب للوصول إلى المعلومات من قواعد البيانات التي تدعم مجموعة واسعة من قواعد البيانات والتخطيطات. لسهولة فهمها ، يمكن استخدام SQLAlchemy على مستوى المبتدئين. يتم دعم عدد كبير من الأنظمة الأساسية مثل Python 2.5 و Jython و Pypy لإجراء اتصال سريع بين لغة Python وقاعدة البيانات.

يمكن تثبيت الحزمة من الرابط

6. سكرابى

Scrapy هو إطار عمل مفتوح المصدر في Python لاستخراج البيانات من مواقع الويب. إنها مكتبة كشط وزحف على الويب سريعة وعالية المستوى تحت عنوان "Scrapinghub ltd". كشط صفحات متعددة في غضون دقيقة ، يعد Scrapy طريقة أسرع لكشط الويب.

يمكن استخدامه من أجل:

• مقارنة الأسعار في بوابات الويب لمنتجات معينة.
• تعدين البيانات لاسترجاع المعلومات.
• حساب البيانات في أدوات تحليل البيانات.
• جمع البيانات وتقديمها إلى مراكز المعلومات مثل بوابات الأخبار.

تثبيت

بالنسبة لبيئة conda ، يمكن إجراء التثبيت من خلال الأمر "conda install -c conda-forge scrapy". إذا لم يتم تثبيت conda ، فسيتم استخدام الأمر "pip install scrapy".

7. شوربة جميلة

على غرار Scrapy ، فإن BeautifulSoup عبارة عن مكتبة تحت برمجة Python تُستخدم لاستخراج المعلومات وجمعها من مواقع الويب. يحتوي على مكتبة XML-HTML ممتازة للمبتدئين.

8. Scikit- تعلم

Scikit- Learn هي مكتبة مفتوحة المصدر ضمن بيئة برمجة Python المستخدمة في مناهج التعلم الآلي. وهو يدعم مجموعة واسعة من خوارزميات التعلم الخاضعة للإشراف وغير الخاضعة للإشراف. تحتوي المكتبة على خوارزميات شائعة جنبًا إلى جنب مع الحزم NumPy و Matplotlib و SciPy. التطبيق الشهير لـ Scikit-Learn موجود في Spotify لتوصيات الموسيقى.

تثبيت

لتثبيت Scikit-Learn ، يجب تثبيت الحزم المذكورة أعلاه أولاً. نظرًا لأن Scikit-Learn مبني على منصة SciPy ، يجب تثبيت SciPy أولاً. يمكن بعد ذلك أن يتم التثبيت من خلال النقطة.

8. منحدر

تُستخدم مكتبة Ramp للنماذج الأولية السريعة لنماذج التعلم الآلي ببنية بسيطة لاستكشاف الخوارزميات والميزات والتحولات. يمكن استخدامه مع حزم التعلم الآلي والأدوات الإحصائية. وهو يتألف من العديد من المكتبات الإحصائية والتعلم الآلي مثل ؛ الباندا ، scikit-Learn ، إلخ. توفر مجموعة مكتبات Python هذه تركيبًا بسيطًا يساعد في استكشاف الميزات والتحولات بكفاءة.

يمكن الوصول إلى تفاصيل مكتبة Ramp من الرابط

9. بحار

يمكن استخدام الحزمة لتصور النماذج الإحصائية. تعتمد المكتبة على Matplotlib وتسمح بإنشاء رسومات إحصائية من خلال:

• مقارنة المتغيرات من خلال API على أساس مجموعات البيانات.
• جيل سهل من التصور المعقد الذي يدعم الشبكات متعددة القطع.
• مقارنة مجموعات البيانات الفرعية من خلال التصورات أحادية المتغير وثنائية المتغير.
• خيارات من لوحات الألوان المختلفة لعرض الأنماط.
• التقدير التلقائي للانحدار الخطي ورسمه.

تثبيت

يمكن استخدام الأوامر التالية لتثبيت Seaborn:

• نقطة تثبيت seaborn
• تثبيت كوندا سيبورن (لبيئة كوندا)

يتبع تركيب المكتبة تثبيت تبعياتها: NumPy و SciPy و Matplotlib و Pandas . التبعية الأخرى الموصى بها هي statsmodels.

يمكن استيراد أي نوع من مجموعات البيانات من GIT ، من خلال seaborn باستخدام وظيفة load_dataset (). يمكن عرض مجموعة البيانات من خلال دالة get_dataset_names ().

10. ستاتسمودلز

Statsmodels هي مكتبة بيثون مفيدة في تحليل وتقدير النماذج الإحصائية. تم دمج المكتبة لإجراء الاختبارات الإحصائية ، وما إلى ذلك ، مما يوفر نتائج عالية الأداء.

11. TensorFlow

TensorFlow هي مكتبة مفتوحة المصدر تُستخدم في الحسابات الرقمية عالية الأداء. كما أنها تستخدم في مناهج التعلم الآلي وخوارزميات التعلم العميق. تم تطويره بواسطة باحثين من فريق Google Brain داخل منظمة Google AI ، ويستخدم الآن على نطاق واسع من قبل الباحثين في الرياضيات والفيزياء والتعلم الآلي للحسابات الرياضية المعقدة. TensorFlow مدعوم بواسطة macOS 10.12.6 (Sierra) أو أحدث ؛ Windows 7 أو أعلى ؛ Ubuntu 16.04 أو أحدث ؛ و Raspbian 9.0 أو أحدث

12. PyGame

توفر حزمة PyGame واجهة لمكتبات الرسوم والصوت والمدخلات المستقلة عن النظام الأساسي لمكتبات Simple Directmedia Library (SDL).

تثبيت

يجب تثبيت Python 2.7 قبل تثبيت PyGame. بمجرد تثبيت Python 2.7 ، يجب تنزيل مثبت PyGame الرسمي. يتم تنفيذ الملفات المقابلة.

• مطلوب الأمر "استيراد pygame" لاستيراد الوحدات المطلوبة لـ PyGame.
• مطلوب الأمر "pygame.init ()" لتهيئة الوحدات النمطية المطلوبة لـ PyGame.
• ستطلق الوظيفة "pygame.display.set_mode ((العرض ، الارتفاع))" نافذة حيث يتم تنفيذ العمليات الرسومية.
• يساعد الأمر "pygame.event.get ()" في إفراغ الأحداث الموجودة في قائمة الانتظار وإلا ستتراكم الأحداث مما يؤدي إلى خطر عدم استجابة اللعبة.
• يستخدم التنوب إنهاء اللعبة "pygame.QUIT" وظيفة
• يتم استخدام الأمر "pygame.display.flip ()" لعرض أي تحديثات تم إجراؤها على اللعبة.

13. PyTorch

PyTorch هي مكتبة تعتمد على لغة python تمزج بين ميزتين عاليتي المستوى:

• حساب الموتر (مثل NumPy) مع تسريع GPU قوي
• توفر منصات الشبكة العصبية العميقة المرونة والسرعة.

تم تقديمه بواسطة Facebook في عام 2017. بعض ميزات PyTorch هي:

• دعم Python ومكتباتها.
• تستخدم في تطوير Facebook لمتطلبات التعلم العميق.
• واجهة برمجة تطبيقات سهلة الاستخدام لتحسين سهولة الاستخدام والفهم.
• في أي نقطة من تنفيذ التعليمات البرمجية ، يمكن إنشاء الرسوم البيانية ديناميكيًا ويمكن حسابها ديناميكيًا في وقت التشغيل.
• ترميز سهل ومعالجة سريعة.
• يمكن تنفيذه في أجهزة GPU لأنه مدعوم من CUDA.

تثبيت

يمكن تثبيت PyTorch من خلال موجه الأوامر أو داخل IDE.

14. ثيانو

على غرار المكتبات الأخرى المستخدمة للعمليات الرياضية ، يتيح Theano للمستخدم تحديد التعبيرات الرياضية وتحسينها وتقييمها. يتضمن مصفوفات كبيرة متعددة الأبعاد لإجراء حساب رياضي فعال. تصبح الرموز العادية المستندة إلى C أبطأ بالنظر إلى كميات ضخمة من البيانات. ومع ذلك ، مع توفر المكتبة ، يتيح Theano تنفيذ التعليمات البرمجية بسرعة. يمكن التعرف على التعبيرات غير المستقرة وحسابها ، مما يجعل المكتبة أكثر فائدة من NumPy.

15. سيمبي

الحزمة هي الأقرب إلى مكتبة Theano وتستخدم في جميع الرياضيات الرمزية. من خلال الكود البسيط الذي توفره الحزمة ، يمكن استخدام المكتبة بشكل فعال لنظام الجبر الحاسوبي. مكتوبة بلغة python فقط ، يمكن تخصيص SymPy وتطبيقه في تطبيقات أخرى. يمكن العثور على الكود المصدري للحزمة في GitHub.

16. كافيه 2

Caffe2 هو إطار عمل قائم على Python للتعلم العميق. بعض ميزات حزمة Caffe2 هي:

• يدعم التدريب الموزع على نطاق واسع.
• دعم الأجهزة الجديدة.
• قابلية التطبيق على العديد من العمليات الحسابية مثل الحساب الكمي.

الحزمة متوافقة مع أنظمة التشغيل مثل MacOSX و Ubuntu و CentOS و Windows و iOS و Android و Raspbian و Tegra. يمكن تثبيته من مكتبات مسبقة الصنع أو مبنية من المصدر أو صور عامل الإرساء أو السحابة. دليل التثبيت متاح

17. NuPIC

المكتبة تعني منصة Numenta للحوسبة الذكية (NuPIC). يوفر منصة لتنفيذ خوارزمية التعلم HTM. يمكن إنشاء خوارزميات التعلم الآلي المستقبلية بناءً على هذه المكتبة بناءً على القشرة المخية الحديثة. يحتوي HTM على خوارزميات التعلم المستمر المستندة إلى الوقت وهي نظرية حسابية مفصلة للقشرة المخية الحديثة. ترتبط الخوارزميات بتخزين واستدعاء الأنماط المكانية والزمانية. يمكن حل مشاكل مثل اكتشاف الشذوذ ، وما إلى ذلك من خلال استخدام NuPIC.

يمكن تنزيل الملفات من الرابط "https://pypi.org/project/nupic/".

18. Pipenv

تم تضمين Pipenv رسميًا في مكتبات Python في عام 2017. إنها أداة تعبئة بيثون تحل مشكلات سير العمل. الغرض الرئيسي من الحزمة هو توفير بيئة يسهل على المستخدمين إعدادها. تقوم بتجميع جميع عوالم التغليف ، مثل التجميع ، والملحن ، و npm ، والبضائع ، والغزل ، وما إلى ذلك ، وتتكامل مع بيئة الثعبان. بعض المشاكل التي تم حلها بواسطة Pipenv هي:

• لم يعد يتعين على المستخدمين استخدام "pip" و "virtualenv" بشكل منفصل للعمل بشكل جماعي.
• يمكن للمستخدمين الحصول على نظرة ثاقبة مناسبة في الرسم البياني التبعية.
• تبسيط سير عمل التطوير من خلال ملفات .env.

تثبيت

• من خلال الأمر “sudo apt install pipenv” في Debian Buster.
• من خلال الأمر "sudo dnf install pipenv" في Fedora.
• من خلال الأمر "pkg install py36-pipenv" في FreeBSD.
• من خلال Pipx باستخدام "Pipx install pipenv".

19. بيبرين

PyBrain هي مكتبة مفتوحة المصدر من المكتبات المتاحة في لغة python المستخدمة في خوارزميات التعلم الآلي لكل طالب مبتدئ في البحث. الهدف من PyBrain هو تقديم خوارزميات مرنة وسهلة الاستخدام لمهام التعلم الآلي. كما أنه يوفر بيئات محددة مسبقًا لمقارنة الخوارزميات. PyBrain تعني التعلم المعزز المستند إلى Python والذكاء الاصطناعي ومكتبة الشبكة العصبية. بالمقارنة مع مكتبات التعلم الآلي الأخرى التي تقدمها Python ، فإن PyBrain سريع وسهل الفهم.

بعض ميزات PyBrain هي:

1. الشبكات: يتم تعريف الشبكة على أنها وحدات متصلة من خلال الروابط. عدد قليل من الشبكات التي تدعمها PyBrain هي شبكة Feed-Forward ، والشبكة المتكررة ، وما إلى ذلك.

• • تسمى الشبكة التي يتم فيها تمرير المعلومات من عقدة إلى أخرى في اتجاه أمامي شبكة Feed-Forward. لن تنتقل المعلومات للخلف في هذا النوع من الشبكات. إنها واحدة من أولى وأبسط الشبكات التي تقدمها الشبكة العصبية الاصطناعية. يتم تدفق البيانات من عقد الإدخال إلى العقد المخفية وأخيرًا إلى عقد الإخراج.
  • على غرار عقد Feed-Forward هي العقد المتكررة ، حيث يجب تذكر المعلومات في كل خطوة.

2. مجموعات البيانات: تتضمن مجموعات البيانات البيانات التي سيتم توفيرها للشبكات من أجل اختبار الشبكات والتحقق منها وتدريبها. يعتمد ذلك على المهمة المراد تنفيذها باستخدام التعلم الآلي. يتم دعم نوعين من مجموعات البيانات في الغالب بواسطة PyBrain ، أي SupervisedDataSet و ClassificationDataSet.

• • مجموعة البيانات الخاضعة للإشراف: تُستخدم هذه الأنواع من مجموعات البيانات في الغالب لمهام التعلم تحت الإشراف. الحقول في مجموعات البيانات هي "الإدخال" و "الهدف".
  • مجموعة بيانات التصنيف: تُستخدم هذه الأنواع من مجموعات البيانات في الغالب لمهام التصنيف. إلى جانب حقلي "الإدخال" و "الهدف" ، يوجد حقل إضافي مثل "فئة". تتضمن "الفئة" النسخ الاحتياطي الآلي للأهداف.

3. المدرب: يتم تدريب البيانات الموجودة في الشبكة العصبية مع بيانات التدريب المقدمة للشبكات. للتحقق مما إذا كانت الشبكة مدربة بشكل صحيح ، يتم تحليل التنبؤ ببيانات الاختبار على تلك الشبكة. نوعان من المدربين يستخدمان في الغالب في PyBrain وهما:

• • مدرب Backprop: يتم تدريب المعلمات في الشبكة بناءً على مجموعة البيانات الخاضعة للإشراف أو ClassificationDataSet عن طريق نشر الأخطاء بشكل عكسي.
  • TrainUntilConvergence: يتم تدريب الوحدة حتى التقارب

4. التصور : يمكن تنفيذ تصور البيانات من خلال أطر أخرى مثل Mathplotlib و pyplot وما إلى ذلك.

20. الحليب

تركز حزمة التعلم الآلي "MILK" في لغة Python على استخدام المصنفات المتاحة للتصنيف الخاضع للإشراف. المصنفات المتاحة هي SVM's و k-NN والغابات العشوائية وأشجار القرار. إلى جانب التصنيف ، تساعد MILK في عملية اختيار الميزات. مجموعة المصنفات تختلف باختلاف أنظمة التصنيف.

• بالنسبة لمشكلة التصنيف غير الخاضعة للرقابة ، تستخدم MILK - يعني التجميع وانتشار التقارب.
• تختلف مدخلات الحليب. تم تحسينه في الغالب لمصفوفات NumPy ، ولكن يمكن قبول أشكال أخرى من المدخلات.
• تمت كتابة الرموز في MILK بلغة C ++ التي تستخدم ذاكرة منخفضة وذات سرعة عالية.

تثبيت

يمكن استرداد رمز التثبيت الخاص بـ MILK من Github. الأوامر المستخدمة للتثبيت هي "easy_install milk" أو "pip install milk".

يمكن استرداد مزيد من المعلومات حول مجموعة الأدوات من الرابط.

خاتمة

لقد كان استخدام لغة بيثون البسيط يستخدم على نطاق واسع في العديد من مناطق العالم الحقيقي. نظرًا لكونها لغة عالية المستوى ومكتوبة ديناميكيًا ومترجمة ، فإن اللغة تنمو بسرعة نفسها في مجالات تصحيح الأخطاء. بعض التطبيقات العالمية حيث تم استخدام Python بشكل متزايد هي YouTube و DropBox وما إلى ذلك. علاوة على ذلك ، مع توفر المكتبات في Python ، يمكن للمستخدمين أداء الكثير من المهام دون الحاجة إلى كتابة الرموز الخاصة بهم.

إذا كنت مهتمًا بالتعرف على مكتبات Python وعلوم البيانات ، فراجع IIIT-B & upGrad's Executive PG Program in Data Science الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع الصناعة خبراء ، وجهاً لوجه مع مرشدين في الصناعة ، وأكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.