1 Выбор платформы и данных

1.1 Выбор платформы для разработки и необходимых библиотек

Python — это спецификация для языка программирования Python, которая может быть реализована различными способами. Каждая реализация языка программирования Python использует отдельный интерпретатор.

Поскольку Python является самым быстрорастущим языком программирования в 2022 году, недостатка в интерпретаторах для него нет. Но поскольку каждый из них удовлетворяет определенным требованиям, вам нужно сначала выяснить, какой из них вам подходит.

По определению, интерпретатор — это тип компьютерной программы, которая непосредственно выполняет инструкции, написанные на каком-либо языке программирования или сценариев. Под прямым выполнением мы подразумеваем, что для этого не требуется, чтобы инструкции сначала были скомпилированы в программу на машинном языке.

1.1.1 Обоснование выбора платформы интерпретатора языка Python

Когда люди говорят о Python, они обычно имеют в виду не только язык, а также реализацию CPython. Python – это спецификация языка, которая может быть реализована разными способами.

CPython

CPython является эталонной реализацией Python, которя написана на C. Код Python интерпретируется виртуальной машиной в промежуточные байты. CPython может обеспечить очень высокий уровень совместимости с пакетами Python и модулями расширения C.

Если нужно написать код Python с открытым исходным кодом и охватить как можно более широкую аудиторию, CPython буджет самым подходящим вариантом.

Чтобы использовать пакеты, которые полагаются на расширения C для функционирования, CPython — ваш единственный вариант реализации.

Все версии языка Python реализованы на C, поскольку CPython является эталонной реализацией.

PyPy — это интерпретатор Python, реализованный в ограниченном статически типизированном подмножестве языка Python, называемом RPython. Интерпретатор оснащен компилятором just-in-time и поддерживает несколько интерфейсов (C, CLI, JVM).

PyPy нацелен на максимальную совместимость с эталонной реализацией CPython при одновременном повышении производительности.

Если вы хотите повысить производительность своего кода на Python, стоит попробовать PyPy. По ряду тестов в настоящее время он более чем в 5 раз быстрее, чем CPython.

PyPy поддерживает Python 2.7. PyPy3, выпущенный в бета-версии, ориентирован на Python 3.

Jython является реализацией Python, способная компилировать код Python в байт-код Java, который затем выполняется JVM, (виртуальная машина Java). Кроме того, он может включать и использовать любой класс Java, такой как модуль Python.

При надобности взаимодействия с кодовой базой Java или при наличии остальных причин, написание кода на Python для JVM, лучше всего использовать Jython.

Jython поддерживает Python версии 2.7.

IronPython является реализацией .NET Framework на языке Python. Он может использовать как библиотеки, так и фреймворк .NET, а также может предоставлять доступ к коду Python на других языках в рамках фреймворка.

Инструменты Python для Visual Studio интегрируют IronPython непосредственно в среду разработки Visual Studio, это значит, что для разработчиков Windows это хороший выбор.

IronPython поддерживает Python 2.7. [3] IronPython 3 [4] находится в стадии разработки, но не готов к использованию по состоянию на сентябрь 2020 года.

Python для .NET — это пакет, который обеспечивает практически бесшовную интеграцию изначально установленной установки Python с .NET Common Language Runtime (CLR). Это подход, обратный подходу IronPython (см. Выше), к которому он скорее дополняет, чем конкурирует.

В сочетании с Mono pythonnet позволяет собственным установкам Python в операционных системах, отличных от Windows, таких как OS X и Linux, работать в рамках .СЕТЕВАЯ структура. Его можно запускать в дополнение к IronPython без конфликтов.

1.1.2 Выбор библиотек для анализа данных

Существуют библиотеки, которые предоставляют пользователям необходимую функциональность при обработке данных. Ниже приведены основные библиотеки Python, которые используются для работы с данными. Вам следует потратить некоторое время на то, чтобы ознакомиться с основными назначениями этих пакетов  pandas, matplotlib, numpy.

Pandas

Pandas для операций со структурированными данными и манипуляций с ними. Он широко используется для сбора и подготовки данных. Pandas были добавлены в Python относительно недавно и сыграли важную роль в расширении использования Python в сообществе специалистов по обработке данных.

Matplotlib

Matplotlib для построения самых разнообразных графиков, начиная от гистограмм и заканчивая линейными графиками и тепловыми графиками. Вы можете использовать функцию Pylab в ipython notebook (ipython notebook –pylab = inline), чтобы использовать эти функции построения встраиваемых. Если вы игнорируете встроенную опцию, то pylab преобразует среду ipython в среду, очень похожую на Matlab.

Requests

Библиотека requests разработана с учетом потребностей современных web-разработчиков и актуальных технологий. Многие операции автоматизированы, а ручные настройки сведены к минимуму.
В целом, практически любая задача, которая возникает у разработчика, нашла свое отражение в коде библиотеки. Важно понимать, что Requests не предназначен для парсинга ответа сервера (для этого применяют другие модули, например, Beautiful Soup).

Numpy 

NumPy расшифровывается как Числовой Python. Самой мощной функцией NumPy является n-мерный массив. Эта библиотека также содержит базовые функции линейной алгебры, преобразования Фурье, расширенные возможности случайных чисел и инструменты для интеграции с другими языками низкого уровня, такими как Fortran, C и C++.

1.2 Получение данных

1.2.1 Предварительный анализ данных

Анализ данных – Предварительная обработка данных относится к шагам, применяемым для того, чтобы сделать данные более подходящими для интеллектуального анализа данных. Шаги, используемые для предварительной обработки данных, обычно делятся на две категории:

выбор объектов данных и атрибутов для анализа.

создание / изменение атрибутов.

Самым простым и, вероятно, наиболее распространенным примером Python является программа «Hello world».

Вот как это выглядит:

(«Привет, мир!»)

Выход:

Привет, мир!

Спросите Пользователя, как Его зовут, и Поприветствуйте Его

Чтобы запросить пользовательский ввод в Python, используйте функцию input().

Например, вы можете сохранить пользовательский ввод в переменную и использовать эту переменную в приветствии.

код:

имя = ввод («Пожалуйста, введите свое имя:»)

печать(f»Привет, {имя}!»)

Выход

1.2.2 Выбор формата хранения данных

Существует два типа цифровой информации: входные и выходные данные. Пользователи предоставляют входные данные. Компьютеры предоставляют выходные данные. Но центральный процессор компьютера не может ничего вычислить или выдать выходные данные без ввода пользователем.

Пользователи могут вводить входные данные непосредственно в компьютер. Однако в начале компьютерной эры они обнаружили, что постоянный ввод данных вручную отнимает слишком много времени и энергии. Одним из краткосрочных решений является компьютерная память, также известная как оперативная память. Но его объем памяти ограничен.

Как работает хранилище данных

Современные компьютеры или терминалы подключаются к устройствам хранения данных либо напрямую, либо через сеть. Пользователи инструктируют компьютеры получать доступ к данным с этих устройств хранения и сохранять их на них. Однако на фундаментальном уровне хранение данных имеет две основы: форму, в которой данные принимаются, и устройства, на которых данные записываются и хранятся.

Для хранения данных, независимо от формы, пользователям нужны устройства хранения. Устройства хранения данных делятся на две основные категории: прямое локальное хранилище и сетевое хранилище.

Скачать основную часть для отчета по практике можно по ссылке: Скачать основную часть МУИВ Вариант 1, Вариант 2,  Вариант 3, Вариант 4, Вариант 5.