- შექმნით ვებ აპს, რომელიც აჩვენებს სურათებს და უკრავს ხმებს
- ისწავლით როგორ გააკეთოთ მონაცემების გრაფიკები პითონში Jupyter Notebooks-ის გამოყენებით
- შექმნით მონაცემთა დაფის ვებ აპს Streamlit-ით
აქტივობები ამ გაკვეთილისთვის:
STREAMLIT
ვებ აპლიკაციის შექმნა Streamlit-ის და Python-ის დახმარებით მარტივია. ის მსგავსია ბლოკებზე დაფუძნებული კოდირების პლატფორმებთან, რადგან Streamlit პლატფორმა მოიცავს უამრავ კომპონენტსა და ვიჯეტს, რომელთა დამატება შესაძლებელია ერთი კოდის ხაზით. კოდის უმეტესი ნაწილი უკვე დაწერილია და პაკეტშია ჩასმული, რაც საშუალებას გაძლევთ, ფოკუსირდეთ აპლიკაციის მიზნებზე, რთულ კოდებზე დროის დაკარგვის გარეშე.
Streamlit-ის გამოსაყენებლად ვივარჯიშებთ ერთ-ერთ მობილური აპლიკაციის მაგალითზე Thunkable-დან ან App Inventor-დან და ვაჩვენებთ, თუ როგორ შეიძლება იგივე აპლიკაციის შექმნა ვებ აპლიკაციის სახით Streamlit-ში.
ᲐᲥᲢᲘᲕᲝᲑᲐ 1: ᲮᲛᲘᲡ ᲓᲐᲤᲘᲡ ᲐᲞᲚᲘᲙᲐᲪᲘᲐ
დააკოდირე Streamlit ვებ აპლიკაცია
- დააწკაპუნეთ ქვემოთ მოცემულ ღილაკზე, რათა ჩამოტვირთოთ აქტივები (სურათები და ხმის ფაილები), რომლებიც საჭირო იქნება აპის შესაქმნელად.
- მიჰყევით ამ ვიდეოებიდან ერთ-ერთს მარტივი Soundboard აპის შესაქმნელად, რომელიც უკრავს ხმებს ღილაკზე დაჭერისას.
- თუ კოდს წერთ კომპიუტერში
თუ ჯერ არ გაქვთ დაინსტალირებული Python და Streamlit, შეასრულეთ Exploring Web App Builders Activity ამ აქტივობის შესრულებამდე. - თუ კოდს წერთ ონლაინ
- თუ კოდს წერთ კომპიუტერში
- დაამატეთ მეოთხე ადამიანი თქვენს აპლიკაციას. იპოვეთ გამოსახულება და მოკლე ხმის ფაილი აპში დასამატებლად. აქ მოცემულია რამდენიმე ცნობილი გამოსვლის ბმული .
ᲛᲝᲜᲐᲪᲔᲛᲔᲑᲗᲐᲜ ᲛᲣᲨᲐᲝᲑᲐ
Python ენა კარგად მუშაობს მონაცემებთან. მასში მრავალი ბიბლიოთეკაა, რომელიც სპეციალურად შექმნილია, რათა კოდერებმა შეძლონ მონაცემების წაკითხვა, მანიპულირება და ვიზუალიზაცია. Streamlit პლატფორმასთან ერთად Python ადვილად ქმნის აპლიკაციებს, რომლებიც აანალიზებენ და აჩვენებენ მონაცემებს მომხმარებლისთვის. შემდეგი ნაბიჯი შეიძლება იყოს მონაცემთა ბაზებისა და მანქანური სწავლების მოდელების ინტეგრირება აპლიკაციაში.
პროგრამისტებისა და მონაცემთა მეცნიერების უმეტესობა Python-ში მონაცემებზე მუშაობას ახორციელებს პროგრამული უზრუნველყოფის, ე.წ. Notebook-ების გამოყენებით. ერთ-ერთი ყველაზე პოპულარული Notebook ინტერფეისი არის Jupyter Notebook.Kaggle Survey 2022-ის შედეგების მიხედვით, Jupyter Notebook-ები მონაცემთა მეცნიერების ყველაზე პოპულარული ინტერაქტიული განვითარების გარემოა (IDE), რომელსაც 80%-ზე მეტი რესპონდენტი იყენებს.
Jupyter Notebook მუშაობს ბრაუზერში, თუმცა არის სხვა ინტერფეისებიც. მაგალითად, მას შეუძლია პირდაპირ ინტეგრირება Visual Studio Code-ში.
ნოუთბუქის უკან არსებულ ძრავას, რომელიც უშვებს კოდს, ეწოდება ბირთვი . პითონისთვის თქვენ იყენებთ ipython ბირთვს.
Notebook-ები საშუალებას გაძლევთ, დაწეროთ ტექსტი და Python-ის კოდი. ტექსტი იწერება Markdown ენით, რომელსაც მარტივი ბრძანებები აქვს ტექსტის ფორმატირებისათვის. ეს კარგი გზაა, დაამატოთ სათაურები და ახსნები Notebook-ში გამოყენებული კოდის შესახებ.
თქვენ ასევე შეგიძლიათ დაწეროთ პითონის კოდი პირდაპირ ნოუთბუქში.
მსგავსად ფიზიკური რვეულისა, რომელსაც სკოლაში იყენებთ, Jupyter Notebook-ები შესანიშნავი გზაა ჩანაწერების გასაკეთებლად, პროექტის ორგანიზებისთვის და მონაცემებზე ინფორმაციის შესასწავლად. კოდის შესრულების ფუნქცია საშუალებას გაძლევთ, ექსპერიმენტი ჩაატაროთ Python კოდთან კონტროლირებულ და ორგანიზებულ გარემოში.
Jupyter Notebook-ები დაგეხმარებათ ვებ აპლიკაციის სხვადასხვა ასპექტის დაგეგმვასა და ტესტირებაში, სანამ Visual Code Editor-ში რეალური აპლიკაციის შექმნას დაიწყებთ.
ᲞᲘᲗᲝᲜᲘᲡ ᲑᲘᲑᲚᲘᲝᲗᲔᲙᲔᲑᲘ
ვებ აპლიკაციის შესაქმნელად თქვენს კოდში ბევრ ბიბლიოთეკას გამოიყენებთ.ბიბლიოთეკარის წინასწარ დაწერილი კოდის კოლექცია, რომელიც კონკრეტულ დავალებებს ასრულებს. პროგრამირების ბიბლიოთეკები ძალიან ძლიერია და საშუალებას გაძლევთ, თქვენი აპლიკაცია ძლიერი ფუნქციებით აღჭურვოთ რამდენიმე კოდის ხაზით
Python-ის ბიბლიოთეკების უმეტესობა საჭიროებს მათ ინსტალაციას თქვენს კომპიუტერში, ხოლო შემდეგ Python-ის სკრიპტში იმპორტს.
ბიბლიოთეკების მაგალითი, რომლებიც დაგჭირდებათ მონაცემთა გამოყენებისთვის არის numpy და pandas.
Pandasსაშუალებას გაძლევთ, აპლიკაციამ მარტივად იმუშაოს დიდი მოცულობის მონაცემებთან. ის მონაცემებს გადასცემს ე.წ. DataFrame ფორმატში, და აპლიკაცია მუშაობს ამ ფორმატთან.Numpy-სკი მოიცავს უამრავ ფუნქციას მონაცემებზე რიცხვითი ოპერაციების შესასრულებლად.
გარდა ამისა, არსებობს მრავალი გრაფიკული და ვიზუალიზაციის ბიბლიოთეკა, რომელიც მომხმარებლებს აჩვენებს მონაცემებს ვიზუალურად. Python-ში ყველაზე პოპულარული ვიზუალიზაციის ბიბლიოთეკებია matplotlib , plotly და seaborn .
შემდეგ აქტივობაში გამოვიყენებთ ყველა ამ ბიბლიოთეკას. ამ აქტივობაში გამოვიყენებთ მუსიკისა და მენტალური ჯანმრთელობის გამოკითხვის მონაცემებს, რათა შევქმნათ მონაცემთა დეშბორდი, რომელიც მომხმარებელს აჩვენებს მონაცემებს სხვადასხვა ფორმით და საშუალებას აძლევს მათზე იმოქმედოს.
ᲐᲥᲢᲘᲕᲝᲑᲐ 2: ᲛᲝᲜᲐᲪᲔᲛᲗᲐ ᲓᲐᲤᲐ
შექმენით Streamlit ვებ აპლიკაცია
- თქვენს კომპიუტერზე:
- ღრუბელში:
რეფლექსია
გილოცავთ, თქვენ შექმენით ორი ვებ აპლიკაცია Streamlit-ში! დაუსვით საკუთარ თავს ეს კითხვები:
ძირითადი ტერმინების მიმოხილვა
- Jupyter Notebook – პოპულარული მონაცემთა მეცნიერების ინტერაქტიული განვითარების გარემო, რომელიც მუშაობს მონაცემებთან პითონის კოდირების საშუალებით
- ბირთვი - პროცესი, რომელიც მუშაობს და მოქმედებს როგორც ძრავა Jupyter Notebooks-ის უკან
- Markdown ენა – ენა, რომელიც საშუალებას გაძლევთ მარტივად დააფორმატოთ ტექსტი, რათა ის უფრო წაკითხვადი იყოს
- ბიბლიოთეკა - წინასწარ დაწერილი კოდის კოლექცია, რომელიც ასრულებს კონკრეტულ დავალებებს
ᲓᲐᲛᲐᲢᲔᲑᲘᲗᲘ ᲠᲔᲡᲣᲠᲡᲔᲑᲘ
Jupyter Notebooks
- Misra Turp-ის Hands-On Data Science Youtube-ის დასაკრავი სია
- საძიებო მონაცემთა ანალიზი Python-ით და Pandas Profiling with Andy McDonald
Streamlit
- Streamlit App Gallery-ს აქვს მრავალი შესანიშნავი აპლიკაციის მაგალითი მოწოდებული წყაროს კოდით
- მონაცემთა პროფესორის როგორ ააშენოთ თქვენი პირველი მონაცემთა მეცნიერების ვებ აპლიკაცია Python-Streamlit-ში
- პითონში Streamlit-ის დაწყება ენდი მაკდონალდთან ერთად
