مكتبات بايثون التي يجب على كل مبتدئ في البرمجة أن يعرفها

هل تريد الاستفادة الكاملة من لغة برمجة الكمبيوتر بايثون؟ اطلع على أفضل مكتبات بايثون للمبتدئين!

بايثون هي لغة برمجة شائعة الاستخدام. إن بناء الجملة الواضح يجعلها مثالية للمبتدئين لتعلمها. إحدى مزايا هذه اللغة هي العدد الكبير من المكتبات مفتوحة المصدر المتاحة. مكتبة بايثون هي مجموعة من وحدات التعليمات البرمجية ذات الصلة. يمكنك استخدام هذه الوحدات في برامجك الخاصة لتبسيط عملية البرمجة وتسريعها – على سبيل المثال، بدلاً من كتابة دالة خاصة بك لفتح ملف Excel، يمكنك استخدام واحدة من مكتبة pandas.

تأتي العديد من المكتبات والوحدات النمطية مع التثبيت القياسي لـبايثون، بينما يلزم تنزيل البعض الآخر بشكل منفصل. بمجرد تثبيتها، يمكن استيرادها بسهولة إلى مشروعك، مما يتيح لك الوصول المباشر إلى وظائف إضافية.

الآن بعد أن تعرفنا على ما هي المكتبات وكيفية بدء رحلة تعلم بايثون، دعنا نتحدث عن مكتبات بايثون التي يجب أن يعرفها المبتدئون.

أفضل 7 مكتبات بايثون للمبرمجين الجدد

إليك قائمتنا لمكتبات بايثون التي يجب أن يعرفها كل مبتدئ. قد لا ترغب في معرفة كل منهم بالتفصيل، ولكن يجب أن تتعرف على ما يمكنهم فعله.

NumPy

NumPy هي إحدى مكتبات بايثون الأكثر استخدامًا. فهي تحتوي على وظائف لإجراء العمليات الحسابية الرقمية بسرعة وكفاءة، لكن قوتها تكمن في العمل مع المصفوفات. في بايثون، يمكن أن تحتوي المصفوفات على أعداد صحيحة أو أعداد عشرية أو سلاسل أو حتى أرقام مركبة. على سبيل المثال، يمكن إنشاء مصفوفة NumPy ثنائية الأبعاد على النحو التالي:

>>> import numpy as np
>>> ar = np.array([[1, 2, 3], [4, 5, 6]])
>>> print(ar)
[[1 2 3]
 [4 5 6]]

يمكننا أيضًا حساب الجذر التربيعي لكل عنصر بكفاءة أو إجراء بعض الحسابات الأخرى لجميع البيانات في نفس الوقت:

>>> print(np.sqrt(ar))
[[1.  1.41421356  1.73205081],
 [2.  2.23606798  2.44948974]]

pandas

أصبحت مكتبة pandas العمود الفقري لتحليل البيانات في بايثون؛ وهي ضرورية لأولئك الذين يرغبون في تعلم كيفية العمل بالبيانات. باستخدام pandas، يمكنك قراءة البيانات من ملف، وإجراء بعض التحليلات الاستكشافية للبيانات وتصورها، والتلاعب بالبيانات، وحساب الإحصائيات، وغير ذلك الكثير.

لنفترض أن لديك ملف Excel يحتوي على درجات الطلاب في مواد مختلفة. يمكننا استخدام pandas لقراءة الملف بسهولة:

>>> import pandas as pd
>>> df = pd.read_excel('grades.xlsx', index_col='name')
>>> print(df)
      physics  geography  french
name                           
Sam        68         81      78
Aiko       91         84      88
Lisa       62         73      74
Jonas      72         57      60

والآن يمكننا حساب متوسط ​​الدرجة لكل طالب:

>>> print(df.mean(axis=1))
name
Sam     75.666667
Aiko    87.666667
Lisa    69.666667
Jonas   63.000000

ومن الممكن بعد ذلك دمج هذه البيانات مع بيانات الطلاب في فصل آخر وتصفيتها للعثور على الطلاب الحاصلين على أعلى الدرجات. ومن ثم يمكن كتابة النتائج في ملف جديد ــ كل هذا باستخدام بضعة أسطر من التعليمات البرمجية.

matplotlib

إن إنتاج تصورات جيدة بسرعة وسهولة يعد مهارة أساسية للعديد من مشاريع بايثون. وعلى الرغم من وجود العديد من المكتبات لإنتاج أنواع مختلفة من الرسوم البيانية في بايثون، إلا أن matplotlib يجب أن تكون محطتك الأولى. ويرجع هذا إلى سهولة استخدامه والتوثيق الناضج مع مجموعة ممتازة من الأمثلة.

os

لا تعد هذه المكتبة جذابة مثل بعض مكتبات بايثون الأخرى في هذه القائمة. ومع ذلك، فهي مفيدة عندما تحتاج إلى التفاعل مع نظام التشغيل من داخل برنامج بايثون الخاص بك. على سبيل المثال، يمكنك الحصول على الدليل الحالي لمشروعك وقائمة الملفات الموجودة في الدليل على النحو التالي:

>>> import os
>>> root_directory = os.getcwd()
>>> file_list = os.listdir(root_directory)

بعد أن تكون لديك قائمة بالملفات، يمكنك تحديد بعضها ونقلها إلى دليل آخر باستخدام os.rename() أو os.replace() وتغيير الأذونات باستخدام os.chmod(). راجع وثائق بايثون الرسمية للحصول على مزيد من المعلومات.

datetime

إذا كنت بحاجة إلى العمل بالتواريخ أو الأوقات في مشروع بايثون، فلا تبحث أبعد من مكتبة datetime. باستخدامها، يمكنك تعريف التواريخ والأوقات ككائنات والتلاعب بها. – على سبيل المثال عن طريق إضافة عدد معين من الأيام أو حساب الوقت بين كائنين datetime. هذا يوفر عليك عناء القلق بشأن الأعداد المختلفة للأيام في كل شهر أو سنة كبيسة. يمكنك حتى جعل كائنات datetime على دراية بالمنطقة الزمنية. إليك كيفية حساب عدد الأيام التي مرت منذ عيد ميلادك:

>>> import datetime as dt
>>> date_of_birth = dt.datetime(1990, 3, 12)
>>> print(dt.datetime.today() - date_of_birth)
11818 days, 17:17:27.865661

إذا كنت تريد بعض الأمثلة الإضافية، فقم بإلقاء نظرة على مقالتنا حول كيفية العمل مع التاريخ والوقت في بايثون.

statsmodels

يعد إجراء الإحصاءات جزءًا مهمًا من البرمجة العلمية. لديك بعض الخيارات للاختيار من بينها (مثل استخدام NumPy أو pandas لحساب المتوسطات). ومع ذلك، فإن statsmodels يذهب إلى أبعد من ذلك ويوفر وظائف لتقدير العديد من النماذج الإحصائية المختلفة وإجراء الاختبارات الإحصائية.

تم بناء هذه المكتبة على NumPy وSciPy (مكتبة رائعة أخرى للحوسبة العلمية). باستخدام statsmodels، يمكنك بسهولة ملاءمة نموذج الانحدار لبعض البيانات وطباعة ملخص النتائج الذي يحتوي على معلمات النموذج ومقياس r-squared وf-statistic والمزيد من المعلومات. إليك وثائق statsmodels إذا كنت تبحث عن مزيد من التفاصيل.

scikit-learn

إذا كنت ترغب في الانخراط في مجال تعلم الآلة، فيجب أن تكون هذه المكتبة على رأس قائمتك. فهي تحتوي على دوال للقيام بكل شيء في خط أنابيب تعلم الآلة:

• تحميل البيانات وتنظيفها وإعدادها.
• تقسيم البيانات إلى مجموعات التدريب والاختبار.
• حساب المميزات.
• تدريب خوارزمية خاضعة للإشراف أو غير خاضعة للإشراف.
• تقييم أداء الخوارزمية.

يمكنك استخدام scikit-learn للعديد من مشاريع تعلم الآلة، بغض النظر عما إذا كنت تعمل مع بيانات رقمية أو نص أو صور.

تحتوي مكتبة scikit-learn أيضًا على بعض مجموعات بيانات الاختبار التي يمكنك استيرادها مباشرة إلى بايثون. وهذا يعني أنه ليس عليك البحث عن بياناتك الخاصة إذا كنت تريد اكتساب القليل من الخبرة في التعلم الآلي. إليك كيفية تحميل مجموعة بيانات iris الشهيرة:

>>> from sklearn.datasets import load_iris
>>> X = data.data
>>> y = data.target

من هنا، يمكنك إجراء بعض تحليلات البيانات الاستكشافية عن طريق حساب القيم المتوسطة باستخدام NumPy أو تصور البيانات باستخدام matplotlib. يمكنك حتى وضع مصفوفات X وy في إطار بيانات pandas للتدرب على معالجة البيانات. لمزيد من التحدي، يمكنك استخدام scikit-learn لإجراء تحليل عنقودي. إذا تمكنت من إدارة هذا، فأنت في طريقك إلى أن تصبح خبيرًا في تعلم الآلة!

هل تريد المزيد من مكتبات بايثون؟

لقد استحقت العديد من المكتبات التي ناقشناها هنا مكانتها بجدارة ضمن أفضل 15 مكتبة بايثون لعلم البيانات. ولكن هناك العديد من مكتبات بايثون الرائعة لدرجة أنه من الصعب تضييق نطاقها إلى الأكثر أهمية. بغض النظر عما تريد القيام به في بايثون، فمن المحتمل أن تكون هناك مكتبة لذلك؛ من الجيد دائمًا معرفة ما إذا كان هناك شيء موجود بالفعل. سيجعل هذا حياتك أسهل وبرامجك أكثر قوة.