كيفية استخدام Notebooks في بايثون

عند قراءة أو مشاهدة دروس بايثون عبر الإنترنت، قد تلاحظ أن العديد من علماء البيانات يستخدمون Notebooks لمشاريعهم. دعنا نستكشف ما هو Notebooks وكيفية استخدامه في بايثون.

بايثون هي لغة برمجة عامة يمكن استخدامها لأي شيء تقريبًا. وهي أيضًا واحدة من الأدوات الرئيسية المستخدمة في علم البيانات هذه الأيام. هناك العديد من بيئات التطوير المتكاملة الشهيرة لـبايثون لعلم البيانات، ولكن إذا تابعت هذا المجال لفترة من الوقت، فستلاحظ أن العديد من علماء البيانات يختارون تنفيذ مشاريعهم في Jupyter Notebooks. في هذه المقالة، سأناقش ماهية Notebooks، وكيفية تثبيته على جهاز الكمبيوتر، وكيفية العمل معها ومتى تستخدمها.

ما هو Notebooks؟

Jupyter Notebook (المعروف سابقًا باسم IPython Notebooks) عبارة عن بيئة حسابية تفاعلية تعتمد على الويب يمكنك استخدامها لإنشاء مستندات تحتوي على كل من التعليمات البرمجية للكمبيوتر (على سبيل المثال بايثون) وعناصر نصية غنية مثل فقرات النص والمعادلات والتصورات والروابط وما إلى ذلك.

بدلاً من كتابة وإعادة كتابة برامج بايثون بالكامل، يمكنك استخدام Notebooks للحصول على تجربة أكثر تفاعلية. باستخدام Jupyter Notebook، يمكنك:

• اكتب سطرًا واحدًا أو أكثر من التعليمات البرمجية، وإذا لزم الأمر، قم بتشغيل كل سطر على حدة لرؤية الناتج على الفور وتحديد أي مشكلات.
• عرض مخرجات الكود، بما في ذلك جداول البيانات والرسوم البيانية، بين مقتطفات الكود المقابلة.
• أضف نصًا توضيحيًا إلى الكود الخاص بك.

نتيجة لذلك، ستحصل على مستند واحد يتوافق مع مشروع بايثون. يحتوي هذا المستند على جميع التعليمات البرمجية والبيانات والتصورات المنظمة والمهيكلة بشكل جيد. لا يبدو هذا المستند كبرنامج بايثون معقد لا يستطيع فهمه إلا المبرمجون، بل يبدو وكأنه تقرير جاهز للمشاركة وسهل المتابعة.

يعد استخدام notebooks شائعًا بشكل خاص في علم البيانات، حيث تجعل سير العمل أسهل وأكثر كفاءة. عند العمل بالبيانات في بايثون، من الملائم جدًا رؤية مخرجات أسطر التعليمات البرمجية المنفصلة أو مقتطفات التعليمات البرمجية. بعض الطرق الشائعة للقيام بذلك هي:

• df.head() – تقوم بإرجاع أول خمسة أسطر من جدول البيانات، مما يساعدك على فهم بياناتك بشكل أفضل.
• df.describe() – إرجاع إحصائيات وصفية لجدول البيانات بأكمله.
• df.plot(x="column_1", y="column_2", kind="scatter") – ينتج مخططًا يوضح الارتباط بين column_1 وcolumn_2.

جميع الوظائف المذكورة أعلاه هي جزء من مكتبة pandas، إحدى المكتبات الرئيسية لتحليل البيانات. يمكنك قراءة المزيد عنها في قائمتنا لأفضل 15 مكتبة Python لعلم البيانات.

سنعرض المزيد من الأمثلة أدناه، ولكن يجب أن ترى كيف سيساعد استخدام Jupyter notebooks في تسريع سير عملك وتسهيل التواصل ومشاركة نتائجك. الآن، دعنا نرى كيف يمكنك البدء في استخدام هذه الأداة.

كيفية تثبيت Jupyter Notebook على جهاز الكمبيوتر؟

لا يتم تضمين Jupyter Notebook مع بايثون؛ إذا كنت تريد استخدامه، فستحتاج إلى تثبيت Jupyter على جهاز الكمبيوتر الخاص بك. هناك بعض الخيارات هنا.

غالبًا ما يتم تشجيع علماء البيانات الطموحين على استخدام توزيعة Anaconda من بايثون. حيث يأتي مع العديد من حزم علوم البيانات المفيدة المثبتة مسبقًا، بما في ذلك Jupyter Notebook وJupyterLab. إذا كان هذا يبدو مثيرًا للاهتمام بالنسبة لك، فانتقل إلى الموقع الرسمي لشركة Anaconda، واختر من المنتجات توزيعة Anaconda، وقم بتنزيل المثبت المطابق لنظام التشغيل الخاص بك. بعد إكمال التثبيت وتشغيل Anaconda Navigator، ستتمكن من تشغيل Jupyter Notebook من هذا المستعرض.

إذا كنت تريد البدء في استخدام Jupyter دون تنزيل وتثبيت Anaconda، فيمكنك القيام بذلك باستخدام مدير الحزم pip. فهو يسمح لك بتثبيت أي حزمة بايثون تشكل جزءًا من Python Package Index – بما في ذلك Jupyter Notebook.

بالنسبة لهذا التثبيت، ستحتاج إلى تشغيل بعض الأوامر من Windows PowerShell أو موجه الأوامر (إذا كنت تعمل على نظام Windows) أو من Terminal (إذا كنت تعمل على نظام Mac).

تحقق من إصدار بايثون المثبت على نظامك. ستحتاج إلى تثبيت بايثون 3 (بايثون 3.X). هذا هو إصدار بايثون الأكثر استخدامًا؛ بالإضافة إلى ذلك، تأتي جميع عمليات تثبيت بايثون3 تقريبًا مع مدير الحزم pip مثبتًا مسبقًا. للتحقق من إصدار بايثون الخاص بك، اكتب:

python --version or python3 --version

استخدم pip لتثبيت Jupyter باستخدام الأمر التالي:

pip3 install jupyter

قد يستغرق التثبيت بضع دقائق، ولكن بعد ذلك سيكون لديك Jupyter Notebook مثبتًا على جهاز الكمبيوتر الخاص بك. الآن دعنا نرى كيفية العمل مع Notebook بمجرد تثبيت كل شيء.

كيفية العمل مع Jupyter Notebooks

في كل مرة تريد العمل باستخدام Notebook، ستحتاج إلى تشغيل خادم Notebook. يتم ذلك بتشغيل الأمر التالي في Terminal (macOS) أو Windows PowerShell (Windows):

jupyter notebook

يقوم الأمر بتشغيل خادم Notebook، مما يعني أنك سترى لوحة معلومات Notebook في نافذة متصفح جديدة (أو علامة تبويب جديدة).

تتيح لك لوحة المعلومات هذه إنشاء Notebook جديد أو تحديد أحد Notebook الموجودة وفتحها:

• لفتح Notebook موجود، ما عليك سوى تصفح المجلدات والنقر فوق الملف الذي يحمل امتداد .ipynb (الذي يتوافق مع Notebook Jupyter). سيتم فتح Notebook في علامة تبويب جديدة بالمتصفح.
• لإنشاء Notebook جديد، انقر فوق جديد ، وسيتم فتح Notebook فارغ في علامة تبويب جديدة.
• لنفعل شيئًا بهذا الدفتر الجديد! على وجه التحديد، لنلق نظرة موجزة على مجموعة بيانات قائمة ستاربكس. فهي تحتوي على معلومات غذائية عن الأطعمة والمشروبات التي تقدمها ستاربكس، بما في ذلك السعرات الحرارية والدهون والكربوهيدرات والألياف والبروتين في كل وجبة.
• هنا، سنجري تحليلًا استكشافيًا بسيطًا للغاية للبيانات حول المشروبات التي يتم تقديمها في ستاربكس. من أجل التبسيط، قمت بالفعل بتنظيف مجموعة البيانات وإزالة الصفوف التي تحتوي على بيانات مفقودة. الآن دعنا نستمتع بدفتر ملاحظات Jupyter:

استورد كل المكتبات الضرورية. سنستورد pandas لمعالجة وتحليل البيانات الجدولية وSeaborn لإنشاء تصورات البيانات. إذا لم تقم بتثبيت هذه المكتبات بعد، فستحتاج إلى القيام بذلك قبل الاستيراد – اتبع تسلسل تثبيت حزمة pip الموضح سابقًا.

إنشاء إطار بيانات. بعد ذلك، نقوم بتحميل مجموعة البيانات الخاصة بنا من ملف .csv إلى pandas حتى نتمكن من معالجتها وتحليلها باستخدام بايثون. في الكود أدناه، df هو الاسم الذي نعينه لمجموعة البيانات الخاصة بنا.

عرض مجموعة البيانات. لفهم بياناتنا بشكل أفضل، نريد إلقاء نظرة على الصفوف العلوية من مجموعة البيانات. ولتحقيق هذه الغاية، نطبق التابع head() على مجموعة البيانات df. بشكل افتراضي، يتم إرجاع أول 5 صفوف.

الحصول على إحصائيات وصفية. بعد ذلك، نحصل على إحصائيات وصفية لجميع الأعمدة الرقمية في مجموعة البيانات الخاصة بنا باستخدام الأمر df.describe().

ارسم مخططًا. وأخيرًا، نريد أن نرى بعض التصورات المرئية. على سبيل المثال، نستخدم أدناه مكتبة Seaborn لرسم السعرات الحرارية مقابل الكربوهيدرات وفهم كيفية ارتباط هاتين الخاصيتين ببعضهما البعض.

كما ترى، من الملائم جدًا العمل بالبيانات في Notebooks. يمكنك تحديد أي خلية وتشغيلها بشكل منفصل إما بالنقر فوق “تشغيل” في القائمة العلوية أو الضغط على Shift + Enter. بالطبع، يمكنك دائمًا تشغيل جميع الخلايا مرة واحدة.

في هذا المثال، قمت بخدش السطح فقط. هناك الكثير مما يمكنك فعله باستخدام Notebooks Jupyter، مثل إضافة رؤوس أو قوائم، وتمييز التعليمات البرمجية وبناء الجملة، وتصدير Notebooks إلى PDF وتنسيقات أخرى، وما إلى ذلك.

دعونا نناقش بعض حالات الاستخدام النموذجية Notebooks Python.

حالات الاستخدام النموذجية ل Notebooks Python

كما ترى أعلاه، تعد Notebooks Jupyter فعالة للغاية لأي مشروعات متعلقة بالبيانات. إذا كنت ترغب في العمل (أو تعمل) بالبيانات، فإنني أوصي بشدة بهذه الأداة لمشروعك التالي. هناك حالات معينة تكون فيها Notebooks Python مفيدة بشكل خاص:

• إنشاء مشروع في مجال علوم البيانات لمحفظتك. إذا كنت تبحث عن وظيفة في مجال علوم البيانات، فإن إنشاء محفظة مشاريع أمر ضروري. باستخدام Notebooks Jupyter، يمكنك إظهار مجموعة متنوعة من مهاراتك من خلال مستند واحد، بما في ذلك كيفية التعامل مع المشروع، ومهاراتك في البرمجة وتصور البيانات، وقدرتك على تفسير النتائج، ومهارات العرض التقديمي.
• توثيق مشروع البرمجة ومشاركته. غالبًا ما يستخدم المبرمجون المحترفون Notebooks Jupyter لمشاركة خبراتهم. يمكن تنزيل Notebooks ودراستها من قبل المبتدئين في بايثون. وعادةً ما تكون سهلة المتابعة لأنها: 1 – يتم عرض الإخراج مباشرة بعد الكود. 2- يمكن أن يكون هناك تعليق واسع النطاق. 3- تم تنسيق كل شيء بشكل جيد.
• مشاركة التصورات المرئية. عادةً ما نشارك نتائج التصور المرئي للبيانات كصورة ثابتة. باستخدام Notebooks Jupyter، يمكنك مشاركة ليس فقط المخططات البيانية ولكن أيضًا الكود وراء هذه المخططات البيانية حتى يتمكن الآخرون من المشاركة واللعب بها.