آموزش زبان برنامه نويسي پايتون

اين روزها علم داده يا data science طرفدارهاي بسيار زيادي پيدا كرده و به سرعت در حال گسترش است. اما سوالي كه براي بسياري از برنامه نويسان مطرح مي شود اين است كه كدام زبان برنامه نويسي براي اين كار بهتر است؟ قبل از اينكه در مورد زبان هاي برنامه نويسي صحبت كنيم، بهتر است كمي بيشتر در مورد خود علم داده اطلاع پيدا كنيم.

علم داده يا data science چيست؟

اگر در محيط وب جستجويي در مورد علم داده داشته باشيد حتما با دنيايي از مقالات طولاني و پيچيده مواجه مي شويد اما ما فقط يك جمله براي تعريف آن بيان مي كنيم. علم داده هنر جمع آوري، اندازه گيري، ارزيابي، مرتب سازي و آناليز مجموعه داده (data set) است. اين مجموعه داده مي تواند بسيار كوچك مثلا در حد شناسايي افراد بازديدكننده از سايت شما در يك بازه زماني خاص باشد يا داده هاي بسيار زيادي را شامل شود مثل بررسي وضعيت هزاران سنسور هوشمند در سراسر يك منطقه.

علم داده سال هاي زيادي است كه پديد آمده ولي نوآوري در زبان هاي برنامه نويسي مانند پايتون و R باعث گسترش قابليت هاي آن در استفاده از نرم افزارهاي گوناگون شده و سرعت جمع آوري ، ارزيابي و آناليز داده ها را به طور چشمگيري افزايش داده است.

خب تا اينجا درمورد علم داده صحبت كرديم. در ادامه اين مطلب قصد داريم زبان هاي پايتون و R را از جنبه هاي مختلفي باهم مقايسه كنيم.

جمع آوري داده (data collection)

اولين تفاوت مهم زبان هاي پايتون و R در حوزه جمع آوري داده است. براي مثال زبان پايتون از انواع فرمت هاي گوناگون از csv گرفته تا json و حتي جداول sql پشتيباني مي كند. در حوزه توسعه وب هم پايتون اين اجازه را مي دهد كه داده ها را از دنياي وب جمع آوري كنيد و در جداولي كه خودتان ساختارش را مشخص كرده ايد، قرار دهيد. در مقابل زبان R براي وارد كردن داده هايي با فرمت excel ، csv و txt بهينه سازي شده است.

اكتشاف داده (exploring data)
پايتون يك كتابخانه بسيار قدرتمند براي تحليل و اكتشاف داده به نام Pandas دارد كه مي توانيد از آن براي عمليات گوناگوني مثل فيلتر كردن داده ها، مرتب سازي و نمايش داده ها به راحتي استفاده كنيد. در مقابل زبان R براي آناليزهاي آماري در ديتاست هاي بزرگ بهينه شده و شامل قابليت هاي متنوعي براي انجام عمليات اكتشاف داده است. با استفاده از زبان R شما مي توانيد توزيع احتمال هاي مختلفي براي داده هايتان در نظر بگيريد، تست هاي آماري زيادي به كار ببريد و عمليات هاي مختلف داده كاوي و يادگيري ماشين اجرا كنيد.

مدل سازي داده (data modeling)

در زبان پايتون كتابخانه هاي قدرتمند و استانداردي مانند NumPy براي آناليز مدل سازي عددي يا SciPy براي محاسبات علمي وجود دارد. اما اگر برنامه نويسان بخواهند همين مدل سازي هاي علمي را در زبان R انجام دهند، بايد از پكيج هاي خارج از اين زبان استفاده كنند. البته ممكن است راه حل هايي در درون خود زبان R هم وجود داشته باشد ولي قطعا پيچيدگي هايي را به برنامه اضافه مي كند كه در زبان پايتون وجود نداشته است.

تصويرسازي داده (data visualization)

تنها حوزه اي كه زبان R نسبت به زبان پايتون برتري دارد، حيطه مصورسازي داده است. پايتون ابزارهايي مانند matplotlib دارد كه مي توانند داده ها را به خوبي نمايش دهد. اما زبان R اساسا براي نمايش نتايج آناليزهاي آماري ساخته شده است و ماژول هاي گرافيكي آن امكان رسم نمودارها و چارت هاي مختلف را فراهم مي كند.

با اين تفاسير كدام زبان براي افراد مبتدي بهتر است؟

زبان پايتون و R هركدام مزيت هاي متفاوتي در حوزه علم داده دارند اما سوال اصلي اينجاست كه كدام يك براي افراد مبتدي و كارهاي اوليه مناسب تر است؟ با توجه به مواردي كه گفته شد به نظر ميرسد زبان پايتون انتخاب اصلي براي اين دسته از افراد باشد. درست است كه افراد تازه كار مي توانند از زبان R براي اجراي آناليزهاي ساده و پايه اي در مدت زمان كوتاهي استفاده كنند، اما براي اين كه اين زبان و كتابخانه هاي آن را به درستي به كار ببرند، بايد ساعت ها براي يادگيري تلاش كنند. در مقابل زبان برنامه نويسي پايتون يك زبان بسيار ساده و قابل فهم است كه نه فقط براي علم داده بلكه براي بسياري از برنامه ها در حوزه هاي مختلف، كاربرد زيادي دارد. يكي از روش هاي يادگيري اين زبان برنامه نويسي، مشاهده ويدئوهاي آموزشي معتبر است. سايت الگوريتم اول اين امكان را فراهم كرده است كه افراد با هر سطحي از دانش، بتوانند دوره ي مقدماتي زبان برنامه نويسي پايتون را بگذرانند و پس از كسب نمره قبولي در آزمون ها و پروژه هاي اين دوره، مدرك معتبر دانشگاه شيراز را دريافت كنند.