Jos tulit Linux Adictos Kun yritit paeta koronaviruksen aiheuttamaa mediapommittelua, annoit väärän viestin. Tilaisuus kuvaamaan käytettävissä olevia upeita työkaluja ilmaisten ja avoimen lähdekoodin ohjelmistolisenssien nojalla se on liian hyvä siirtää.
Totuus on se Ilmastonmuutoksen, inhimillisten virheiden ja mutanttivirusten seurauksista on aina oltava tämä luettelo käsillä.
Tässä ensimmäisessä artikkelissa aiomme omistautua Yleiskäyttöiset tai erityiskäyttöiset ohjelmointikielet, jotka voivat olla hyödyllisiä vaaran aikana. Niissä, jotka jatkuvat, käsittelemme tarkemmin.
Kriisinhallinta. Miksi on tärkeää käyttää ilmaisia ja avoimen lähdekoodin ohjelmistoja
Vuosia sitten minulla oli tilaisuus tavata yleislääketieteen palvelun tilastojen laatimisesta vastaava henkilö. Puhumme yhdestä Argentiinan tärkeimmistä yliopistosairaaloista. Tämä henkilö näytti minulle ylpeänä Excel-tietokantatoimintojen käsittelyä. Kun kysyin häneltä, miksi hän ei käyttänyt Accessia, hän katsoi minua kuin olisin tehnyt erityisen rappeutuneen seksuaalisen ehdotuksen.
On sanomattakin selvää että tiedot siitä, että palvelu oli puutteellista, myöhäistä ja mahdotonta jakaa helposti.
Totuus on, että kriisitilanteissa tietojen hankinnan, käsittelyn ja jakelun nopeus Se on välttämätöntä. Tämä sisältää
- Helppo täyttää lomakkeet
- Tietokannan yhteentoimivuus
- Joustavuus tietojen käsittelyssä
- Kyky edustaa tuloksia luettavalla tavalla
En aio mennä ilmeisyyteen ehdottaa Microsoft Officen korvaamista LibreOffice -palvelulla, et tarvitse minua selvittämään sitä. Puhun siitä, että siitä vastaavattilastojen laatimisella tulisi olla perustiedot joistakin ohjelmointikielistä, joilla on tilastollisia toimintoja. Esimerkiksi:
R
R on kieli ja ympäristö sKäytetään tilastollisessa laskennassa ja kuvaajissa.
R tarjoaa laaja valikoima tilastollisia tekniikoitas (lineaarinen ja epälineaarinen mallinnus, klassiset tilastolliset testit, aikasarjaanalyysi, luokittelu, ryhmittely ja kuvaajat).
Python
Python on ohjelmointikielten Aloe Vera. JASe on erittäin helppo oppia, sitä tukevat kaikki alustat ja sillä on paljon kirjastoja työskennellä datan kanssa. Jotkut niistä ovat:
Panda
Panda on kirjasto Pythonille, joka tarjoaa tietorakenteet ja korkean suorituskyvyn tietojen analysointityökalut ja helppo käyttää. Nimellä ei ole mitään tekemistä karhujen kanssa. Pandas on lyhenne Data Analysis Librarystä Pythonissa.
Kirjakauppa Se on suunniteltu nopeaan ja helppoon tietojen käsittelyyn, lukemiseen, yhdistämiseen ja visualisointiin. Pandojen avulla on mahdollista kerätä tietoja CSV- tai TSV-tiedostoista tai SQL-tietokannasta ja luoda Python-objekti riveillä ja sarakkeilla, joita kutsutaan tietokehykseksi. Datakehys on hyvin samanlainen kuin tilasto-ohjelmistojen taulukko.
seaborn
Tässä meillä on u datan visualisointikirjasto, joka tarjoaa korkean tason käyttöliittymän piirtää houkuttelevia ja informatiivisia tilastokaavioita.
Voimme käyttää Seabornia
- Määritä useiden muuttujien väliset suhteet (korrelaatio)
- Katso luokiteltuja muuttujia koottujen tilastojen saamiseksi
- Analysoi yksi- tai kaksimuuttujajakaumia ja vertaa niitä tietojen eri osajoukkojen välillä
- Piirrä lineaariset regressiomallit riippuvaisille muuttujille.
Julia
Julia on yleiskäyttöinen ohjelmointikieli, vaikka eTutkijat ja insinöörit käyttävät yhä enemmän tiedonhallintavalmiuksiinsa ja käyttäjäystävälliseen, ominaisuuksiltaan rikkaaseen ympäristöön joka sisältää: monia vaihtoehtoja tietojen visualisointiin ja piirtämiseen, tietojoukkojen helpon käsittelyn interaktiivisilla vaihtoehdoilla reaaliajassa, monipuoliset kirjastot koneoppimiseen ja rinnakkaislaskennan ominaisuudet.
Luonnollisesti datankäsittelyä varten luotujen kirjastojen lisäksi matemaattisia operaatioita ja Julia-ohjelmointikielelle BigDatalle ominaisia kirjastoja, se tukee myös Python-, R-, C / Fortran-, C ++ - ja Java-pakettien käyttöä.
Hei!. Se sai minut haluamaan onnitella! Upea maailma, että vähitellen tutustun, ilmainen ohjelmisto! ...
kiitos