Python/C3/Statistics/Telugu
From Script | Spoken-Tutorial
| Time | Narration |
| 0:00 | హలో ఫ్రెండ్స్, పైథాన్ ఉపయోగించి 'Statistics' పై ట్యుటోరియల్కు స్వాగతం/ |
| 0:06 | 1 ఈ ట్యుటోరియల్ ముగింపు సమయమునకు మీరు ఈ క్రింది అంశములు చేయగలుగుతారు,
2 పైథాన్లో స్టాటిస్టికల్ ఆపరేషన్స్ చేయగలుగుతారు. 3 సంఖ్యల ఒక సెట్ను కూడగలుగుతారు 4 వాటి మీన్, మీడియన్ మరియు స్టాండర్డ్ డీవియేషన్ కనుగొనగలుగుతారు. 5 |
| 0:17 | ఈ ట్యుటోరియల్ మొదలుపెట్టే ముందు, మీరు క్రింది అంశము పై ట్యుటోరియల్ను పూర్తి చేయాలని సూచిస్తున్నాము |
| 0:21 | "Loading Data from files" "Getting started with Lists" మరియు "Accessing Pieces of Arrays" |
| 0:29 | ఇప్పుడు, టర్మినల్లో ipython-pylab అని టైప్ చేయండి |
| 0:38 | ఈ ట్యుటోరియల్ కొరకు, మనము /home/fossee/sslc2.txt అనే పాత్ వద్ద ఉన్న డేటా ఫైల్ను ఉపయోగిస్తాము. |
| 0:47 | ఇందులో విద్యార్థులు మరియు స్టేట్ సెకండరీ బోర్డ్ పరీక్షలలో వారి పనితీరు పై రికార్డు ఉంది. |
| 0:53 | ఇందులో 180,000 లైన్స్ రికార్డు ఉంది. |
| 0:57 | మనము దీనిని చదువుతాము మరియు ఈ డేటాను ప్రాసెస్ చేస్తాము. |
| 1:02 | ఫైల్లో ఉండే విషయమును దానిపై డబల్ క్లిక్ చేయడము ద్వారా మనము చూడవచ్చు. |
| 1:06 | ఇది చాలా పెద్ద ఫైల్ కాబట్టి ఓపెన్ అవడానికి కొంత సమయము పట్టవచ్చు. |
| 1:11 | ఈ డేటా ఒక నిర్దిష్టమైన నిర్మాణము కలిగి ఉంది కాబట్టి దానిని ఎడిట్ చేయకండి. |
| 1:15 | ఫైల్లోని విషయములను చెక్ చేయుటకు, మనము క్యాట్ కమాండ్ ఉపయోగిస్తాము. |
| 1:31 | ఫైల్లోని ప్రతి లైన్ సెమీ కోలన్స్తో వేరుచేయబడిన 11 ఫీల్డ్స్ యొక్క ఒక సెట్ |
| 1:38 | ఈ ఫైల్ నుండి ఒక నమూనా లైన్ను గమనించండి. |
| 1:43 | A;015163;JOSEPH RAJ S;083;042;47;00;72;244;;; |
| 2:11 | ఏ లైన్లోనైనా ఈ క్రింది ఫీల్డ్స్ ఉంటాయి. |
| 2:16 | * "A" అనే రీజన్ కోడ్* రోల్ నంబరు 015163 * పేరు జోసెఫ్ రాజ్ యస్* 5 సబ్జెక్టుల మార్కులు: ** ఆంగ్లము 083 ** హిందీ 042 ** గణితము 47 **సైన్సు35 **సోషల్ 72 మరియు మొత్తం మార్కులు 244 |
| 2:42 | ఈ డేటాను ఒక ఆర్రేగా లోడ్ చేద్దాము మరియు ఆ తరువాత దానిపై వివిధ ఫంక్షన్లు చేద్దాము. |
| 2:48 | ఒక డేటాను ఆర్రేగా తెచ్చుటకు, మనము loadtxt కమాండ్ ఉపయోగిస్తాము |
| 3:45 | మనకు ఆర్రే రూపములో అవుట్పుట్ వస్తుంది. |
| loadtxt ఫంక్షన్ ఒక ఎక్స్టర్నల్ ఫైల్ నుండి డేటాను లోడ్ చేస్తుంది. | |
| 4:09 | ఉపయోగించవలసిన కాలంస్ను సూచించే usecols చే వేరుచేయబడిన డేటా ఫీల్డ్స్ యొక్క క్యారెక్టర్ రకమును డెలిమిటర్ నిర్దేశిస్తుంది. |
| 4:19 | కాబట్టి (3,4,5,6,7) ఆ కాలంస్ను లోడ్ చేస్తుంది |
| 4:26 | usecols ఒక సీక్వెన్స్ కాబట్టి "కామా" చేర్చబడింది. |
| 4:31 | మనము చూస్తున్నట్టుగా L ఒక ఆర్రే |
| 4:35 | మనము ఈ ఆర్రే యొక్క ఆకారమును పొందవచ్చు |
| 4:43 | రోస్ మరియు కాలంస్ యొక్క సంఖ్యను తెలిపే tuple మనకు వస్తుంది. |
| 4:50 | వీటిపై స్టాటిస్టికల్ పరిక్రియలను అప్లై చేద్దాము |
| 4:55 | అత్యంత ప్రాధమికమైన దానితో మొదలుపెడదాము, కూడడము. |
| 4:59 | మొదటి విద్యార్థికి అన్ని సబ్జెక్టులలో వచ్చిన మార్కుల మొత్తమును ఎలా కనుగొంటావు. |
| 5:04 | ఆర్రేలలోనికి ప్రవేశించుటకు మనకు తెలిసిన దాని ప్రకారము, మొదటి రోలోనికి ప్రవేశించుటకు, మనము ఇలా చేద్దాము |
| 5:19 | ఇప్పుడు దీనిని కూడుటకు ఇలా చేయవచ్చు |
| 5:47 | ఇప్పుడు మీన్ వచ్చుటకు మొత్తం మార్కులను పొడవుతో భాగించుదాము లేక సులభంగా mean ఫంక్షన్ ఉపయోగిద్దాము. |
| 6:31 | కాని మన వద్ద ఉన్న డేటా చాలా పెద్దది మరియు ఒకరి తరువాత ఒకరిగా ప్రతి విద్యార్థికి మీన్ కనుగొనుట చాలా కష్టము. |
| 6:38 | పని తగ్గించుటకు ఏదైనా మార్గము ఉందా. |
| 6:40 | దీని కొరకు మీన్ యొక్క డాక్యుమెంటేషన్లోనికి చూద్దాము. |
| 6:49 | L ఒక రెండు పరిమాణముల ఆర్రే అని మనకు తెలుసు. |
| 6:52 | మనము ఆర్రే యొక్క ప్రతి యాక్సిస్ వెంబడి మీన్ కనుగొనవచ్చు. |
| 6:57 | రోస్ యొక్క యాక్సిస్ 0 సంఖ్య చేత మరియు కాలంస్ యొక్క యాక్సిస్ 1 సంఖ్య చేత సూచించబడతాయి. |
| 7:02 | కాబట్టి అన్ని కాలంస్ వెంబడి మీన్ లెక్కించుటకు, మనము యాక్సిస్ కొరకు అదనపు పారామీటర్ను ఉపయోగించుదాము. |
| 7:17 | ఇక్కడ L రెండు పరిమాణముల ఆర్రే. |
| 7:20 | అలాగే ప్రతి సబ్జెక్టుకు విద్యార్థులు అందరూ సాధించిన మార్కుల సగటును ఇలా లెక్కించవచ్చు. |
| 7:36 | తరువాత, విద్యార్థులు అందరికి ఆంగ్లము మార్కుల మీడియన్ను లెక్కించుదాము. |
| 7:41 | విద్యార్థులు అందరి ఆంగ్ల మార్కులను మనము ఈ విధముగా చూడవచ్చు. |
| 7:53 | మీడియన్ వచ్చుటకు మనము సులభముగా median ఫంక్షన్ ఉపయోగిద్దాము. |
| 8:17 | అన్ని సబ్జెక్టులకు మనము మీన్కు ఉపయోగించిన సింటక్స్ వంటిదే ఉపయోగించవచ్చు మరియు అన్ని రోల వెంబడి మీడియన్ను లెక్కించవచ్చు. |
| 8:35 | అలాగే ఆంగ్లమునకు స్టాండర్డ్ డీవియేషన్ లెక్కించుటకు, మనము std ఫంక్షన్ ఉపయోగించుతాము. |
| 8:57 | మరియు అన్ని రోలకు, మనము చేస్తాము |
| 9:08 | ఇక్కడ వీడియోకు విరామము ఇవ్వండి, ఈ క్రింది అభ్యాసమును ప్రయత్నించండి మరియు తిరిగి వీడియోను ప్రారంభించండి. |
| 9:13 | /home/fossee/football.txt పాత్ వద్ద ఉన్న football.txt ఫైల్లో, ఒక కాలం క్రీడాకారుడి పేరు, రెండవ దానిలో హోం వద్ద గోల్స్ మరియు మూడవ దానిలో గోల్స్ అవే. |
| 9:28
1 ||ప్రతి క్రీడాకారుడి మొత్తం గోల్స్ కనుగొనండి. 2 | |
| 9:33 | 4 హోం మరియు అవే గోల్స్ యొక్క మీన్
5 |
| 9:37 | 7 హోం మరియు అవే గోల్స్ యొక్క స్టాండర్డ్ డీవియేషన్
8 |
| 9:46 | ఇది కావలసిన డేటా. |
| 9:54 | సొల్యూషన్ మీ స్క్రీన్ పై ఉంది. |
| 10:00 | దీనితో మనము ఈ ట్యుటోరియల్ చివరికి వచ్చాము. |
| 10:03 | ఈ ట్యుటోరియల్లో మనము నేర్చుకున్నది, |
| 10:07 | 1 మొత్తము, మీన్, మీడియన్ మరియు స్టాండర్డ్ డీవియేషన్ వంటి స్టాండర్డ్ స్టాటిస్టికల్ ఆపరేషన్లు పైథాన్లో చేయడము.
2 |
| 10:14 | 4 నిజ ప్రపంచ సమస్యలను సాధించుటకు టెక్స్ట్ లోడింగ్ మరియు స్టాటిస్టికల్ ఆపరేషన్లను కలుపుట.
5 |
| 10:24 | మీరు సాధించుటకు ఇక్కడ కొన్ని స్వీయ అసెస్మెంట్ ప్రశ్నలు ఉన్నాయి. |
| 10:27 | 1 two_dimensional_list=[[3,5,8,2,1],[4,3,6,2,1]] అనే ఒక రెండు పరిమాణముల లిస్ట్ ఇవ్వబడినప్పుడు, ప్రతి రో యొక్క మీన్ ఎలా లెక్కించుతాము?
2 |
| 10:49 | 4 ఇవ్వబడిన ఒక లిస్ట్ యొక్క మీడియన్ కనుగొనండి. student_marks=[74,78,56,87,91,82]
5 |
| 11:03 | మూడవ ప్రశ్న ఏమిటంటే, ఒకవేళ 6 కాలంస్ కలిగిన ఒక ఫైల్లో మనము 2,3,4,5 కాలంస్లో మాత్రమే టెక్స్ట్ లోడ్ చేయాలని అనుకుంటే, దానిని మనము ఎలా నిర్దేశిస్తాము? |
| 11:16 | జవాబులు. |
| 11:20 | 1 ప్రతి రో యొక్క మొత్తము వచ్చుటకు, మనము mean ఫంక్షన్కు 1 ని రెండవ పారామీటర్గా పంపుతాము.
2 |
| 11:29 | కాబట్టి, మనము mean(two_dimensional_list,1) అని టైప్ చేయాలి. |
| 11:37 | 4 మనము median ఫంక్షన్ ఉపయోగించి లిస్ట్ యొక్క మీడియన్ కనుగొంటాము.
5 |
| 11:42 | median(student_marks) అని టైప్ చేసి |
| 11:47 | చివరిగా, ఒక ఫైల్ యొక్క ఒక కాలంను నిర్దేశించాలంటే, మనము పారామీటర్ usecols=(2,3,4,5) ఉపయోగిస్తాము. |
| 12:01 | మీరు ఆనందించారని మరియు మీకు ఉపయోగకరముగా ఉందని ఆశిస్తున్నాము. |
| 12:05 | ధన్యవాదములు! |
