Python-3.4.3/C3/Parsing-data/Telugu

Time	Narration
00:01	Parsing data అనే స్పోకెన్ ట్యుటోరియల్ కు స్వాగతం.
00:06	ఈ ట్యుటోరియల్ లో మనం, delimiter ను ఉపయోగించి ఒక స్ట్రింగ్ ను చీల్చడం. ఒక string లో ముందంజలోని, వెనుకంజలోని మరియు అన్ని whitespaces లను తొలగించడం ఇంకా విభిన్న built-in datatypes ల మధ్య మార్చడం లను నేర్చుకుంటాము.
00:22	ఈ ట్యుటోరియల్ ను రికార్డ్ చేయడానికి, నేను Ubuntu Linux 16.04 ఆపరేటింగ్ సిస్టమ్ Python 3.4.3 మరియు IPython 5.1.0 లను ఉపయోగిస్తున్నాను.
00:38	ఈ ట్యుటోరియల్ ను సాధన చేయటానికి, మీకు lists ను ఎలా ఉపయోగించాలి అనేది తెలిసి ఉండాలి. ఒకవేళ లేకపోతే, సంబంధిత Python ట్యుటోరియల్స్ ను ఈ వెబ్సైట్ పై చూడండి.
00:49	మొదట, మనం parsing data అంటే ఏమిటో అర్థం చేసుకుందాం.
00:54	డేటాను Parsing చేయడం అంటే డేటాను టెక్స్ట్ ఫామ్ లో చదవడం. ఇది గణనల కోసం ఉపయోగించగల రూపం లోనికి మార్చబడుతుంది.
01:04	తరువాత మనం split() function గురించి నేర్చుకుంటాము.
01:08	split() function అనేది నిర్వచించిన separator ను ఉపయోగించి ఓక పెద్ద string ను చిన్న స్ట్రింగ్స్ గా విభజిస్తుంది.
01:15	ఒకవేళ ఏ argument ను పేర్కొనకపోతే, అపుడు whitespace అనేది డిఫాల్ట్‌ separator గా ఉపయోగించబడుతుంది.
01:22	సింటాక్స్ అనేది: str dot split పరన్తసిస్ ల లోపల argument.
01:29	split function అనేది ఒక string ను కావాల్సినవిధంగా విభజించి tokens యొక్క ఒక array ను తిరిగిఇస్తుంది. దీనిని string tokenizing అంటారు.
01:38	ముందుగా మనం Ctrl + Alt + T కీలను ఒకేసారి కలిపి నొక్కడం ద్వారా terminal ను తెరుద్దాం.
01:46	ipython3 అని టైప్ చేసి Enter నొక్కండి.
01:52	మనం pylab ప్యాకేజి ని ప్రారంభిద్దాం. percentage sign pylab అని టైప్ చేసి Enter నొక్కండి.
02:02	ఇక్కడ నుండి, టెర్మినల్ పై ప్రతి కమాండ్ ను టైప్ చేసిన తర్వాత Enter కీని నొక్కాలని దయచేసి గుర్తుంచుకోండి.
02:09	మనం వేరియబుల్ str1 ను string data type గా నిర్వచిద్దాం.
02:14	str1 is equal to డబుల్ కోట్స్ లోపల Welcome to కొన్ని whitespaces లను చేర్చి తరువాత Python tutorials అని టైప్ చేయండి.
02:24	మనం to మరియు Python tutorials ల మధ్య ఏ సంఖ్యలోనైనా whitespaces ను కలిగివుండవచ్చు. కానీ అన్ని spaces లు కలిపి ఒకే space గా పరిగణించబడతాయి.
02:34	ఇప్పుడు, మనం ఈ స్ట్రింగ్ ను whitespace పై split చేయబోతున్నాము.
02:38	str1 dot split తెరచిన మరియు మూసిన పరన్తసిస్ లను టైప్ చేయండి.
02:44	మనం చూస్తున్నట్లుగా, strings యొక్క ఒక list ను పొందుతాము.
02:48	argument తో split() function కొరకు మనం మరొక ఉదాహరణను తీసుకుందాం. చూపిన విధంగా టైప్ చేయండి.
02:57	x dot split పరన్తసిస్ ల లోపల సింగల్ కోట్స్ లోపల semicolon ను టైప్ చేయండి.
03:04	మనం comma చేత వేరు చేయబడిన strings యొక్క ఒక list ను పొందుతాము.
03:08	వీడియోను పాజ్ చేసి, క్రింది అభ్యాసాన్నిప్రయత్నించి వీడియోను పునఃప్రారంభించండి.
03:14	argument గా space ను ఉపయోగించి X ను చీల్చండి. ఇది argument లేకుండా చీల్చడం లాగానే ఉంటుంది.
03:22	పరిష్కారం కొరకు terminal కు మారండి.
03:26	b is equal to x dot split తెరచిన మరియు మూసిన పరన్తసిస్ లను టైప్ చేయండి.
03:32	c is equal to x dot split పరన్తసిస్ ల లోపల మరియు సింగల్ కోట్స్ లోపల space అని టైప్ చేయండి.
03:41	b టైప్ చేయండి.
03:44	c టైప్ చేయండి.
03:47	argument లేకుండా చీల్చడం అనేది space ను argument గా ఇచ్చి చీల్చడం రెండూ సమానమే అని మనం చూడవచ్చు.
03:54	argument లేకుండా స్ట్రింగ్ ను చీల్చడం వలన అది స్ట్రింగ్ ను spaces యొక్క ఏదయినా సంఖ్యతో వేరుచేస్తుంది.
04:01	మరియు argument గా space ను ఇవ్వడం వలన అది వాక్యాన్ని ప్రత్యేకంగా సింగిల్ whitespace పై వేరుచేస్తుంది.
04:08	మనం str1 వేరియబుల్ ను తిరిగిపిలుద్దాం.
04:12	ఇప్పుడు, మనం ఈ స్ట్రింగ్ ను argument లేకుండా చీల్చుదాం. b is equal to str1 dot split తెరచిన మరియు మూసిన పరన్తసిస్ లను టైప్ చేయండి.
04:24	c is equal to str1 dot split పరన్తసిస్ ల లోపల మరియు సింగల్ కోట్స్ లోపల space అని టైప్ చేయండి.
04:33	b టైప్ చేయండి.
04:36	c టైప్ చేయండి.
04:38	మీరు చూస్తున్నట్లుగా, ఇక్కడ b is not equal to c ఎందుకంటే c ఎంట్రీలుగా whitespaces లను కలిగి ఉంది కనుక, అందువల్ల b పదాలను మాత్రమే కలిగిఉంది.
04:49	తరువాత మనం strip method గురించి నేర్చుకుంటాము.
04:53	strip function అనేది ఒక స్ట్రింగ్ లోని ముందంజలోని, వెనుకంజలోని మరియు అన్ని whitespaces లను తొలగిస్తుంది.
04:59	unstripped is equal to డబుల్ కోట్స్ లోపల space Hello world space అని టైప్ చేయడం ద్వారా మనం ఒక స్ట్రింగ్ ను నిర్వచిద్దాము.
05:09	ఇప్పుడు whitespace ను తొలగించడానికి, unstripped dot strip తెరచిన మరియు మూసిన పరన్తసిస్ లను టైప్ చేయండి.
05:18	strip, స్ట్రింగ్ యొక్క ప్రారంభంలో మరియు చివరిలో ఉన్న అన్ని whitespaces లను తొలగిస్తుందని మనం చూడవచ్చు.
05:25	splitting మరియు stripping తరువాత, ముందంజలోని, వెనుకంజలోని తీసివేయబడిన spaces తో స్ట్రింగ్స్ యొక్క ఒక జాబితాను మనం పొందుతాము.
05:32	ఇప్పుడు మనం strings ను floats మరియు integers లోనికి మార్చడం చూద్దాం.
05:38	mark underscore str is equal to డబుల్ కోట్స్ లోపల 1.25 అని టైప్ చేయండి.
05:46	గమనించండి 1.25 అనేది ఒక స్ట్రింగ్ మరియు డబుల్ కోట్స్‌లో ఉన్నందున ఇది float కాదు.
05:53	mark is equal to float పరన్తసిస్ ల లోపల mark underscore str అని టైప్ చేయండి. ఇక్కడ మనం string ను float కు మారుస్తున్నాము.
06:05	Type పరన్తసిస్ ల లోపల mark underscore str అని టైప్ చేయండి. ఇది మీకు mark_str యొక్క datatype అనేది ఒక స్ట్రింగ్ అని చెప్తుంది.
06:17	type పరన్తసిస్ ల లోపల mark అని టైప్ చేయండి. ఇది mark అనేది ఒక float datatype అని చూపిస్తుంది.
06:26	స్ట్రింగ్, float గా మార్చబడిందని మనం చూడవచ్చు. ఇప్పుడు మనం వాటిపై mathematical operations(గణిత కార్యకలాపాలను) చేయవచ్చు.
06:34	వీడియోను పాజ్ చేయండి. క్రింది అభ్యాసాన్నిప్రయత్నించి వీడియోను పునఃప్రారంభించండి.
06:40	ఒకవేళ మీరు terminal లో int పరన్తసిస్ ల లోపల డబుల్ కోట్స్ లోపల 1.25 అని టైప్ చేస్తే ఏమి జరుగుతుంది?
06:48	పరిష్కారం కొరకు terminal కు మారండి.
06:52	int పరన్తసిస్ ల లోపల డబుల్ కోట్స్ లోపల 1.25 అని టైప్ చేయండి.
06:59	మనం ఒక ValueError ను చూడవచ్చు. మనం ఒక స్ట్రింగ్ ను integer కు నేరుగా మార్చలేము.
07:06	మనం దీనికి సరైన పరిష్కారం చూద్దాం. dcml underscore str is equal to డబుల్ కోట్స్ లోపల 1.25 అని టైప్ చేయండి.
07:18	flt is equal to float పరన్తసిస్ ల లోపల dcml underscore str అని టైప్ చేయండి.
07:27	ఇక్కడ మనం స్ట్రింగ్ ను float కు మారుస్తున్నాము, ఎందుకంటే మనం దానిని నేరుగా integer లోనికి మార్చలేము కనుక.
07:34	flt అని టైప్ చేయండి.
07:37	number is equal to int పరన్తసిస్ ల లోపల flt అని టైప్ చేయండి. ఇప్పుడు మనం float ను integer లోనికి మారుస్తున్నాము.
07:48	number అని టైప్ చేయండి. మనం అవుట్పుట్ ను integer గా పొందుతాము.
07:54	ఈ విధంగా మనం strings ను floats మరియు integers లోనికి మార్చాలి.
07:59	తరువాత, మనం data ను పార్స్ చేయడానికి డేటా ఫైల్ ను ఉపయోగిస్తాము.
08:04	నన్ను టెక్స్ట్ ఎడిటర్ లో student underscore record.txt ఫైల్ ను తెరవనివ్వండి.
08:10	student underscore record.txt ఫైల్ ఈ ట్యుటోరియల్ యొక్క Code files లింక్ లో అందుబాటులో ఉంది. దయచేసి దానిని మీ Home directory లో డౌన్‌లోడ్ చేసి ఉపయోగించండి.
08:22	మొదట మనం ఈ ఫైల్ ను లైన్ తర్వాత లైన్ లా చదువుతాము ఇంకా ఈ ఫైల్ లోని ప్రతి రికార్డ్ ను పార్స్ చేస్తాము.
08:28	ఇది State Secondary Board Examination లో విద్యార్థుల యొక్క రికార్డ్స్ ను మరియు వారియొక్క మార్కులను కలిగిఉంటుంది.
08:35	ఇందులో 1 లక్ష 80 వేల లైన్ లు కలిగి ఉన్న రికార్డు ఉంది. మనము దీన్ని చదివి ఈ డేటాను ప్రాసెస్ చేయబోతున్నాం.
08:43	ఈ ఫైల్ లోని ప్రతి లైన్ semicolons చేత వేరుపరచబడిన fields యొక్క ఒక జత.
08:49	ఈ ఫైల్ నుండి ఒక నమూనా రికార్డును పరిగణించండి.
08:53	ఈ క్రిందివి ఇచ్చిన ఏదైనా లైన్‌లోని fields. రీజియన్ కోడ్ రోల్ నంబర్ పేరు 5 సబ్జెక్టుల మార్కులు మొత్తం మార్కులు
09:08	క్రొత్త టెక్స్ట్ ఎడిటర్‌ను తెరవండి. చూపిన విధంగా కోడ్‌ను టైప్ చేయండి.
09:14	ఈ ప్రోగ్రాం ను నన్ను వివరించనివ్వండి.
09:17	మునుపటి ట్యుటోరియల్‌లో మనం for loop ను నేర్చుకున్నాము. for loop విద్యార్థి రికార్డ్ ను ప్రాసెస్ చేసి ప్రతి రికార్డ్ యొక్క ఫీల్డ్స్ ను చీల్చుతుంది.
09:28	గణిత మార్కులు తరువాత float కు మార్చబడతాయి.
09:32	అప్పుడు అది చేర్చబడుతుంది మరియు రీజియన్ కోడ్ A కొరకు ఒక వేరియబుల్ లో ఒక లిస్ట్ math underscore marks underscore A గా భద్రపరచబడుతుంది.
09:41	ఫైల్‌ను హోమ్ డైరెక్టరీ లో marks.py గా సేవ్ చేయండి.
09:48	terminal కు మారండి.
09:51	percentage sign run space marks.py తో ఫైల్ ను అమలుచేయండి.
09:58	ఎడిటర్‌కు తిరిగి మారండి. ఇప్పుడు మనం region A కొరకు అన్ని గణితం మార్కులను math underscore marks underscore A అనే లిస్ట్ లో కలిగిఉన్నాము.
10:09	region A కొరకు గణితం మార్కుల సగటును(mean) లెక్కించడానికి క్రింది లైన్స్ ను జోడించండి.
10:15	దీని కొరకు, మనం గణిత మార్కులను సంకలనం చేసి పొడవుతో భాగించాలి.
10:21	region A లోని విద్యార్థుల యొక్క సంఖ్య పొడవును ఇస్తుందని గమనించండి.
10:26	మనం ఫైల్ ను సేవ్ చేద్దాం.
10:29	terminal కు మారండి.
10:32	ఫైల్ ను percentage sign run space marks.py తో మళ్ళీ అమలుచేయండి.
10:40	అందువల్ల మనం మన చివరి అవుట్పుట్ ను పొందుతాము.
10:43	ఇక్కడ region A కొరకు సగటు విలువ అనేది సుమారుగా 1 లక్ష 80 వేల రికార్డులు కోసం లెక్కించబడుతుంది.
10:51	ఈ విధంగా మనం ఒక భారీ డేటాను విభజించి, చదివి దానిపై గణనలను చేస్తాము.
10:57	ఇది మనల్ని ఈ ట్యుటోరియల్ యొక్క చివరకు తీసుకువస్తుంది.
11:01	ఈ ట్యుటోరియల్ లో మనం నేర్చుకున్నవి, ఒక string ను Tokenize చేయడం delimiters చేత వేరుపరచబడిన ఒక స్ట్రింగ్ ను split() ఫంక్షన్ ను ఉపయోగించి చీల్చడం.
11:11	strip() function ను ఉపయోగించి whitespaces ను తొలగించడం. సంఖ్యల యొక్క datatypes ను ఒక రకం నుండి మరొక రకానికి మార్చడం. ఇన్పుట్ డేటాను Parse చేసి దానిపై గణనలను చేయడం.
11:25	ఇక్కడ మీరు పరిష్కరించడానికి కొన్ని స్వీయ అంచనా ప్రశ్నలు. 1. పదాలను పొందడానికి మీరు Guido; Rossum;Python అనే స్ట్రింగ్‌ను ఎలా చీల్చుతారు?
11:36	2. int పరాంథసిస్ ల లోపల డబుల్ కోట్స్ లోపల 20.0 ఏమి ఉత్పత్తి చేస్తుంది?
11:43	మరియు సమాధానాలు, 1. line.split పరాంథసిస్ ల లోపల సింగిల్ కోట్స్ లోపల కామా 2. int పరాంథసిస్ ల లోపల డబుల్ కోట్స్ లోపల 20.0 అనేది ఒక ఎర్రర్ ను ఇస్తుంది, ఎందుకంటే స్ట్రింగ్ ను నేరుగా integer లోనికి మార్చడం సాధ్యం కాదు కనుక.
12:03	దయచేసి మీ సమయంతో కూడిన సందేహాలను ఈ ఫోరమ్ లో పోస్ట్ చేయండి.
12:07	దయచేసి మీ సాధారణ ప్రశ్నలను ఈ Python ఫోరంపై పోస్ట్ చేయండి.
12:12	FOSSEE టీం TBC ప్రాజెక్ట్ ను సమన్వయం చేస్తుంది.
12:16	స్పోకన్ ట్యుటోరియల్ ప్రాజెక్ట్ NMEICT, MHRD, గవర్నమెంట్ అఫ్ ఇండియా చే నిధులు పొందుతుంది. మరిన్ని వివరాల కొరకు, ఈ వెబ్సైటు ను సందర్శించండి.
12:27	నేను ఉదయలక్ష్మి మీ వద్ద శలవు తీసుకుంటున్నాను. మాతో చేరినందుకు ధన్యవాదములు.

Contributors and Content Editors

Madhurig, Simhadriudaya