From 63801b20077b070fea5cffc5e8e870a7f59df093 Mon Sep 17 00:00:00 2001 From: Xingyu Wang Date: Mon, 2 Mar 2020 10:19:42 +0800 Subject: [PATCH 1/2] PRF @wxy --- ...200224 Using C and C-- for data science.md | 52 +++++++++---------- 1 file changed, 25 insertions(+), 27 deletions(-) diff --git a/translated/tech/20200224 Using C and C-- for data science.md b/translated/tech/20200224 Using C and C-- for data science.md index c2b3ca0a87..d6c30dec4b 100644 --- a/translated/tech/20200224 Using C and C-- for data science.md +++ b/translated/tech/20200224 Using C and C-- for data science.md @@ -1,6 +1,6 @@ [#]: collector: (lujun9972) [#]: translator: (wxy) -[#]: reviewer: ( ) +[#]: reviewer: (wxy) [#]: publisher: ( ) [#]: url: ( ) [#]: subject: (Using C and C++ for data science) @@ -10,30 +10,29 @@ 在数据科学中使用 C 和 C++ ====== -> 让我们使用 C99 和 C++ 11 完成常见的数据科学任务。 +> 让我们使用 C99 和 C++11 完成常见的数据科学任务。 ![metrics and data shown on a computer screen][1] 虽然 [Python][2] 和 [R][3] 之类的语言在数据科学中越来越受欢迎，但是 C 和 C++ 对于高效的数据科学来说是一个不错的选择。在本文中，我们将使用 [C99][4] 和 [C++11][5] 编写一个程序，该程序使用 [Anscombe 的四重奏][6]数据集，下面将对其进行解释。 -我在一篇涉及 [Python 和 GNU Octave][7] 的文章中写了我不断学习语言的动机，值得大家回顾。所有程序都应在[命令行][8]上运行，而不是在[图形用户界面（GUI）][9]上运行。完整的示例可在 [polyglot_fit 存储库][10]中找到。 +我在一篇涉及 [Python 和 GNU Octave][7] 的文章中写了我不断学习编程语言的动机，值得大家回顾。这里所有的程序都需要在[命令行][8]上运行，而不是在[图形用户界面（GUI）][9]上运行。完整的示例可在 [polyglot_fit 存储库][10]中找到。 ### 编程任务 你将在本系列中编写的程序： -* 从 [CSV 文件] [11]中读取数据 +* 从 [CSV 文件][11]中读取数据 * 用直线插值数据（即 `f(x)=m ⋅ x + q`） * 将结果绘制到图像文件 -这是许多数据科学家遇到的普遍情况。示例数据是 [Anscombe 的四重奏] [6]的第一组，如下表所示。这是一组人工构建的数据，当拟合直线时可以提供相同的结果，但是它们的曲线非常不同。数据文件是一个文本文件，其中的制表符用作列分隔符，几行作为标题。该任务将仅使用第一组（即前两列）。 - -[Anscombe 的四重奏][6] +这是许多数据科学家遇到的普遍情况。示例数据是 [Anscombe 的四重奏][6]的第一组，如下表所示。这是一组人工构建的数据，当拟合直线时可以提供相同的结果，但是它们的曲线非常不同。数据文件是一个文本文件，其中的制表符用作列分隔符，前几行作为标题。该任务将仅使用第一组（即前两列）。 +![](https://img.linux.net.cn/data/attachment/album/202002/29/122805h3yrs1dkrgysssxk.png) ### C 语言的方式 -[C][12] 语言是通用编程语言，是当今使用最广泛的语言之一（依据 [TIOBE 榜单][13]、[RedMonk 编程语言排名][14]、[编程语言流行度榜单][15]和 [GitHub Octoverse 状态][16]）。这是一种相当古老的语言（大约诞生在 1973 年），并且用它编写了许多成功的程序（例如 Linux 内核和 Git 仅是其中两个例子）。它也是最接近计算机内部运行的语言之一，因为它直接用于操作内存。它是一种[编译语言] [17]；因此，源代码必须由[编译器][18]转换为[机器代码][19]。它的[标准库][20]很小，功能也不多，因此开发了其他库来提供缺少的功能。 +[C][12] 语言是通用编程语言，是当今使用最广泛的语言之一（依据 [TIOBE 指数][13]、[RedMonk 编程语言排名][14]、[编程语言流行度指数][15]和 [GitHub Octoverse 状态][16] 得来）。这是一种相当古老的语言（大约诞生在 1973 年），并且用它编写了许多成功的程序（例如 Linux 内核和 Git 仅是其中的两个例子）。它也是最接近计算机内部运行机制的语言之一，因为它直接用于操作内存。它是一种[编译语言][17]；因此，源代码必须由[编译器][18]转换为[机器代码][19]。它的[标准库][20]很小，功能也不多，因此人们开发了其它库来提供缺少的功能。 我最常在[数字运算][21]中使用该语言，主要是因为其性能。我觉得使用起来很繁琐，因为它需要很多[样板代码][22]，但是它在各种环境中都得到了很好的支持。C99 标准是最新版本，增加了一些漂亮的功能，并且得到了编译器的良好支持。 @@ -41,7 +40,7 @@ #### 安装 -要使用 C99 进行开发，你需要一个编译器。我通常使用 [Clang][23]，不过 [GCC][24] 是另一个有效的开源编译器。对于线性拟合，我选择使用 [GNU 科学库] [25]。对于绘图，我找不到任何明智的库，因此该程序依赖于外部程序：[Gnuplot] [26]。该示例还使用动态数据结构来存储数据，该结构在[伯克利软件分发版（BSD）][27]中定义。 +要使用 C99 进行开发，你需要一个编译器。我通常使用 [Clang][23]，不过 [GCC][24] 是另一个有效的开源编译器。对于线性拟合，我选择使用 [GNU 科学库][25]。对于绘图，我找不到任何明智的库，因此该程序依赖于外部程序：[Gnuplot][26]。该示例还使用动态数据结构来存储数据，该结构在[伯克利软件分发版（BSD）][27]中定义。 在 [Fedora][28] 中安装很容易： @@ -49,7 +48,7 @@ sudo dnf install clang gnuplot gsl gsl-devel ``` -#### 注释代码 +#### 代码注释 在 C99 中，[注释][29]的格式是在行的开头放置 `//`，行的其它部分将被解释器丢弃。另外，`/*` 和 `*/` 之间的任何内容也将被丢弃。 @@ -65,7 +64,7 @@ sudo dnf install clang gnuplot gsl gsl-devel * [头文件][30]，其中包含函数说明 * 包含函数定义的源文件 -头文件包含在源文件中，而库文件的源文件则与可执行文件[链接][31]。因此，此示例所需的头文件是： +头文件包含在源文件中，而库文件的源文件则[链接][31]到可执行文件。因此，此示例所需的头文件是： ``` // 输入/输出功能 @@ -83,7 +82,7 @@ sudo dnf install clang gnuplot gsl gsl-devel #### 主函数 -在 C 语言中，程序必须位于称为主函数 [main()][32]：的特殊函数内： +在 C 语言中，程序必须位于称为主函数 [main()][32] 的特殊函数内： ``` int main(void) { @@ -95,7 +94,7 @@ int main(void) { #### 定义变量 -在 C 语言中，变量必须在使用前声明，并且必须与类型关联。每当你要使用变量时，都必须决定要在其中存储哪种数据。你也可以指定是否打算将变量用作常量值，这不是必需的，但是编译器可以从此信息中受益。 来自存储库中的 [fitting_C99.c 程序] [33]： +在 C 语言中，变量必须在使用前声明，并且必须与类型关联。每当你要使用变量时，都必须决定要在其中存储哪种数据。你也可以指定是否打算将变量用作常量值，这不是必需的，但是编译器可以从此信息中受益。 以下来自存储库中的 [fitting_C99.c 程序][33]： ``` const char *input_file_name = "anscombe.csv"; @@ -113,7 +112,7 @@ C 语言中的数组不是动态的，从某种意义上说，数组的长度必 int data_array[1024]; ``` -由于你通常不知道文件中有多少个数据点，因此请使用[单链接列表][34]。这是一个动态数据结构，可以无限增长。幸运的是，BSD [提供了链表][35]。这是一个示例定义： +由于你通常不知道文件中有多少个数据点，因此请使用[单链列表][34]。这是一个动态数据结构，可以无限增长。幸运的是，BSD [提供了链表][35]。这是一个示例定义： ``` struct data_point { @@ -145,7 +144,7 @@ printf("Slope: %f\n", slope); #### 读取数据 -现在来到了困难的部分……有一些用 C 语言解析 CSV 文件的库，但是似乎没有一个库足够稳定或流行到可以放入到 Fedora 软件包存储库中。我没有为本教程添加依赖项，而是决定自己编写此部分。同样，讨论这些细节太啰嗦了，所以我只会解释大致的思路。为了简洁起见，将忽略源代码中的某些行，但是你可以在存储库中找到完整的示例。 +现在来到了困难的部分……有一些用 C 语言解析 CSV 文件的库，但是似乎没有一个库足够稳定或流行到可以放入到 Fedora 软件包存储库中。我没有为本教程添加依赖项，而是决定自己编写此部分。同样，讨论这些细节太啰嗦了，所以我只会解释大致的思路。为了简洁起见，将忽略源代码中的某些行，但是你可以在存储库中找到完整的示例代码。 首先，打开输入文件： @@ -210,7 +209,7 @@ double *x = malloc(sizeof(double) * entries_number); double *y = malloc(sizeof(double) * entries_number); ``` -然后，遍历链接列表以将相关数据保存到数组： +然后，遍历链表以将相关数据保存到数组： ``` SLIST_FOREACH(datum, &head, entries) { @@ -224,7 +223,7 @@ SLIST_FOREACH(datum, &head, entries) { } ``` -现在你已经完成了链接列表，请清理它。要**总是**释放已手动分配的内存，以防止[内存泄漏][48]。内存泄漏是糟糕的、糟糕的、糟糕的（重要的话说三遍）。每次内存没有释放时，花园侏儒都会找不到自己的头： +现在你已经处理完了链表，请清理它。要**总是**释放已手动分配的内存，以防止[内存泄漏][48]。内存泄漏是糟糕的、糟糕的、糟糕的（重要的话说三遍）。每次内存没有释放时，花园侏儒都会找不到自己的头： ``` while (!SLIST_EMPTY(&head)) { @@ -278,7 +277,7 @@ plot 'fit_C99.csv' using 1:2 with lines title 'Fit', 'anscombe.csv' using 1:2 wi clang -std=c99 -I/usr/include/ fitting_C99.c -L/usr/lib/ -L/usr/lib64/ -lgsl -lgslcblas -o fitting_C99 ``` -这个命令告诉编译器使用 C99 标准，读取 `fitting_C99.c` 文件，加载 `gsl` 和 `gslcblas` 库，并将结果保存到 `fitting_C99`。命令行上的结果输出为： +这个命令告诉编译器使用 C99 标准、读取 `fitting_C99.c` 文件、加载 `gsl` 和 `gslcblas` 库、并将结果保存到 `fitting_C99`。命令行上的结果输出为： ``` #### Anscombe's first set with C99 #### @@ -287,13 +286,13 @@ Intercept: 3.000091 Correlation coefficient: 0.816421 ``` -这是用 Gnuplot 生成的结果图像。 +这是用 Gnuplot 生成的结果图像： ![Plot and fit of the dataset obtained with C99][52] ### C++11 方式 -[C++][53] 语言是一种通用编程语言，也是当今使用的最受欢迎的语言之一。它是作为 [C 的继承人][54]创建的（诞生于 1983 年），重点是[面向对象程序设计（OOP）][55]。C++ 通常被视为 C 的超集，因此 C 程序应该能够使用 C++ 编译器进行编译。这并非完全正确，因为在某些极端情况下它们的行为有所不同。 根据我的经验，C++ 比 C 需要更少的样板代码，但是如果要进行对象开发，语法会更困难。C++11 标准是最新版本，增加了一些漂亮的功能，并且或多或少得到了编译器的支持。 +[C++][53] 语言是一种通用编程语言，也是当今使用的最受欢迎的语言之一。它是作为 [C 的继承人][54]创建的（诞生于 1983 年），重点是[面向对象程序设计（OOP）][55]。C++ 通常被视为 C 的超集，因此 C 程序应该能够使用 C++ 编译器进行编译。这并非完全正确，因为在某些极端情况下它们的行为有所不同。 根据我的经验，C++ 与 C 相比需要更少的样板代码，但是如果要进行面向对象开发，语法会更困难。C++11 标准是最新版本，增加了一些漂亮的功能，并且基本上得到了编译器的支持。 由于 C++ 在很大程度上与 C 兼容，因此我将仅强调两者之间的区别。我在本部分中没有涵盖的任何部分，则意味着它与 C 中的相同。 @@ -309,7 +308,6 @@ sudo dnf install clang gnuplot gsl gsl-devel 库的工作方式与 C 语言相同，但是 `include` 指令略有不同： - ``` #include #include @@ -325,7 +323,7 @@ extern "C" { } ``` -由于 GSL 库是用 C 编写的，因此你必须将这种特殊性告知编译器。 +由于 GSL 库是用 C 编写的，因此你必须将这个特殊情况告知编译器。 #### 定义变量 @@ -429,17 +427,17 @@ Intercept: 3.00009 Correlation coefficient: 0.816421 ``` -这就是用 Gnuplot 生成的结果图像。 +这就是用 Gnuplot 生成的结果图像： ![Plot and fit of the dataset obtained with C++11][58] ### 结论 -本文提供了用 C99 和 C++11 编写的数据拟合和绘图任务的示例。由于 C++ 在很大程度上与 C 兼容，因此本文利用了它们的相似性来编写了第二个示例。在某些方面，C++ 更易于使用，因为它部分减轻了显式管理内存的负担。但是其语法更加复杂，因为它引入了为 OOP 编写类的可能性。但是，仍然可以用 C 使用 OOP 方法编写软件。由于 OOP 是一种编程风格，因此可以以任何语言使用。在 C 中有一些很好的 OOP 示例，例如 [GObject][59] 和 [Jansson][60]库。 +本文提供了用 C99 和 C++11 编写的数据拟合和绘图任务的示例。由于 C++ 在很大程度上与 C 兼容，因此本文利用了它们的相似性来编写了第二个示例。在某些方面，C++ 更易于使用，因为它部分减轻了显式管理内存的负担。但是其语法更加复杂，因为它引入了为 OOP 编写类的可能性。但是，仍然可以用 C 使用 OOP 方法编写软件。由于 OOP 是一种编程风格，因此可以在任何语言中使用。在 C 中有一些很好的 OOP 示例，例如 [GObject][59] 和 [Jansson][60]库。 对于数字运算，我更喜欢在 C99 中进行，因为它的语法更简单并且得到了广泛的支持。直到最近，C++11 还没有得到广泛的支持，我倾向于避免使用先前版本中的粗糙不足之处。对于更复杂的软件，C++ 可能是一个不错的选择。 -你是否也将 C 或 C++ 用于数据科学？ 在评论中分享你的经验。 +你是否也将 C 或 C++ 用于数据科学？在评论中分享你的经验。 -------------------------------------------------------------------------------- @@ -448,7 +446,7 @@ via: https://opensource.com/article/20/2/c-data-science 作者：[Cristiano L. Fontana][a] 选题：[lujun9972][b] 译者：[wxy](https://github.com/wxy) -校对：[校对者ID](https://github.com/校对者ID) +校对：[wxy](https://github.com/wxy) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 @@ -460,7 +458,7 @@ via: https://opensource.com/article/20/2/c-data-science [4]: https://en.wikipedia.org/wiki/C99 [5]: https://en.wikipedia.org/wiki/C%2B%2B11 [6]: https://en.wikipedia.org/wiki/Anscombe%27s_quartet -[7]: https://opensource.com/article/20/2/python-gnu-octave-data-science +[7]: https://linux.cn/article-11943-1.html [8]: https://en.wikipedia.org/wiki/Command-line_interface [9]: https://en.wikipedia.org/wiki/Graphical_user_interface [10]: https://gitlab.com/cristiano.fontana/polyglot_fit From 998fa6d8041271294c6dbb2bd1570bcc7f0709b5 Mon Sep 17 00:00:00 2001 From: Xingyu Wang Date: Mon, 2 Mar 2020 10:20:21 +0800 Subject: [PATCH 2/2] PUB @wxy https://linux.cn/article-11950-1.html --- .../20200224 Using C and C-- for data science.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) rename {translated/tech => published}/20200224 Using C and C-- for data science.md (99%) diff --git a/translated/tech/20200224 Using C and C-- for data science.md b/published/20200224 Using C and C-- for data science.md similarity index 99% rename from translated/tech/20200224 Using C and C-- for data science.md rename to published/20200224 Using C and C-- for data science.md index d6c30dec4b..f1dfdce174 100644 --- a/translated/tech/20200224 Using C and C-- for data science.md +++ b/published/20200224 Using C and C-- for data science.md @@ -1,8 +1,8 @@ [#]: collector: (lujun9972) [#]: translator: (wxy) [#]: reviewer: (wxy) -[#]: publisher: ( ) -[#]: url: ( ) +[#]: publisher: (wxy) +[#]: url: (https://linux.cn/article-11950-1.html) [#]: subject: (Using C and C++ for data science) [#]: via: (https://opensource.com/article/20/2/c-data-science) [#]: author: (Cristiano L. Fontana https://opensource.com/users/cristianofontana)