មេរៀនទី១: សេចក្តីផ្តើមអំពី Python

Python គឺជាភាសាកម្មវិធីកម្រិតខ្ពស់ដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងវិស័យជាច្រើន ជាពិសេសគឺ Data Science, Machine Learning, និង Web Development។ ភាពងាយស្រួលក្នុងការអាន និងសរសេរកូដរបស់វាធ្វើឱ្យ Python ក្លាយជាជម្រើសដំបូងសម្រាប់អ្នកចាប់ផ្តើមដំបូង ក៏ដូចជាអ្នកជំនាញផងដែរ។

តើអ្វីទៅជា Python?

Python គឺជាភាសា interpreted, object-oriented, និង high-level ដែលមាន semantics ​ថាមវន្ត។

• Interpreted: កូដ Python ត្រូវបានដំណើរការម្តងមួយបន្ទាត់ដោយ interpreter ដែលធ្វើឱ្យការសាកល្បង និងការកែកំហុស (debugging) មានភាពរហ័ស។
• High-Level: អ្នកមិនចាំបាច់ព្រួយបារម្ភអំពីកិច្ចការស្មុគស្មាញដូចជាការគ្រប់គ្រងหน่วยความจำ (memory management) នោះទេ ដែលអនុញ្ញាតឱ្យអ្នកផ្ដោតលើការដោះស្រាយបញ្ហា។
• General-Purpose: វា​មិន​ត្រូវ​បាន​រចនា​ឡើង​សម្រាប់​បញ្ហា​ជាក់លាក់​តែ​មួយ​នោះ​ទេ អ្នក​អាច​ប្រើ​វា​ដើម្បី​បង្កើត​អ្វីៗ​គ្រប់​យ៉ាង​ចាប់ពី​គេហទំព័រ​រហូត​ដល់​ការ​បង្កើត​មនុស្សយន្ត។

ហេតុអ្វីបានជា Python មានប្រជាប្រិយភាពខ្លាំង?

ប្រជាប្រិយភាពរបស់ Python បានកើនឡើងយ៉ាងខ្លាំងដោយសារតែកត្តាសំខាន់ៗមួយចំនួន៖

• វាក្យសម្ព័ន្ធសាមញ្ញ (Simple Syntax): កូដ Python អាចអានបានដូចជាភាសាអង់គ្លេសធម្មតា ដែលធ្វើឱ្យវាងាយស្រួលរៀនបំផុត។
• បណ្ណាល័យដ៏ធំ (Large Standard Library): Python ភ្ជាប់មកជាមួយបណ្ណាល័យជាច្រើនសម្រាប់កិច្ចការទូទៅ ដូចជាការធ្វើការជាមួយអត្ថបទ ឯកសារ និងបណ្ដាញ។
• ប្រព័ន្ធ Ecosystem ដ៏ធំទូលាយ: មាន Third-party libraries រាប់សែន ដែលបង្កើតឡើងដោយសហគមន៍សម្រាប់វិស័យជាក់លាក់ដូចជា Pandas (សម្រាប់ Data Analysis), TensorFlow (សម្រាប់ Machine Learning), និង Django (សម្រាប់ Web Development)។
• សហគមន៍រឹងមាំ (Strong Community): មានឯកសារ បង្រៀន និងវេទិកាសំណួរ-ចម្លើយរាប់លាន ដែលធ្វើឱ្យការស្វែងរកជំនួយមានភាពងាយស្រួល។

កូដ Python ដំបូងរបស់អ្នក

នៅក្នុងការសរសេរកម្មវិធី ប្រពៃណីគឺចាប់ផ្តើមដោយការបង្ហាញសារ "Hello, World!"។ នៅក្នុង Python វាមានភាពងាយស្រួលបំផុត ដោយគ្រាន់តែប្រើ function មួយគឺ print()។

# នេះគឺជាឧទាហរណ៍កូដ Python ដំបូង
# print() គឺជា function ដែលបង្ហាញលទ្ធផលទៅកាន់អេក្រង់
print("សួស្តី, វិជ្ជា-LEARN!")

យើងក៏អាចប្រើអថេរ (variables) ដើម្បីរក្សាទុកទិន្នន័យ។ អថេរគឺដូចជាប្រអប់មួយដែលយើងអាចដាក់ឈ្មោះ ហើយរក្សាទុកព័ត៌មាននៅក្នុងនោះ។

# ការបង្កើតអថេរ (variable) ដើម្បីរក្សាទុកអត្ថបទ (string)
message = "ខ្ញុំកំពុងរៀន Python!"
print(message)

# ការបង្កើតអថេរដើម្បីរក្សាទុកលេខ (numbers) និងធ្វើការគណនា
number1 = 15
number2 = 10
sum = number1 + number2

print("ផលបូកនៃ 15 និង 10 គឺ:", sum)

មេរៀនទី២: ការរៀបចំ Environment

មុននឹងយើងអាចចាប់ផ្តើមសរសេរកូដ Python ប្រកបដោយប្រសិទ្ធភាព យើងត្រូវរៀបចំสภาพแวดล้อมការងារ (Working Environment) ជាមុនសិន។ នេះគឺជាជំហានដ៏សំខាន់ដែលធានាថាកូដរបស់អ្នកដំណើរការបានត្រឹមត្រូវ និងផ្តល់ឱ្យអ្នកនូវឧបករណ៍ដែលជួយឱ្យការសរសេរកូដកាន់តែងាយស្រួល និងរហ័ស។

ជំហានទី១: ការដំឡើង Python

ជំហានដំបូងគឺត្រូវប្រាកដថាអ្នកមាន Python interpreter ដំឡើងនៅលើកុំព្យូទ័ររបស់អ្នក។ Interpreter គឺជាកម្មវិធីដែលអានកូដ Python របស់អ្នក ហើយប្រតិបត្តិវាម្ដងមួយបន្ទាត់។

សូមចូលទៅកាន់គេហទំព័រផ្លូវការ python.org/downloads ដើម្បីទាញយកជំនាន់ចុងក្រោយបំផុត។

បន្ទាប់ពីការដំឡើងបានបញ្ចប់ សូមបើក Command Prompt (នៅលើ Windows) ឬ Terminal (នៅលើ macOS/Linux) ហើយវាយពាក្យបញ្ជានេះដើម្បីពិនិត្យមើល៖

python --version
# ឬសម្រាប់ macOS/Linux អ្នកอาจត្រូវប្រើ
python3 --version

ប្រសិនបើការដំឡើងបានជោគជ័យ អ្នកនឹងឃើញលេខជំនាន់ Python ដែលអ្នកបានដំឡើង (ឧទាហរណ៍: `Python 3.12.4`)។

ជំហានទី២: ដំឡើង Code Editor (Visual Studio Code)

Code Editor គឺជាកម្មវិធីដែលអ្នកនឹងប្រើដើម្បីសរសេរ និងកែសម្រួលកូដរបស់អ្នក។ ខណៈពេលដែលអ្នកអាចប្រើ Notepad បាន, Code Editor ដែលមានជំនាញវិជ្ជាជីវៈដូចជា Visual Studio Code (VS Code) ផ្តល់នូវមុខងារជាច្រើនដែលធ្វើឱ្យជីវិតរបស់អ្នកកាន់តែងាយស្រួល។

• Syntax Highlighting: ធ្វើឱ្យកូដមានពណ៌ខុសៗគ្នា ងាយស្រួលក្នុងការអាន។
• IntelliSense: ជួយបំពេញកូដដោយស្វ័យប្រវត្តិ និងបង្ហាញព័ត៌មានជំនួយ។
• Integrated Terminal: អនុញ្ញាតឱ្យអ្នកដំណើរការ command ដោយមិនចាំបាច់ចាកចេញពី editor។

សូមទាញយក VS Code ដោយឥតគិតថ្លៃពីគេហទំព័រផ្លូវការរបស់វា code.visualstudio.com។ បន្ទាប់ពីដំឡើងរួច សូមតំឡើង Extension ផ្លូវការរបស់ Python ពី Microsoft ដើម្បីទទួលបានประสบการณ์ល្អបំផុត។

ជំហានទី៣: ការប្រើប្រាស់ `pip` ដើម្បីដំឡើង Libraries

`pip` គឺជាកម្មវិធីគ្រប់គ្រង package របស់ Python (Package Manager)។ ស្រមៃថាវាជា App Store សម្រាប់ Python។ នៅពេលដែលអ្នកត្រូវការមុខងារបន្ថែមដែលមិនមាននៅក្នុង Python ស្រាប់ អ្នកអាចប្រើ `pip` ដើម្បីដំឡើង package ឬ library ដែលបង្កើតឡើងដោយសហគមន៍។

សម្រាប់ Data Science, មាន libraries សំខាន់ៗពីរដែលយើងនឹងត្រូវការ៖

• NumPy: គឺជា library មូលដ្ឋានសម្រាប់ scientific computing ដែលអនុញ្ញាតឱ្យយើងធ្វើការជាមួយ arrays និង matrices ធំៗប្រកបដោយប្រសិទ្ធភាព។
• Pandas: ត្រូវបានបង្កើតឡើងនៅលើ NumPy ហើយផ្តល់នូវโครงสร้างទិន្នន័យដែលមានประสิทธิภาพខ្ពស់ (ដូចជា DataFrame) ដែលធ្វើឱ្យការจัดการ និងវិភាគទិន្នន័យមានភាពងាយស្រួល។

បើក Command Prompt ឬ Terminal របស់អ្នក ហើយវាយពាក្យបញ្ជាខាងក្រោមដើម្បីដំឡើងពួកវា៖

# ដំឡើង Pandas (វានឹងដំឡើង NumPy ដោយស្វ័យប្រវត្តិ)
pip install pandas

# ដំឡើង Matplotlib សម្រាប់ Data Visualization
pip install matplotlib

មេរៀនទី៣: ប្រភេទទិន្នន័យ (Data Types)

នៅក្នុង Python ប្រភេទទិន្នន័យគឺជាគ្រឹះដ៏សំខាន់។ ការយល់ដឹងអំពីប្រភេទទិន្នន័យនឹងជួយអ្នកសរសេរកូដបានត្រឹមត្រូវ និងប្រសិទ្ធភាព។

• String (អត្ថបទ): ប្រើសម្រាប់អក្សរ ឬពាក្យ។
• Integer (លេខគត់): ប្រើសម្រាប់លេខគត់។
• Float (លេខទសភាគ): ប្រើសម្រាប់លេខដែលមានចំណុចទសភាគ។
• Boolean: មានតែ True ឬ False ប៉ុណ្ណោះ។
• List, Tuple, Dictionary: ប្រើសម្រាប់ផ្ទុកទិន្នន័យច្រើន។

# ឧទាហរណ៍ប្រភេទទិន្នន័យ
name = "វិជ្ជា"
age = 20
pi = 3.14
is_student = True
scores = [90, 85, 88]

print(type(name), type(age), type(pi), type(is_student), type(scores))

មេរៀនទី៤: Pandas Library

Pandas គឺជា Library សំខាន់សម្រាប់ Data Science។ វាផ្តល់ DataFrame និង Series ដែលងាយស្រួលសម្រាប់គ្រប់គ្រងទិន្នន័យ។

import pandas as pd

# បង្កើត DataFrame
data = {
    "name": ["អាន", "សុភា", "ចន្ទា"],
    "score": [85, 92, 78]
}
df = pd.DataFrame(data)

print(df)

មេរៀនទី៥: ការវិភាគទិន្នន័យ

ការវិភាគទិន្នន័យជាដំណាក់កាលសំខាន់ក្នុង Data Science។ យើងអាចប្រើ Pandas និង NumPy ដើម្បីកែប្រែ និងស្វែងយល់ពីទិន្នន័យ។

# គណនាមធ្យម
average = df["score"].mean()
print("ពិន្ទុមធ្យម:", average)

# ច្រោះទិន្នន័យ
high_scores = df[df["score"] > 80]
print(high_scores)

មេរៀនទី៦: Data Visualization

ការផ្ទាំងទិន្នន័យជាគន្លឹះដើម្បីយល់ពី patterns។ Python មាន Library ដូចជា Matplotlib និង Seaborn សម្រាប់ Visualization។

import matplotlib.pyplot as plt

plt.bar(df["name"], df["score"])
plt.title("ពិន្ទុសិស្ស")
plt.show()

មេរៀនទី៧: សេចក្តីសន្និដ្ឋាន

ឥឡូវនេះ អ្នកបានរៀនពី Python ចាប់ពីគោលគំនិតដំបូង រហូតដល់ការប្រើប្រាស់វាសម្រាប់ Data Science។