-
aldora
2024/04/17
مراتب باندا
مراتب باندا
تُعتبر السلسلة أحد أساسيات مراتب الباندا، حيث تمثل مجموعة من البيانات المرتبة بشكل أحادي الأبعاد. يمكن إنشاء سلسلة بسيطة باستخدام الأمر التالي:
python
Copy code
import pandas as pd
data = pd.Series([10, 20, 30, 40, 50])
print(data)
2. الإطار البيانات (DataFrame):
يُعد الإطار البيانات هو الهيكل الرئيسي في مراتب الباندا، حيث يمكن استخدامه لتمثيل البيانات ثنائية وثلاثية الأبعاد بشكل منظم. إليك كيفية إنشاء إطار بيانات بسيط:
python
Copy code
import pandas as pd
data = {'Name': ['John', 'Emma', 'Alex'],
'Age': [25, 30, 28],
'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)
print(df)
3. تحليل البيانات:
باستخدام مراتب الباندا، يمكنك تحليل البيانات بشكل سهل ومنظم، مثل حساب المتوسط والانحراف المعياري، وذلك باستخدام الوظائف المدمجة:
python
Copy code
import pandas as pd
data = {'Numbers': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)
print("Mean:", df['Numbers'].mean())
print("Standard Deviation:", df['Numbers'].std())
4. التصفية والفرز:
يمكنك استخدام مراتب الباندا لتنقية البيانات وفقًا لمعايير محددة وفرزها بطرق مختلفة، مما يجعل عمليات تحليل البيانات أكثر دقة وفعالية:
python
Copy code
import pandas as pd
data = {'Name': ['John', 'Emma', 'Alex'],
'Age': [25, 30, 28],
'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)
# Filter data
filtered_data = df[df['Age'] > 25]
print("Filtered Data:")
print(filtered_data)
# Sort data
sorted_data = df.sort_values(by='Age')
print("Sorted Data:")
print(sorted_data)
استنتاج:
مراتب الباندا تعد أداة قوية في عالم تحليل البيانات، حيث توفر واجهة سهلة الاستخدام لتنظيم وتحليل البيانات بشكل فعّال. من خلال تعلم الاستفادة من مراتب الباندا، يمكنك تحسين عملياتك التحليلية واستخراج قيم ملموسة من البيانات بسهولة.
هذا المقال يشكل نقطة انطلاق جيدة لاستكشاف المزيد من ميزات مراتب الباندا وتوسيع فهمك ومهاراتك في مجال تحليل البيانات باستخدام Python.
التعليقات