در این مطلب، ویدئو مقدمه ای بر کتابخانه پانداهای پایتون – قسمت 1 | شماره 5 دوره یادگیری ماشینی با پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:59
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,000 –> 00:00:02,159
سلام به همه و به جدید خوش آمدید
2
00:00:02,159 –> 00:00:04,319
ویدیو در کانال در ویدیوی امروز
3
00:00:04,319 –> 00:00:06,660
ما در مورد کتابفروشی پیتون صحبت خواهیم کرد
4
00:00:06,660 –> 00:00:09,300
pandas pandas یک بسته محبوب است
5
00:00:09,300 –> 00:00:11,099
پیتون برای علم داده
6
00:00:11,099 –> 00:00:13,290
تصور کنید یادگیری دلایل زیادی دارد
7
00:00:13,290 –> 00:00:15,630
و این است که یک ساختار داده ارائه می دهد
8
00:00:15,630 –> 00:00:18,480
بیانگر قدرتمند و انعطاف پذیر
9
00:00:18,480 –> 00:00:20,699
دستکاری و تجزیه و تحلیل را تسهیل می کند
10
00:00:20,699 –> 00:00:22,529
داده ها بین ساختارها
11
00:00:22,529 –> 00:00:24,779
چارچوب داده استفاده شده است
12
00:00:24,779 –> 00:00:26,519
اما قبل از شروع توضیح
13
00:00:26,519 –> 00:00:29,010
از شما دعوت می کنم در کانال عضو شوید
14
00:00:29,010 –> 00:00:30,660
دکمه قرمز زیر
15
00:00:30,660 –> 00:00:32,579
تا در این راه ها گم نشوید
16
00:00:32,579 –> 00:00:35,280
بدون ویدیو حالا بله بیایید گروه را راه اندازی کنیم
17
00:00:35,280 –> 00:00:37,380
یک کتابخانه متن باز است
18
00:00:37,380 –> 00:00:39,329
payton که ابزارهایی برای
19
00:00:39,329 –> 00:00:41,219
دستکاری و تجزیه و تحلیل داده ها
20
00:00:41,219 –> 00:00:43,140
بازده بالا با استفاده از آنها
21
00:00:43,140 –> 00:00:45,270
ساختار داده قدرتمند نام
22
00:00:45,270 –> 00:00:47,670
از پاندا از اصطلاح برای the مشتق شده است
23
00:00:47,670 –> 00:00:50,100
داده ها و کتابخانه تجزیه و تحلیل از
24
00:00:50,100 –> 00:00:52,500
داده های payton با استفاده از این کتابخانه
25
00:00:52,500 –> 00:00:55,530
ما می توانیم به پنج مرحله معمولی در این زمینه دست یابیم
26
00:00:55,530 –> 00:00:57,859
پردازش و تجزیه و تحلیل سن
27
00:00:57,859 –> 00:00:59,579
صرف نظر از منشاء
28
00:00:59,579 –> 00:01:02,879
بار داده آماده سازی مدل دستکاری
29
00:01:02,879 –> 00:01:05,489
و تجزیه و تحلیل کنید، اما بیایید در مورد چیستی آن صحبت کنیم
30
00:01:05,489 –> 00:01:06,140
یک داده
31
00:01:06,140 –> 00:01:08,270
ساختار اساسی چیست
32
00:01:08,270 –> 00:01:10,330
پانداها اینها ساختار داده هستند
33
00:01:10,330 –> 00:01:13,280
برچسب زدن دو بعدی با ستون
34
00:01:13,280 –> 00:01:15,680
از انواع مختلف بالقوه
35
00:01:15,680 –> 00:01:18,080
قاب داده پاندا از سه تشکیل شده است
36
00:01:18,080 –> 00:01:20,360
اجزای اصلی داده ها
37
00:01:20,360 –> 00:01:23,270
ایندکس و ستون های علاوه بر آن
38
00:01:23,270 –> 00:01:25,580
ساختار قاب داده نواری شما می توانید
39
00:01:25,580 –> 00:01:27,890
نام های شاخص را مشخص کنید و
40
00:01:27,890 –> 00:01:30,350
ستون ها شاخص تفاوت را نشان می دهد
41
00:01:30,350 –> 00:01:32,330
در صف در حالی که نام ها
42
00:01:32,330 –> 00:01:34,130
ستون ها تفاوت بین را نشان می دهد
43
00:01:34,130 –> 00:01:36,259
ستون ها این مولفه ها بسیار هستند
44
00:01:36,259 –> 00:01:38,240
زمانی مفید است که دستکاری آن ضروری باشد
45
00:01:38,240 –> 00:01:39,890
داده ها اما بیایید تفاوت را ببینیم
46
00:01:39,890 –> 00:01:42,289
برای ورود به کشور و پرداخت آن ضروری است
47
00:01:42,289 –> 00:01:44,300
داده ها در یک کشور در
48
00:01:44,300 –> 00:01:45,979
به صورت زیر همانطور که می بینید
49
00:01:45,979 –> 00:01:48,530
آنها ترتیبات بسیار شبیه به آنها هستند
50
00:01:48,530 –> 00:01:50,360
ماتریس هایی که ما آن را نداریم
51
00:01:50,360 –> 00:01:52,550
برچسب های ستون یا ردیف توسط
52
00:01:52,550 –> 00:01:54,649
چه چیزی در علم داده استفاده شود یا
53
00:01:54,649 –> 00:01:56,479
یادگیری ماشینی آن را بسیار می سازد
54
00:01:56,479 –> 00:01:59,090
سخت در ساختار پانداها
55
00:01:59,090 –> 00:02:00,289
داده ها به شرح زیر است
56
00:02:00,289 –> 00:02:02,600
اول ما سریالی داریم که
57
00:02:02,600 –> 00:02:04,429
آرایه های یک بعدی خواهد بود
58
00:02:04,429 –> 00:02:07,009
که قادر به ذخیره داده ها هستند
59
00:02:07,009 –> 00:02:09,410
هر نوع اما اینجا مهم است و
60
00:02:09,410 –> 00:02:11,510
تفاوت با پای این است که دارای یک
61
00:02:11,510 –> 00:02:12,390
شاخص برای
62
00:02:12,390 –> 00:02:14,670
ستون هایی که اختصاص داده شده است
63
00:02:14,670 –> 00:02:16,920
به طور مستقیم توسط پانداها و این می تواند باشد
64
00:02:16,920 –> 00:02:18,569
توسط برنامه نویس دستکاری شده است
65
00:02:18,569 –> 00:02:21,330
علاوه بر این رشته ممکن است شامل باشد
66
00:02:21,330 –> 00:02:24,120
داده ها