در این مطلب، ویدئو Python – Statsmodels Example Matplotlib و Pandas 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: 00:11:50
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,620 –> 00:00:06,589
[موسیقی]
2
00:00:06,589 –> 00:00:09,030
سلام و خوش آمدید با تماس با
3
00:00:09,030 –> 00:00:12,150
آکادمی بریتانیا امروز
4
00:00:12,150 –> 00:00:16,560
کتابخانه مدل های آزمایشی پایتون با مشتری
5
00:00:16,560 –> 00:00:19,050
و چند نمونه از نحوه استفاده از آن را نشان خواهم داد، بنابراین
6
00:00:19,050 –> 00:00:21,630
بیایید شروع کنیم شما می خواهید شروع کنید
7
00:00:21,630 –> 00:00:24,090
ما باید چند چیز را در چهار
8
00:00:24,090 –> 00:00:31,920
بسته وارد کنیم SPD import matplotlib mudfoot
9
00:00:31,920 –> 00:00:39,390
جهش به سمت طرح پای طرح sdlt واردات گام
10
00:00:39,390 –> 00:00:48,739
جایزه آمار مدل ها نقطه a P من است M و
11
00:00:48,739 –> 00:00:54,149
درصد ma twat لب در خط شیفت و
12
00:00:54,149 –> 00:00:57,210
وارد shift و یک بار دیگر وارد شوید، بنابراین
13
00:00:57,210 –> 00:00:59,969
همه چیز درست کار می کند و ما نخواندیم
14
00:00:59,969 –> 00:01:02,100
چه چیزی وجود دارد احتمالاً می گوید من گفت:
15
00:01:02,100 –> 00:01:05,129
بعضی چیزها مثل قدیمی هستند یا هر چیزی
16
00:01:05,129 –> 00:01:08,820
مهم نیست، بنابراین مجموعه دادههای نقطه ضربه بزنید.
17
00:01:08,820 –> 00:01:19,560
18
00:01:19,560 –> 00:01:30,049
19
00:01:30,049 –> 00:01:34,229
20
00:01:34,229 –> 00:01:39,689
21
00:01:39,689 –> 00:01:46,409
که از سال 1959 تا 2009 است و
22
00:01:46,409 –> 00:01:48,210
اگر
23
00:01:48,210 –> 00:01:50,549
میخواهید مستندات را دریافت کنید، میتوانیم اسناد اضافی دریافت کنیم،
24
00:01:50,549 –> 00:01:56,369
میتوانیم بعداً مجموعه دادههای M را بنویسیم، اما
25
00:01:56,369 –> 00:02:04,320
خواندن آن خیلی بد نیست، به
26
00:02:04,320 –> 00:02:09,300
همین دلیل میتوانیم چاپ و این را بنویسیم.
27
00:02:09,300 –> 00:02:11,730
چیزی در مورد تعداد متفاوت
28
00:02:11,730 –> 00:02:13,080
انحراف برای گفتن
29
00:02:13,080 –> 00:02:15,630
سه عدد متغیر است 14
30
00:02:15,630 –> 00:02:18,830
ارتفاع متغیر نام ما می بینیم که در هر چهارم
31
00:02:18,830 –> 00:02:24,690
آب 1/2 برای تولید ناخالص داخلی واقعی ارزش مصرف واقعی است
32
00:02:24,690 –> 00:02:27,870
که مخارج مصرف شخصی واقعی است
33
00:02:27,870 –> 00:02:30,990
و چیزهای واقعا
34
00:02:30,990 –> 00:02:33,780
جالب دیگر در اینجا شما احتمالاً
35
00:02:33,780 –> 00:02:39,030
نمی دانید همه دادههایی مانند این را داشته باشید،
36
00:02:39,030 –> 00:02:40,740
برعکس، ما فقط مانند
37
00:02:40,740 –> 00:02:43,910
پنج مورد اول در پنج مورد آخر داریم که
38
00:02:43,910 –> 00:02:46,560
گاهی اوقات ناخوشایند است اگر میخواهید
39
00:02:46,560 –> 00:02:48,000
با دادههای بیشتری کار کنید، بنابراین آنچه میتوانید
40
00:02:48,000 –> 00:02:52,340
در اینجا انجام دهید این است که روی گزینههای PD
41
00:02:52,340 –> 00:03:02,730
نمایش نقطه حداکثر کلیک کنید. ستونها برابر با هیچکدام نیستند و
42
00:03:02,730 –> 00:03:10,260
دقیقاً برای حداکثر تغییر شکل و اینتر یکسان نیست
43
00:03:10,260 –> 00:03:15,560
و اکنون اگر دوباره دادههای خود را فراخوانی کنیم،
44
00:03:15,560 –> 00:03:21,690
دادههای نامحدودی را روی 202
45
00:03:21,690 –> 00:03:29,910
رول 203 خود با 0 okay مشاهده
46
00:03:29,910 –> 00:03:32,340
میکنیم، بنابراین کاری که میتوانیم برای شما انجام دهیم این است که میتوانیم
47
00:03:32,340 –> 00:03:35,400
نوعی از شاخصی که
48
00:03:35,400 –> 00:03:38,640
منطقی تر از این یکی است، بنابراین می
49
00:03:38,640 –> 00:03:46,040
توان آن را فهرست هر چیزی نامید. PD ایندکس SM یک
50
00:03:46,040 –> 00:03:53,550
ابزار صفحه است که از محدوده تاریخ پیدا می کند و در اینجا
51
00:03:53,550 –> 00:03:55,350
ما دو گزینه داریم این اولین گزینه است
52
00:03:55,350 –> 00:03:59,760
که می توانیم بگوییم 1959 Q eyes و سپس می توانیم
53
00:03:59,760 –> 00:04:03,480
طول را به ما منتقل کنیم و طول
54
00:04:03,480 –> 00:04:06,060
دقیقاً 2000 خواهد بود برای ورود به کالج
55
00:04:06,060 –> 00:04:10,580
و می توانیم این کار را انجام دهیم و البته
56
00:04:10,580 –> 00:04:15,660
در اینجا برابر می کنیم و سپس می توانیم بگوییم یک
57
00:04:15,660 –> 00:04:18,570
شاخص پوزه یا ظاهری شبیه این به
58
00:04:18,570 –> 00:04:21,829
نظر می رسد گزینه دیگری است. در اینجا میگوییم
59
00:04:21,829 –> 00:04:24,570
Shift + tab را فشار دهید که
60
00:04:24,570 –> 00:04:26,550
نشان میدهد آرگومانها چیست، بنابراین میتوانیم بگوییم
61
00:04:26,550 –> 00:04:28,620
با همان پایان شروع کنید و اگر
62
00:04:28,620 –> 00:04:29,430
ما را قضاوت کنید،
63
00:04:29,430 –> 00:04:34,680
بنابراین اگر میگوییم 1959 بیایید این را بیرون بکشیم
64
00:04:34,680 –> 00:04:41,360
، فرض کنید برای سالهای 1959 تا 1999 دو چشم یا
65
00:04:42,380 –> 00:04:53,550
1965 سفید نشانهای تغییر به شاخص می
66
00:04:53,550 –> 00:04:55,350
تواند واضح
67
00:04:55,350 –> 00:04:57,900
باشد و متوجه می شویم که ما به این شاخص نیاز داریم
68
00:04:57,900 –> 00:05:00,360
به ما نقاط نشانه بدهید این
69
00:05:00,360 –> 00:05:03,510
سه ماهه اول است این
70
00:05:03,510 –> 00:05:05,970
سه ماهه دوم است این سومین
71
00:05:05,970 –> 00:05:09,030
سه ماهه چهارم است و به خوبی به آنها خدمت
72
00:05:09,030 –> 00:05:12,480
می کند خوب است ما می خواهیم برای رفتار با زمین، پس
73
00:05:12,480 –> 00:05:20,580
بیایید به طول آن برویم، بله، من آن را تا به
74
00:05:20,580 –> 00:05:25,320
حال خیلی خوب داشتم، بیایید به سادگی تصمیم بگیریم
75
00:05:25,320 –> 00:05:28,380
همه چیز را تماشا کنیم و ببینیم آنجا چه خبر
76
00:05:28,380 –> 00:05:32,010
است، اگر یک چهارم تولید ناخالص داخلی واقعی
77
00:05:32,010 –> 00:05:35,310
همه چیزهایی که می توانیم در مورد سفید رویا داشته باشیم
78
00:05:35,310 –> 00:05:37,650
قابل درک نیست. گفتم
79
00:05:37,650 –> 00:05:42,000
میریم g برای اینکه روی تولید ناخالص داخلی واقعی متمرکز بمانید،
80
00:05:42,000 –> 00:05:43,890
بنابراین برای رفتن به سمت ارزان واقعی می توانید
81
00:05:43,890 –> 00:05:51,120
بگویید همان فیلترهای پنیر نه این بعد است،
82
00:05:51,120 –> 00:05:55,380
می توانیم بگوییم فقط برای دیدن تولید ناخالص داخلی واقعی، می توانیم تولید ناخالص داخلی واقعی
83
00:05:55,380 –> 00:06:01,070
را چارچوب داده ها ببینیم و تولید ناخالص داخلی
84
00:06:05,280 –> 00:06:08,169
واقعی اینگونه است. به نظر می رسد
85
00:06:08,169 –> 00:06:11,020
بله تا اینجا خیلی خوب است
86
00:06:11,020 –> 00:06:16,930
و اکنون بیایید نگاهی بیندازیم این
87
00:06:16,930 –> 00:06:19,509
آینده HP است که د