در این مطلب، ویدئو مقدمه – تجزیه و تحلیل داده ها و علم داده با پایتون و پانداها 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: 00:21:36
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,310 –> 00:00:03,510
چه خبر است همه به مجموعه آموزش
2
00:00:03,510 –> 00:00:05,670
تجزیه و تحلیل داده های اسلش علم داده
3
00:00:05,670 –> 00:00:07,589
با
4
00:00:07,589 –> 00:00:10,010
زبان برنامه نویسی پایتون و کتابخانه پاندا خوش آمدید،
5
00:00:10,010 –> 00:00:12,210
اگر
6
00:00:12,210 –> 00:00:15,299
در ابتدایی ترین سطح خود نمی دانید پاندا چیست، این
7
00:00:15,299 –> 00:00:16,800
فقط یک کتابخانه است که به شما کمک می کند
8
00:00:16,800 –> 00:00:21,000
با ردیف ها تعامل داشته باشید و دادههای نوع ستون من فکر میکنم
9
00:00:21,000 –> 00:00:22,199
بهترین راه برای یادگیری چیزی شبیه به
10
00:00:22,199 –> 00:00:24,119
این، صرفاً پرش به آن است، بنابراین من
11
00:00:24,119 –> 00:00:26,250
واقعاً خیلی بیشتر از آن توضیح نمیدهم،
12
00:00:26,250 –> 00:00:28,680
بنابراین بیایید ادامه دهیم و وارد آن
13
00:00:28,680 –> 00:00:30,029
شویم که در این مورد چه کاری انجام میدهیم.
14
00:00:30,029 –> 00:00:31,769
سریال فقط با مجموعههای دادههای مختلف بازی میکند،
15
00:00:31,769 –> 00:00:33,239
بنابراین امیدوارم که شما
16
00:00:33,239 –> 00:00:34,890
دوستان راحت و آشنا
17
00:00:34,890 –> 00:00:37,320
با کتابخانه پانداها آشنا شوید، به
18
00:00:37,320 –> 00:00:38,940
هیچ وجه نمیتوانم همه چیز را در آنجا به شما آموزش دهم
19
00:00:38,940 –> 00:00:41,100
، بنابراین اگر فقط به گوگل بروید
20
00:00:41,100 –> 00:00:43,050
و مانند پانداها پایتون را تایپ کنید. Docs یا
21
00:00:43,050 –> 00:00:46,170
چیزی شبیه به آن در واقع شما
22
00:00:46,170 –> 00:00:49,739
احتمالاً ممکن است حتی در
23
00:00:49,739 –> 00:00:51,270
صفحه اصلی یا چیزی شبیه به آن قرار
24
00:00:51,270 –> 00:00:53,699
بگیرید، اما اگر به مستندات بروید و سپس
25
00:00:53,699 –> 00:00:55,980
به مرجع API بروید، در اینجا
26
00:00:55,980 –> 00:00:57,899
اساساً تمام کارهایی که می توانید انجام دهید. n
27
00:00:57,899 –> 00:01:00,170
pandas برای شما فهرست شده است، بنابراین
28
00:01:00,170 –> 00:01:02,430
حتماً به آنجا بروید و
29
00:01:02,430 –> 00:01:05,159
همه چیز را مرور کنید، بنابراین اول از
30
00:01:05,159 –> 00:01:06,479
همه کمی بیشتر در مورد آن صحبت کنید، اما اولین
31
00:01:06,479 –> 00:01:09,180
کاری که احتمالاً باید انجام دهیم این است که
32
00:01:09,180 –> 00:01:11,340
یک خط فرمان باز کنیم و بیایید
33
00:01:11,340 –> 00:01:12,960
همه چیزهایی را که داریم نصب کنیم. من استفاده خواهم کرد، پس
34
00:01:12,960 –> 00:01:15,330
ادامه دهید و یک پیپ انجام دهید، مطمئن شوید که پیپ
35
00:01:15,330 –> 00:01:19,049
مطابق با Python 3 باشد، من
36
00:01:19,049 –> 00:01:21,150
احتمالاً در اینجا از رشتههای F استفاده خواهم کرد،
37
00:01:21,150 –> 00:01:21,600
38
00:01:21,600 –> 00:01:24,270
بنابراین امیدوارم
39
00:01:24,270 –> 00:01:26,970
از Python 3 امتیاز 7 و سپس پانداها استفاده کنم.
40
00:01:26,970 –> 00:01:30,329
نسخه 0.2 4.1 خواهد بود مگر
41
00:01:30,329 –> 00:01:31,590
اینکه مانند روز گذشته به
42
00:01:31,590 –> 00:01:35,220
روز رسانی شده باشد، اما اگر به نوعی از
43
00:01:35,220 –> 00:01:37,439
انحراف یا مشکلات هشدار یا
44
00:01:37,439 –> 00:01:38,280
هر چیز دیگری دارید
45
00:01:38,280 –> 00:01:42,299
آن را در 0.2 4.1 بررسی کنید اگر نیاز دارید
46
00:01:42,299 –> 00:01:43,409
و اگر نمی دانید چگونه این کار را انجام دهید
47
00:01:43,409 –> 00:01:46,200
همیشه می توانید بگویید pip pip install panda
48
00:01:46,200 –> 00:01:49,320
برابر است با 0.2 4.1 یا چیزی شبیه به
49
00:01:49,320 –> 00:01:51,450
آن، اما این کار را انجام ندهید مگر
50
00:01:51,450 –> 00:01:52,799
اینکه مشکلی دارید و می خواهید ببینید آیا
51
00:01:52,799 –> 00:01:54,479
شما اشتباه می کنید یا مانند یک نسخه جدید است،
52
00:01:54,479 –> 00:01:56,399
بنابراین ما به هر حال ما این کار را انجام ندهید. من یک پیپ
53
00:01:56,399 –> 00:01:59,040
نصب می کنم و امیدوارم املا کنم بهدرستی نصب کنید،
54
00:01:59,040 –> 00:02:02,100
ما میخواهیم matplotlib را بگیریم،
55
00:02:02,100 –> 00:02:04,409
بنابراین پانداها برای تجزیه و تحلیل دادهها،
56
00:02:04,409 –> 00:02:05,820
matplotlib برای تجسم اولیه،
57
00:02:05,820 –> 00:02:07,770
به هیچ وجه
58
00:02:07,770 –> 00:02:09,840
این مجموعه آموزشی matplotlib را نمیسازیم،
59
00:02:09,840 –> 00:02:11,790
اما چند کار سریع و جالب وجود دارد که
60
00:02:11,790 –> 00:02:13,650
میتوانیم با matplotlib
61
00:02:13,650 –> 00:02:16,760
انجام دهیم، بنابراین ما این کار را انجام خواهیم داد. و سپس از
62
00:02:16,760 –> 00:02:20,430
آزمایشگاه Jupiter استفاده خواهم کرد، من قبلاً آزمایشگاه Jupiter را
63
00:02:20,430 –> 00:02:21,420
نصب کرده ام، بنابراین در واقع
64
00:02:21,420 –> 00:02:22,590
قصد نصب آن را ندارم، به هر
65
00:02:22,590 –> 00:02:24,330
حال مهم نیست، اما این ویرایشگری است که من
66
00:02:24,330 –> 00:02:25,650
از آن استفاده خواهم کرد، فقط یک پایتون تعاملی است.
67
00:02:25,650 –> 00:02:28,379
نوع ویرایشگر نوت بوک اگر می خواهید
68
00:02:28,379 –> 00:02:30,989
از PyCharm یا متن عالی یا هر چیز دیگری که
69
00:02:30,989 –> 00:02:33,330
به طور ایده آل می خواهید استفاده کنید
70
00:02:33,330 –> 00:02:34,080
برای من مهم نیست، من
71
00:02:34,080 –> 00:02:35,819
از نوت بوک های تعاملی پایتون
72
00:02:35,819 –> 00:02:37,200
برای تجزیه و تحلیل داده ها خوشم می آید زیرا به شما امکان می دهد تا حدی به
73
00:02:37,200 –> 00:02:39,840
اطراف بپردازید اما می توانید
74
00:02:39,840 –> 00:02:41,160
خودتان را به دست آورید. کمی خراب شده و می خواهم
75
00:02:41,160 –> 00:02:43,739
بعداً متغیر را تغییر دهید و سپس
76
00:02:43,739 –> 00:02:45,810
همه چیز را از نظم خارج کنید و کمی
77
00:02:45,810 –> 00:02:46,920
گیج شوید، بنابراین اگر نمی خواهید این کار را انجام
78
00:02:46,920 –> 00:02:49,140
دهید کاملاً خوب است، اما من
79
00:02:49,140 –> 00:02:51,269
آنها را برای تجزیه و تحلیل داده ها دوست دارم، بنابراین حداقل
80
00:02:51,269 –> 00:02:53,579
حداقل اگر میخواهید این دو مورد را در آزمایشگاه مشتری
81
00:02:53,579 –> 00:02:56,870
نیز داشته باشید،
82
00:02:56,870 –> 00:03:02,250
بنابراین در حین نصب، ما فقط
83
00:03:02,250 –> 00:03:04,739
در مورد چند مورد در
84
00:03:04,739 –> 00:03:06,870
اینجا صحبت میکنیم و همچنین اجازه دهید نسخه را بررسی کنم
85
00:03:06,870 –> 00:03:08,989
تا مطمئن شوم که
86
00:03:08,989 –> 00:03:13,980
پاندا بله در آنجا 0.2 4.1 خوب است. بنابراین،
87
00:03:13,980 –> 00:03:16,860
در حین نصب، اجازه دهید
88
00:03:16,860 –> 00:03:18,450
کمی در مورد نحوه عملکرد پانداها صحبت کنیم، بنابراین
89
00:03:18,450 –> 00:03:19,829
اساساً شما می خواهید در هر
90
00:03:19,829 –> 00:03:21,870
چیزی که دارای نوعی
91
00:03:21,870 –> 00:03:24,180
92
00:03:24,180 –> 00:03:26,340
ساختار باشد یا ساختار سطر و
93
00:03:26,340 –> 00:03:29,609
ستون داشته باشد، چیزهایی مانند JSON را بخوانید.
94
00:03:29,609 –> 00:03:31,590
به عنوان مثال اگر
95
00:03:31,590 –> 00:03:33,510
بخواهید به آن نگاه کنید کاملاً ردیف و ستون نیست، اما این چیزی است
96
00:03:33,510 –> 00:03:35,609
که هست یا حداقل می تواند همه JSON نباشد به
97
00:03:35,609 –> 00:03:38,670
این دلیل است که شما همچنین می خواهید
98
00:03:38,670 –> 00:03:40,200
همه موارد دارای تعداد ستون های یکسان باشند
99
00:03:40,200 –> 00:03:43,560
اما می توانید از JSON بخواهید این کار را انجام دهد.
100
00:03:43,560 –> 00:03:45,180
101
00:03:45,180 –> 00:03:47,190
برای مثال در مورد دیکشنری پایتون که حتی در اینجا لیست نشده است،
102
00:03:47,190 –> 00:03:49,049
اما این دو دیکته وجود دارد و من
103
00:03:49,049 –> 00:03:52,650
کاملاً مطمئن هستم که از dict و سپس
104
00:03:52,650 –> 00:03:55,290
انواع چیزهایی مانند اسناد اکسل CSV SQL،
105
00:03:55,290 –> 00:03:58,760
حتی پرس و جوی بزرگ، اسناد HTML hdf5
106
00:03:58,760 –> 00:04:01,859
دارند. می توانید بخوانید و
107
00:04:01,859 –> 00:04:03,870
سپس چیز جالب دیگر این است که می توانید بیرون بیاورید،
108
00:04:03,870 –> 00:04:07,049
بنابراین گاهی اوقات من از پانداها صرفاً به
109
00:04:07,049 –> 00:04:09,630
عنوان مبدل استفاده می کنم، بنابراین فقط داده ها را از
110
00:04:09,630 –> 00:04:14,340
یک فرمت به فرمت دیگر ببرید، به عنوان مثال، SQL به JSON
111
00:04:14,340 –> 00:04:16,950
من این کار را انجام داده ام زیرا فقط
112
00:04:16,950 –> 00:04:19,410
تبدیل آن به سرعت بسیار سریع
113
00:04:19,410 –> 00:04:22,019
همان چیزی مانند یا به خصوص مانند HTML
114
00:04:22,019 –> 00:04:23,490
به SQL زیرا مانند JSON ما
115
00:04:23,490 –> 00:04:24,780
واقعاً میتوانیم این کار را خیلی سریع و
116
00:04:24,780 –> 00:04:26,280
آسان با یک دیکشنری و سپس
117
00:04:26,280 –> 00:04:27,270
JSON یا هر چیز دیگری به
118
00:04:27,270 –> 00:04:29,400
جز چیزی شبیه به جدول به
119
00:04:29,400 –> 00:04:31,020
SQL یا چیزی شبیه به که اگر
120
00:04:31,020 –> 00:04:32,220
بخواهم کاری را خیلی سریع هنگام
121
00:04:32,220 –> 00:04:34,199
کار انجام دهم، در نهایت از آن
122
00:04:34,199 –> 00:04:35,960
bigquery گوگل استفاده خواهم کرد، همچنین بسیار جالب است،
123
00:04:35,960 –> 00:04:37,860
زیرا این جدید است، من در واقع
124
00:04:37,860 –> 00:04:40,310
ندیده ام که من واقعاً هرگز در
125
00:04:40,310 –> 00:04:44,039
اینجا از bigquery استفاده نکرده ام و تعجب می کنم که چگونه خوب این
126
00:04:44,039 –> 00:04:45,690
است که آیا همه آن ها به صورت دسته ای بارگیری می شوند یا
127
00:04:45,690 –> 00:04:47,069
نه، من در واقع حتی نمی دانم، بنابراین
128
00:04:47,069 –> 00:04:49,110
واقعاً چالش برانگیز است و من
129
00:04:49,110 –> 00:04:50,310
برای اولین بار متوجه می شوم که این
130
00:04:50,310 –> 00:04:53,009
از bigquery پشتیبانی می کند، خیلی خوب به نظر می رسد
131
00:04:53,009 –> 00:04:54,150
همه چیز را نصب کرده ایم. من
132
00:04:54,150 –> 00:04:56,550
میتوانم سریع یاپین را ترک کنید، ما در
133
00:04:56,550 –> 00:05:00,060
اینجا از مجموعه دادههای Kaggle استفاده میکنیم. Kaggle
134
00:05:00,060 –> 00:05:02,280
به هیچ وجه حمایت و پشتیبانی نمیشود
135
00:05:02,280 –> 00:05:04,650
، این فقط یک مکان جالب برای دریافت
136
00:05:04,650 –> 00:05:07,259
مجموعه دادههایی است که آنها به اندازه یک باجیلیون دارند، بله
137
00:05:07,259 –> 00:05:09,090
، اگر فقط به Kaggle بروید، یک عدد واقعی است
138
00:05:09,090 –> 00:05:10,740
. com یک حساب کاربری ایجاد کنید
139
00:05:10,740 –> 00:05:12,630
و به مجموعه دادهها بیایید و سپس
140
00:05:12,630 –> 00:05:14,460
میتوانید اگر میخواهید
141
00:05:14,460 –> 00:05:17,220
چند مورد وجود دارد، در حال حاضر 14000 مجموعه داده 590
142
00:05:17,220 –> 00:05:19,409
وجود دارد، اما همیشه مجموعههای جدیدی وجود دارد که
143
00:05:19,409 –> 00:05:22,110
در ابتدا از مجموعه داده
144
00:05:22,110 –> 00:05:23,130
145
00:05:23,130 –> 00:05:24,569
آووکادو استفاده میکنیم. نمیدانم آووکادو در
146
00:05:24,569 –> 00:05:28,500
واقع میوهای جذاب است، همچنین
147
00:05:28,500 –> 00:05:31,259
توتها انتظار ندارند که تصور کنید من
148
00:05:31,259 –> 00:05:33,409
مانند یک سالاد میوه وارد میشوم و مانند
149
00:05:33,409 –> 00:05:35,909
آووکادو یا میوهای طعمدار چیزی است که به
150
00:05:35,909 –> 00:05:37,610
خودی خود یک ستاره دنبالهدار است،
151
00:05:37,610 –> 00:05:40,320
بنابراین به هر حال ما از
152
00:05:40,320 –> 00:05:42,090
دادههای قیمت آووکادو استفاده خواهیم کرد. مجموعهها را ادامه دهید و
153
00:05:42,090 –> 00:05:43,710
آن دانلود را بگیرید، باید یک
154
00:05:43,710 –> 00:05:45,180
حساب کاربری داشته باشید تا آن را دانلود کنید، بنابراین من یک
155
00:05:45,180 –> 00:05:47,250
حساب کاربری ایجاد میکنم و بعد از آن خیلی وقتها روی این
156
00:05:47,250 –> 00:05:48,479
مجموعه دادهها خیلی جالب است، آنها
157
00:05:48,479 –> 00:05:50,430
مثل برخی از توضیحات هستند که بسیاری اوقات
158
00:05:50,430 –> 00:05:52,770
این یکی واقعاً درست نیست کاملاً
159
00:05:52,770 –> 00:05:54,750
بهترین توضیح را دارند، اما اکثر
160
00:05:54,750 –> 00:05:57,120
آنها این کار را انجام می دهند و سپس
161
00:05:57,120 –> 00:05:59,880
این دقیقاً شبیه یک تجسم سریع است و
162
00:05:59,880 –> 00:06:02,099
بسیار شبیه به ظاهر پانداها است
163
00:06:02,099 –> 00:06:04,319
– این نوع موارد توزیع
164
00:06:04,319 –> 00:06:06,539
نیز بسیار جالب است، اما پانداها
165
00:06:06,539 –> 00:06:07,740
اینطور نیستند. این کار را برای ما انجام دهید، اما
166
00:06:07,740 –> 00:06:10,110
مانند یک جدول کوچک مانند این به ما می دهد، بنابراین یک
167
00:06:10,110 –> 00:06:12,599
جورهایی تمیز است، بگذارید فکر کنم، اوه
168
00:06:12,599 –> 00:06:13,440
چیز دیگری که می خواهم به شما نشان دهم
169
00:06:13,440 –> 00:06:15,389
این است که هسته ها مجموعه داده های زیادی است که
170
00:06:15,389 –> 00:06:17,250
مردم می توانند هسته هایی بنویسند که
171
00:06:17,250 –> 00:06:19,650
اساساً یک نوت بوک پایتون است. بنابراین میتوانید
172
00:06:19,650 –> 00:06:21,030
ببینید که افراد دیگر با
173
00:06:21,030 –> 00:06:22,319
آن مجموعه دادهها چه میکنند و حتی
174
00:06:22,319 –> 00:06:23,669
سواحل بیشتری را در زمان
175
00:06:23,669 –> 00:06:26,430
استفاده از پانداها و سپس چیزهای دیگر در
176
00:06:26,430 –> 00:06:28,469
بالای پانداها، شاید در scikit-learn، یاد بگیرید
177
00:06:28,469 –> 00:06:30,030
که همان چیزی است که ما از scikit استفاده خواهیم کرد. -در
178
00:06:30,030 –> 00:06:32,789
پایان بیاموزید تقویت XG واقعاً
179
00:06:32,789 –> 00:06:34,680
محبوب است یا شاید تنسورفلو به این چیزها اهمیت می دهد،
180
00:06:34,680 –> 00:06:37,500
بنابراین وقتی احساس
181
00:06:37,500 –> 00:06:38,610
راحتی کردید و واقعاً می خواهید ببینید
182
00:06:38,610 –> 00:06:40,490
که چقدر خوب هستید یا چه
183
00:06:40,490 –> 00:06:42,050
چیزهایی را از نظر انجام
184
00:06:42,050 –> 00:06:43,610
تجزیه و تحلیل داده ها از دست داده اید. سپس شاید بعداً
185
00:06:43,610 –> 00:06:45,289
کارهایی مانند پیشبینی انجام دهید که
186
00:06:45,289 –> 00:06:47,389
همیشه بتوانید به مسابقات در
187
00:06:47,389 –> 00:06:49,610
Kaggle بروید، من فکر میکنم این بهترین بازی آنلاین است،
188
00:06:49,610 –> 00:06:51,169
مانند مسابقات کدنویسی آنلاین
189
00:06:51,169 –> 00:06:53,090
که در دنیای واقعی قابل استفاده
190
00:06:53,090 –> 00:06:54,740
است، این بهترین مکان است
191
00:06:54,740 –> 00:06:56,930
زیرا اینها چیزهای واقعی هستند که
192
00:06:56,930 –> 00:06:58,610
شرکتها می خواهید حل کنید و اینها
193
00:06:58,610 –> 00:07:00,770
چیزهایی هستند که
194
00:07:00,770 –> 00:07:02,300
اگر به عنوان کارمند یا مشاور پیمانکار برای آنها کار کنید، شرکت ها از شما می
195
00:07:02,300 –> 00:07:04,160
196
00:07:04,160 –> 00:07:07,810
197
00:07:07,810 –> 00:07:10,669
198
00:07:10,669 –> 00:07:13,789
خواهند که آنها
199
00:07:13,789 –> 00:07:17,240
را حل کنید. مجموعهای که در آنجا من آووکادو است، بنابراین
200
00:07:17,240 –> 00:07:18,319
اکنون کاری که میخواهم انجام دهم این است که ادامه دهم و
201
00:07:18,319 –> 00:07:20,240
آزمایشگاه Jupiter را برای اجرای آزمایشگاه مشتری اجرا کنم،
202
00:07:20,240 –> 00:07:22,190
به معنای واقعی کلمه فقط یک خط فرمان را باز کنید
203
00:07:22,190 –> 00:07:23,300
تا به فهرستی که
204
00:07:23,300 –> 00:07:26,259
در آن کار میکنید بروید، سپس فقط Jupiter lab را تایپ کنید.
205
00:07:26,259 –> 00:07:29,630
که در مرورگر شما باز می شود، انتخاب کنید
206
00:07:29,630 –> 00:07:31,669
من دوباره با نوت بوک می روم، اما اگر
207
00:07:31,669 –> 00:07:34,610
می خواهید از ویرایشگر خود استفاده کنید،
208
00:07:34,610 –> 00:07:37,400
من اهمیتی نمی دهم یا خانم من
209
00:07:37,400 –> 00:07:40,400
قضاوت نمی کنم در واقع 10% هستم.
210
00:07:40,400 –> 00:07:43,099
تقسیم جنسیتی بنابراین این جدایی جنسی بسیار هیجان انگیز است، به
211
00:07:43,099 –> 00:07:46,300
هر حال
212
00:07:46,300 –> 00:07:49,219
مراقب نظر باشید، من
213
00:07:49,219 –> 00:07:50,599
دیگر بخش نظرات را بعد از اظهاراتم نمی خوانم،
214
00:07:50,599 –> 00:07:53,440
به هر حال پانداها را به عنوان PG وارد
215
00:07:53,440 –> 00:07:55,580
کنید، این فقط یک قرارداد است که ما
216
00:07:55,580 –> 00:07:59,000
پانداها را به عنوان PD نشان می دهیم که فقط
217
00:07:59,000 –> 00:08:01,310
استانداردی است که مردم انجام می دهند و شما.
218
00:08:01,310 –> 00:08:02,570
این را در بسیاری از کدهای مردم مشاهده خواهید کرد
219
00:08:02,570 –> 00:08:05,449
، استاندارد بعدی DF است، به طور کلی
220
00:08:05,449 –> 00:08:07,550
اگر می خواهید یک چارچوب داده تعریف کنید،
221
00:08:07,550 –> 00:08:09,770
اکنون DF نامیده می شود، اگر
222
00:08:09,770 –> 00:08:11,000
نام های متناقض یا
223
00:08:11,000 –> 00:08:11,960
چیزی شبیه به آن دارید، ممکن است بگویید
224
00:08:11,960 –> 00:08:14,630
آووکادو زیرخط دار باشد. DF یا چیزی شبیه به
225
00:08:14,630 –> 00:08:15,889
آن، اما اغلب اوقات شما فقط
226
00:08:15,889 –> 00:08:19,550
DF را کوتاه میبینید برای قاب داده و قاب
227
00:08:19,550 –> 00:08:21,590
داده فقط شیئی است که ستونها
228
00:08:21,590 –> 00:08:23,330
و ردیفهای شما هستند، همچنین چیزی به نام
229
00:08:23,330 –> 00:08:25,520
سری وجود دارد که دقیقاً مانند یک
230
00:08:25,520 –> 00:08:27,199
ستون است و سپس یک چیز وجود دارد. پانلی به نام
231
00:08:27,199 –> 00:08:29,449
که تقریباً هرگز ندیدم کسی
232
00:08:29,449 –> 00:08:33,110
از آن استفاده کند مگر در
233
00:08:33,110 –> 00:08:35,809
موارد استفاده بسیار پیشرفتهتر و احتمالاً
234
00:08:35,809 –> 00:08:38,149
هرگز از پنل استفاده
235
00:08:38,149 –> 00:08:39,589
نمیکنیم، اگر دوست داشته باشم چیزهایی به آن اضافه کنم نمیتوانم بگویم که هرگز در این سری نیستیم.
236
00:08:39,589 –> 00:08:41,179
حداقل در مواردی که
237
00:08:41,179 –> 00:08:42,559
من برای این سری دریافت کردهام، ما
238
00:08:42,559 –> 00:08:44,450
حتی پانل لمسی هم نخواهیم داشت، اما پانل دقیقاً مانند
239
00:08:44,450 –> 00:08:46,190
چندین فریم داده است، بنابراین مانند یک
240
00:08:46,190 –> 00:08:48,650
سمت راست سه بعدی است، بنابراین
241
00:08:48,650 –> 00:08:51,410
مانند ستونهای ردیف و سپس عمق به هر حال
242
00:08:51,410 –> 00:08:53,900
DF برابر است با PD dot
243
00:08:53,900 –> 00:08:56,120
read underscore CSV بنابراین این
244
00:08:56,120 –> 00:08:58,279
تابعی است که میتوانیم CSV را بخوانیم و بعداً
245
00:08:58,279 –> 00:09:01,430
میتوانیم کاری مانند DF به CSV انجام
246
00:09:01,430 –> 00:09:03,950
دهیم و آن را بهعنوان یک CSV ذخیره کنیم و این کارها را
247
00:09:03,950 –> 00:09:06,470
در مدت
248
00:09:06,470 –> 00:09:09,620
کوتاهی انجام خواهیم داد، اما در حال حاضر فقط CSV و مجموعههای داده را میخوانیم.
249
00:09:09,620 –> 00:09:15,470
بریده بریده vocano dot CSV و ما ابتدا آن را می خوانیم
250
00:09:15,470 –> 00:09:18,410
تا کار کند و ما می توانیم
251
00:09:18,410 –> 00:09:20,029
فقط یک قاب داده را چاپ کنیم، اما همانطور
252
00:09:20,029 –> 00:09:21,380
که می بینید همیشه
253
00:09:21,380 –> 00:09:24,950
همانطور که ما
254
00:09:24,950 –> 00:09:27,290
این قاب داده را ویرایش و اصلاح می کنیم، مانند اطلاعات کامل چاپ می شود. و
255
00:09:27,290 –> 00:09:28,760
با آن کار کنیم، میخواهیم بتوانیم اغلب اشکالزدایی کنیم،
256
00:09:28,760 –> 00:09:30,470
مثل اینکه ممکن است بگوییم مثلاً
257
00:09:30,470 –> 00:09:32,720
چیزی را در پایتون میخرید، اما
258
00:09:32,720 –> 00:09:35,960
این خیلی زیاد است، بنابراین کاری که میتوانید در عوض انجام دهید این
259
00:09:35,960 –> 00:09:38,060
است که از سر نقطه استفاده کنید، میبینید که مردم زیاد از
260
00:09:38,060 –> 00:09:40,040
آن استفاده میکنند و همه اینها فقط برای
261
00:09:40,040 –> 00:09:41,360
این است که بتوانیم یک
262
00:09:41,360 –> 00:09:44,060
قطعه سریع و thi را ببینیم s اولین ردیف n خواهد بود که
263
00:09:44,060 –> 00:09:46,520
پیشفرض آن 5 است، اما همیشه میتوانید آن را
264
00:09:46,520 –> 00:09:48,620
تغییر دهید، بنابراین میتوانیم بگوییم 3 و سپس
265
00:09:48,620 –> 00:09:50,630
بوم دریافت میکنید که
266
00:09:50,630 –> 00:09:52,339
گاهی اوقات محاسباتی را انجام میدهید،
267