در این مطلب، ویدئو آموزش پایتون: مقدمه ای بر Seaborn 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: 00:04:09
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,480 –> 00:00:03,750
سلام به این
2
00:00:03,750 –> 00:00:07,109
دوره مقدماتی درباره Seabourn خوش آمدید نام من Erin case است
3
00:00:07,109 –> 00:00:09,810
و من مربی شما خواهم بود،
4
00:00:09,810 –> 00:00:13,200
بنابراین Seaborn چیست، Seaborn یک
5
00:00:13,200 –> 00:00:15,300
کتابخانه قدرتمند Python برای ایجاد
6
00:00:15,300 –> 00:00:18,450
تجسم داده ها است که
7
00:00:18,450 –> 00:00:20,190
به منظور ایجاد آسان ترین
8
00:00:20,190 –> 00:00:23,670
انواع رایج توسعه داده شده است. نمودارها نمودار نشان داده شده
9
00:00:23,670 –> 00:00:25,710
در اینجا را می توان تنها با چند
10
00:00:25,710 –> 00:00:28,849
خط کد
11
00:00:29,320 –> 00:00:31,779
12
00:00:31,779 –> 00:00:35,230
13
00:00:35,230 –> 00:00:37,360
14
00:00:37,360 –> 00:00:40,180
15
00:00:40,180 –> 00:00:42,519
Seabourn ایجاد کرد.
16
00:00:42,519 –> 00:00:44,710
17
00:00:44,710 –> 00:00:46,899
ابزارهای متعددی وجود دارد که میتوان
18
00:00:46,899 –> 00:00:49,329
برای تجسم دادهها استفاده کرد، اما Seaboard
19
00:00:49,329 –> 00:00:52,600
چندین مزیت را ارائه میکند، اول
20
00:00:52,600 –> 00:00:55,300
هدف Seaborn این است که تجسم دادهها را
21
00:00:55,300 –> 00:00:58,360
آسان کند. این ابزار برای
22
00:00:58,360 –> 00:01:00,790
کنترل خودکار پیچیدگیهای زیادی در
23
00:01:00,790 –> 00:01:04,750
پشت صحنه ساخته شده است.
24
00:01:04,750 –> 00:01:06,640
25
00:01:06,640 –> 00:01:10,060
یک کتابخانه پایتون است
26
00:01:10,060 –> 00:01:13,110
که به طور گسترده برای تجزیه و تحلیل داده ها استفاده می شود و
27
00:01:13,110 –> 00:01:16,110
در نهایت بر روی matplotlib ساخته شده است
28
00:01:16,110 –> 00:01:18,910
. یکی دیگر از کتابخانههای تجسم پایتون
29
00:01:18,910 –> 00:01:22,920
matplotlib بسیار انعطافپذیر است
30
00:01:22,920 –> 00:01:25,390
Seabourn به شما امکان میدهد در صورت نیاز از
31
00:01:25,390 –> 00:01:27,580
این انعطافپذیری استفاده کنید و در عین حال
32
00:01:27,580 –> 00:01:29,440
از پیچیدگیای که انعطافپذیری Matt plot
33
00:01:29,440 –> 00:01:32,950
lifts میتواند
34
00:01:32,950 –> 00:01:34,780
ایجاد کند اجتناب کنید، باید
35
00:01:34,780 –> 00:01:37,720
کتابخانه Seabourn را وارد
36
00:01:37,720 –> 00:01:41,710
کنیم. SNS Seabourn را به عنوان
37
00:01:41,710 –> 00:01:46,270
نام مستعار SMS وارد می کند که چرا
38
00:01:46,270 –> 00:01:49,600
SNS کتابخانه Seabourn ظاهراً
39
00:01:49,600 –> 00:01:51,579
به نام شخصیتی به نام Samuel Norman
40
00:01:51,579 –> 00:01:54,280
Seaborn از برنامه تلویزیونی
41
00:01:54,280 –> 00:01:57,700
The West Wing نامگذاری شده است، بنابراین نام مستعار استاندارد
42
00:01:57,700 –> 00:02:00,909
حروف اول کاراکترها SNS است
43
00:02:00,909 –> 00:02:03,939
که ما همچنین باید matplotlib را وارد
44
00:02:03,939 –> 00:02:05,770
کنیم. کتابخانه ای که seaboard در بالای آن ساخته شده است
45
00:02:05,770 –> 00:02:08,949
، ما این کار را با تایپ import
46
00:02:08,949 –> 00:02:14,950
matplotlib PI plot به عنوان P LT p LT
47
00:02:14,950 –> 00:02:16,989
ن