در این مطلب، ویدئو پایتون | Pandas dataframe.round() | GeeksforGeeks 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: 00:03:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,179 –> 00:00:02,340
سلام بچهها به گیکهایی خوش آمدید که
2
00:00:02,340 –> 00:00:04,019
امروز میخواهیم دیتافریم پانداها را ببینیم
3
00:00:04,019 –> 00:00:06,960
، بنابراین
4
00:00:06,960 –> 00:00:08,790
قبل از اینکه وارد آن شویم، بیایید ببینیم
5
00:00:08,790 –> 00:00:11,580
pandas چیست و ما یک کتابخانه Python منبع باز
6
00:00:11,580 –> 00:00:13,620
است که بر روی پانداهای کتابخانه numpy ساخته شده است و
7
00:00:13,620 –> 00:00:16,859
ما را قادر میسازد تا از آن استفاده کنیم.
8
00:00:16,859 –> 00:00:18,600
زبان برنامه نویسی پایتون برای
9
00:00:18,600 –> 00:00:21,779
پانداهای تجزیه و تحلیل داده کارآمد نیز به ما در
10
00:00:21,779 –> 00:00:23,550
تمیز کردن و آماده سازی داده ها برای
11
00:00:23,550 –> 00:00:27,330
اهداف تحلیلی پایه کمک می کند و ما می توانیم به خوبی
12
00:00:27,330 –> 00:00:29,340
با انواع منابع داده مانند
13
00:00:29,340 –> 00:00:32,189
فایل های SQL که فایل های CSV صادر می کنند و بسیاری
14
00:00:32,189 –> 00:00:35,399
از انواع دیگر فایل
15
00:00:35,399 –> 00:00:37,440
ها به خوبی کار کنیم. یک
16
00:00:37,440 –> 00:00:39,540
ساختار داده ناهمگن دو بعدی با
17
00:00:39,540 –> 00:00:42,899
محورهای برچسب دار برای تجزیه و تحلیل داده ها است.
18
00:00:42,899 –> 00:00:45,899
ما داده های خود را در پانداهای آماده برای قاب بندی پانداها ذخیره می کنیم. قاب داده
19
00:00:45,899 –> 00:00:47,940
دارای روش های مختلف داخلی است
20
00:00:47,940 –> 00:00:49,800
که به ما کمک می کند تا عملیات مختلفی
21
00:00:49,800 –> 00:00:53,520
را روی داده های خود انجام دهیم و اکنون می بینیم که
22
00:00:53,520 –> 00:00:55,949
قاب داده عملکرد اشتباه نوشته است. نوع
23
00:00:55,949 –> 00:00:58,170
تابع بازگشت قاب داده برای
24
00:00:58,170 –> 00:01:00,270
گرد کردن مقادیر عددی در
25
00:01:00,270 –> 00:01:02,129
قاب داده به تعدادی متغیر
26
00:01:02,129 –> 00:01:05,400
اعشاری که در آن استفاده می شود استفاده می شود. در مواردی
27
00:01:05,400 –> 00:01:07,710
که دقت اعشاری بسیار بالایی لازم نیست،
28
00:01:07,710 –> 00:01:10,080
بنابراین برای ذخیره پست محاسباتی روی آن دادهها، مقدار را به
29
00:01:10,080 –> 00:01:12,119
برخی از رقمهای اعشار گرد میکنیم،
30
00:01:12,119 –> 00:01:15,150
این
31
00:01:15,150 –> 00:01:17,909
تابع همچنین انعطافپذیری را
32
00:01:17,909 –> 00:01:19,560
برای گرد کردن مقادیر در
33
00:01:19,560 –> 00:01:21,299
حجمهای مختلف از طریق ارقام اعشاری مختلف فراهم میکند.
34
00:01:21,299 –> 00:01:23,610
اگر میخواهیم
35
00:01:23,610 –> 00:01:25,530
اجرای تابع دور قاب داده را
36
00:01:25,530 –> 00:01:27,990
برای اجرای برنامههای پایتون خود ببینیم،
37
00:01:27,