در این مطلب، ویدئو آموزش پاندای پایتون | تجزیه و تحلیل داده ها با پاندای پایتون | آموزش پایتون | ادورکا 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: 1:07:49
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:15,760 –> 00:00:17,470
سلام به همه این صحنه از
2
00:00:17,470 –> 00:00:19,390
آیدا ریکا است و من به همه شما در این جلسه زنده خوش آمد می گویم
3
00:00:19,390 –> 00:00:21,310
که در آن می خواهم در
4
00:00:21,310 –> 00:00:24,100
مورد کتابخانه پاندای پایتون صحبت کنم، بنابراین
5
00:00:24,100 –> 00:00:25,689
مطمئن هستم که اکثر شما در مورد
6
00:00:25,689 –> 00:00:28,090
کتابخانه پانداها در پایتون شنیده ام و
7
00:00:28,090 –> 00:00:30,040
یکپارچه است. بخشی از تجزیه و تحلیل داده ها است و
8
00:00:30,040 –> 00:00:32,409
به عنوان بلوک ساختمان
9
00:00:32,409 –> 00:00:35,320
تجزیه و تحلیل داده ها و علم داده عمل می کند، بنابراین اجازه دهید
10
00:00:35,320 –> 00:00:36,610
به دستور کار این جلسه نگاهی بیندازیم،
11
00:00:36,610 –> 00:00:38,710
اما قبل از آن اجازه دهید من یک تأیید سریع دریافت کنم که
12
00:00:38,710 –> 00:00:40,420
آیا شما می توانید صدای من را بشنوید یا
13
00:00:40,420 –> 00:00:42,730
نه. برای شما قابل شنیدن است لطفاً
14
00:00:42,730 –> 00:00:45,780
در جعبه چت شما بله را تایپ
15
00:00:51,520 –> 00:00:53,580
کنید
16
00:00:56,040 –> 00:00:57,570
و اکنون که من می توانم تطابق زیادی را ببینم،
17
00:00:57,570 –> 00:00:59,670
اجازه دهید پیش برویم
18
00:00:59,670 –> 00:01:01,980
و دستور کار این جلسه را بررسی کنیم،
19
00:01:01,980 –> 00:01:03,360
بنابراین اگر اینطوری افتادم، می خواهم با اصول اولیه شروع کنم.
20
00:01:03,360 –> 00:01:05,309
معرفی پانداها در پایتون به
21
00:01:05,309 –> 00:01:07,740
دنبال فریمهای داده و سری با
22
00:01:07,740 –> 00:01:09,810
مثالها و سپس خواهیم دید که چگونه
23
00:01:09,810 –> 00:01:12,300
دادهها را با استفاده از پانداها در حال حرکت بیشتر کاوش
24
00:01:12,300 –> 00:01:14,250
25
00:01:14,250 –> 00:01:17,250
26
00:01:17,250 –> 00:01:18,840
27
00:01:18,840 –> 00:01:21,690
میکنیم. من در
28
00:01:21,690 –> 00:01:24,090
مورد نقشه کشیدن با پانداها صحبت خواهم کرد و در نهایت
29
00:01:24,090 –> 00:01:26,040
برای جمع بندی این جلسه به شما
30
00:01:26,040 –> 00:01:27,990
در مورد خواندن و نوشتن فایل ها با استفاده از
31
00:01:27,990 –> 00:01:30,119
پانداها خواهم گفت. امیدوارم در مورد
32
00:01:30,119 –> 00:01:32,700
دستور کار کاملاً واضح باشید همچنین فراموش نکنید که
33
00:01:32,700 –> 00:01:34,410
برای آموزش های هیجان انگیز بیشتر در یک گوزن یک گاو مشترک شوید.
34
00:01:34,410 –> 00:01:35,910
نماد زنگ را فشار دهید تا
35
00:01:35,910 –> 00:01:39,000
آخرین بهروزرسانیها را در مورد اورکا دریافت کنید و ثبتنام کنید
36
00:01:39,000 –> 00:01:40,590
– یک برنامه گواهینامه برنامهنویسی پایتون آکرها
37
00:01:40,590 –> 00:01:42,960
پیوند
38
00:01:42,960 –> 00:01:45,570
در کادر توضیحات زیر داده شده است، بنابراین اجازه دهید ادامه دهیم
39
00:01:45,570 –> 00:01:46,680
و نگاهی
40
00:01:46,680 –> 00:01:50,130
به پانداها بیاندازیم، بنابراین پانداها پایتون هستند. کتابخانه
41
00:01:50,130 –> 00:01:52,229
ای که برای تجزیه و تحلیل دستکاری داده ها
42
00:01:52,229 –> 00:01:55,080
و تمیز کردن استفاده می شود و پانداهای پایتون
43
00:01:55,080 –> 00:01:56,790
برای انواع مختلف
44
00:01:56,790 –> 00:01:59,040
داده ها مناسب است، مانند ما می توانیم روی داده های جدولی
45
00:01:59,040 –> 00:02:01,440
با ستون های ناهمگن Li تایپ کنیم،
46
00:02:01,440 –> 00:02:03,630
می توانیم روی داده های سری زمانی مرتب و نامرتب
47
00:02:03,630 –> 00:02:06,240
داده های ماتریس دلخواه با
48
00:02:06,240 –> 00:02:09,000
ردیف کار کنیم. و برچسب های ستونی ما می توانیم روی
49
00:02:09,000 –> 00:02:11,430
داده های بدون برچسب کار کنیم و همچنین می توانیم روی
50
00:02:11,430 –> 00:02:13,260
هر شکل دیگری از مجموعه داده های مشاهده ای یا
51
00:02:13,260 –> 00:02:15,900
آماری کار کنیم اکنون می خواهم به
52
00:02:15,900 –> 00:02:17,400
شما بگویم چگونه می توانید پانداها را نصب کنید.
53
00:02:17,400 –> 00:02:19,019
بچه ها نصب پاندای پایتون بسیار آسان است،
54
00:02:19,019 –> 00:02:20,940
فقط به
55
00:02:20,940 –> 00:02:22,709
خط فرمان یا ترمینال خود بروید و
56
00:02:22,709 –> 00:02:25,110
فقط pip install pandas را تایپ کنید یا
57
00:02:25,110 –> 00:02:27,720
اگر روی یک IDE مانند pycharm کار می کنید،
58
00:02:27,720 –> 00:02:29,760
می توانید به سادگی نصب pandas
59
00:02:29,760 –> 00:02:31,620
را در ترمینال خود تایپ کنید. یا فقط میتوانید
60
00:02:31,620 –> 00:02:34,140
مفسر پروژه را باز
61
00:02:34,140 –> 00:02:36,060
کنید و کتابخانه را در آنجا اضافه کنید، زیرا ما
62
00:02:36,060 –> 00:02:37,380
روی نوتبوک مشتری کار میکنیم، من
63
00:02:37,380 –> 00:02:38,370
به شما خواهم گفت که چگونه میتوانید
64
00:02:38,370 –> 00:02:41,400
پانداهای پایتون را روی آناکوندا نصب کنید، بنابراین فقط
65
00:02:41,400 –> 00:02:43,620
باید یک کار را انجام دهید، بنابراین من فقط به
66
00:02:43,620 –> 00:02:45,750
شما بچه ها نشان می دهم که چگونه پایتون پاندا را روی سیستم خود نصب می کنید،
67
00:02:45,750 –> 00:02:47,750
شما اعلان آناکوندا را باز
68
00:02:47,750 –> 00:02:51,950
می کنید، ما منتظر می مانیم تا دستور تنظیم
69
00:02:51,970 –> 00:02:58,810
شود تایپ کنید Conda install این
70
00:02:58,810 –> 00:02:59,980
قبلاً در سیستم من وجود دارد
71
00:02:59,980 –> 00:03:01,690
زیرا من قبلاً پانداها را نصب کرده ام زیرا
72
00:03:01,690 –> 00:03:03,880
قبلاً روی پروژه های تجزیه و تحلیل داده های مختلف کار کرده ام.
73
00:03:03,880 –> 00:03:05,530
و این یک بخش جدایی ناپذیر
74
00:03:05,530 –> 00:03:07,990
از آن است که روی یک مجموعه داده کار می کند تا مجموعه داده ای را بخواند
75
00:03:07,990 –> 00:03:10,030
که شما به پاندا نیاز دارید و
76
00:03:10,030 –> 00:03:12,670
فقط این است که اگر با داده های مرتبط با پروژه کار می کنید نمی توانید بدون پاندا
77
00:03:12,670 –> 00:03:15,040
کار کنید.
78
00:03:15,040 –> 00:03:17,590
79
00:03:17,590 –> 00:03:20,170
پانداهای پایتون واقعاً چقدر مهم هستند، من
80
00:03:20,170 –> 00:03:22,450
به شما چند برنامه کاربردی از پانداها را
81
00:03:22,450 –> 00:03:25,120
نیز می گویم، بنابراین قبل از هر چیز فقط می توانید بگویید
82
00:03:25,120 –> 00:03:27,250
که پانداهای پایتون بخشی جدایی ناپذیر
83
00:03:27,250 –> 00:03:29,140
از تتا هستند هر رویکردی
84
00:03:29,140 –> 00:03:31,060
که روی آن کار می کنید تا بتوانید کار کنید. در اقتصاد،
85
00:03:31,060 –> 00:03:34,300
میتوانید از پانداهای پایتون برای
86
00:03:34,300 –> 00:03:35,560
پیشبینی سهام استفاده کنید، میتوانید از آن برای
87
00:03:35,560 –> 00:03:37,690
سیستمهای توصیه استفاده کنید، سپس میتوانید از
88
00:03:37,690 –> 00:03:40,240
آن در علوم اعصاب و آمار
89
00:03:40,240 –> 00:03:42,070
استفاده کنید، همچنین میتوانید از آن برای آن استفاده کنید و سپس
90
00:03:42,070 –> 00:03:44,080
دادههای زیادی از پلتفرمهای مختلف تبلیغات میشود که
91
00:03:44,080 –> 00:03:45,670
فقط میتوانید تجزیه و تحلیل کنید.
92
00:03:45,670 –> 00:03:47,740
دادهها با استفاده از پانداها که میدانید، دادهها را پاک میکند،
93
00:03:47,740 –> 00:03:49,510
زیرا میدانید
94
00:03:49,510 –> 00:03:51,520
ناهماهنگی در دادههایتان وجود دارد، میتوانید این کار
95
00:03:51,520 –> 00:03:53,530
را با استفاده از پاندا انجام دهید و سپس میتوانید از
96
00:03:53,530 –> 00:03:56,110
آن برای تجزیه و تحلیل و
97
00:03:56,110 –> 00:03:57,880
همچنین استفاده از ایمان و پاندا استفاده کنید.
98
00:03:57,880 –> 00:04:00,670
اکنون که می دانیم
99
00:04:00,670 –> 00:04:04,060
پانداها در برنامه نویسی پایتون
100
00:04:04,060 –> 00:04:06,700
چگونه هستند و برای چه مواردی استفاده می شود، بیایید جلوتر برویم
101
00:04:06,700 –> 00:04:08,260
و نگاهی به بخش جدایی
102
00:04:08,260 –> 00:04:10,959
ناپذیر پانداها بیندازیم که فریم ها و سری های داده
103
00:04:10,959 –> 00:04:13,480
است، منتظر می مانیم. او برای
104
00:04:13,480 –> 00:04:15,340
نصب بچه ها در همین حال من فقط به
105
00:04:15,340 –> 00:04:17,350
شما می گویم که فریم های داده و سری بچه
106
00:04:17,350 –> 00:04:19,959
ها چیست بنابراین قاب داده دو بعدی است
107
00:04:19,959 –> 00:04:22,330
و اندازه قاب داده قابل تغییر است
108
00:04:22,330 –> 00:04:25,090
داده های ناهمگن بالقوه یا می
109
00:04:25,090 –> 00:04:27,669
توانیم آن را داده های جدولی ناهمگن بنامیم بنابراین
110
00:04:27,669 –> 00:04:29,590
ساختار داده که فریم داده
111
00:04:29,590 –> 00:04:32,260
همچنین شامل محورهای برچسبگذاری شده است که سطرها
112
00:04:32,260 –> 00:04:34,450
و ستونها و عملیات حسابی
113
00:04:34,450 –> 00:04:36,610
هم تراز شده روی برچسبهای سطر و ستون است
114
00:04:36,610 –> 00:04:39,070
، میتوان آن را به عنوان یک دیکشنری مانند
115
00:04:39,070 –> 00:04:41,860
ظرفی برای اشیاء سیدی در نظر گرفت که اکنون
116
00:04:41,860 –> 00:04:44,770
دقیقاً چه چیزی است، یک سری یا
117
00:04:44,770 –> 00:04:47,530
یک سری پاندا. – آرایه برچسب بعدی
118
00:04:47,530 –> 00:04:50,140
که قادر به نگهداری داده ها از هر
119
00:04:50,140 –> 00:04:52,900
نوع است که عدد صحیح است می تواند
120
00:04:52,900 –> 00:04:57,070
اشیاء پایتون شناور رشته ای و غیره باشد و
121
00:04:57,070 –> 00:04:59,200
برچسب های محور مجموعاً شاخص نامیده می شوند و
122
00:04:59,200 –> 00:05:01,210
سری پاندا چیزی نیست جز یک ستون در
123
00:05:01,210 –> 00:05:03,520
یک صفحه اکسل، بنابراین اجازه دهید فقط به چند مورد
124
00:05:03,520 –> 00:05:05,050
نگاه کنیم. نمونهها و سپس شما بهتر
125
00:05:05,050 –> 00:05:05,810
میتوانید بفهمید
126
00:05:05,810 –> 00:05:07,190
که من در مورد چه چیزی صحبت میکنم، مانند
127
00:05:07,190 –> 00:05:08,780
پانداها و ببینید که آنها دقیقاً چه
128
00:05:08,780 –> 00:05:11,389
هستند، اکنون روی یک مثال راه میروند، بنابراین
129
00:05:11,389 –> 00:05:12,820
من فقط آن را در نظر میگیرم. آن را به مشتری در دستههای گل،
130
00:05:12,820 –> 00:05:15,440
بنابراین ما قبلاً یک دفترچه یادداشت مشتری ایجاد کردهایم،
131
00:05:15,440 –> 00:05:17,570
اگر با نوتبوک مشتری آشنا نیستید،
132
00:05:17,570 –> 00:05:18,950
ما یک
133
00:05:18,950 –> 00:05:20,630
آموزش کامل در مورد نحوه استفاده از کتاب پدری شما از
134
00:05:20,630 –> 00:05:22,070
تمام برگههای تقلب و همه چیز داریم،
135
00:05:22,070 –> 00:05:24,380
بنابراین میتوانید فقط به موارد موجود در ما مراجعه کنید.
136
00:05:24,380 –> 00:05:26,540
کانال یوتیکا Utica و مطمئن شوید که
137
00:05:26,540 –> 00:05:28,040
برای مسیرهای هیجان انگیزتر در de rigueur ما مشترک شوید
138
00:05:28,040 –> 00:05:29,600
زیرا ما
139
00:05:29,600 –> 00:05:31,730
محتوای زیادی در پایتون داریم، بنابراین اگر
140
00:05:31,730 –> 00:05:33,710
می خواهید پایتون یا هر فناوری دیگری را یاد بگیرید یا
141
00:05:33,710 –> 00:05:35,210
142
00:05:35,210 –> 00:05:37,070
محتوای زیادی در YouTube داریم.
143
00:05:37,070 –> 00:05:39,740
همچنین اگر در آن هستید، حتماً
144
00:05:39,740 –> 00:05:42,169
دوره های ما را در Eddie record CO بررسی کنید و
145
00:05:42,169 –> 00:05:44,030
ما یک برنامه گواهینامه برنامه نویسی کامل پایتون داریم
146
00:05:44,030 –> 00:05:45,320
که باید آن را
147
00:05:45,320 –> 00:05:47,389
نیز بررسی کنید، بنابراین از آنجایی که من قبلاً
148
00:05:47,389 –> 00:05:49,190
یک پاندای پایتون نصب کرده ام، فقط می خواهم
149
00:05:49,190 –> 00:05:53,630
وارد کنم. pandas به عنوان PD اما در این مورد من
150
00:05:53,630 –> 00:05:55,610
با اجرای این دستور با مشکلی مواجه
151
00:05:55,610 –> 00:05:57,470
نخواهم شد زیرا من قبلاً pandas را نصب کرده ام
152
00:05:57,470 –> 00:05:59,979
153
00:06:01,610 –> 00:06:03,260
بنابراین آنچه که این دستور در اینجا انجام می دهد
154
00:06:03,260 –> 00:06:05,570
این است که بسته
155
00:06:05,570 –> 00:06:08,540
آخرین نسخه پان را نصب می کند. das برای من فکر می کنم
156
00:06:08,540 –> 00:06:10,250
به همین دلیل است که کار نمی کند،
157
00:06:10,250 –> 00:06:11,930
ما اولین بیانیه خود را در اینجا داریم و ما
158
00:06:11,930 –> 00:06:15,020
با موفقیت پانداها را به عنوان PD وارد کرده ایم،
159
00:06:15,020 –> 00:06:17,660
بنابراین من از نام مستعار به عنوان PD استفاده می کنم، امیدوارم شما
160
00:06:17,660 –> 00:06:19,850
بچه ها بدانید ایلیا چیست، بنابراین اجازه دهید
161
00:06:19,850 –> 00:06:22,430
بگوییم من هستم وارد کردن این کتابخانه بنابراین Ilyas این کتابخانه
162
00:06:22,430 –> 00:06:24,860
است که PD است، بنابراین برای
163
00:06:24,860 –> 00:06:26,330
وارد کردن به شما می گویم که چرا اکنون از این استفاده می کنم
164
00:06:26,330 –> 00:06:28,910
اگر بخواهم یک قاب داده ایجاد
165
00:06:28,910 –> 00:06:31,640
کنم، فقط از DF به عنوان نام متغیر خود
166
00:06:31,640 –> 00:06:33,740
برای قاب داده استفاده می کنم.
167
00:06:33,740 –> 00:06:39,220
وقتی اینجا tab را تایپ
168
00:06:39,600 –> 00:06:42,030
می کنم از نام مستعار استفاده می کنم، بنابراین اینگونه می توانم از نام مستعار خود برای ایجاد یک قاب داده استفاده کنم.
169
00:06:42,030 –> 00:06:43,530
170
00:06:43,530 –> 00:06:44,970
171
00:06:44,970 –> 00:06:47,040
172
00:06:47,040 –> 00:06:51,070
سری و یک داده رایگان،
173
00:06:51,070 –> 00:06:54,010
بنابراین ابتدا من میخواهم اشکالی ندارد، باید
174
00:06:54,010 –> 00:06:57,070
numpy را نیز وارد کنم، زیرا
175
00:06:57,070 –> 00:07:01,319
میخواهم از آن برای ایجاد یک مقدار تهی استفاده کنم،
176
00:07:01,319 –> 00:07:04,949
بنابراین DF برابر است با
177
00:07:04,949 –> 00:07:09,559
CV درست کنم. من فقط به عنوان سری s
178
00:07:10,940 –> 00:07:13,000
you
179
00:07:14,270 –> 00:07:16,319
all right می
180
00:07:16,319 –> 00:07:18,509
نویسم و لیستی از مق
181
00:07:18,509 –> 00:07:22,460
دیر را ارسال می کنم، مثلاً یک دو سه چهار پنج شش
182
00:07:22,460 –> 00:07:27,689
من از numpy خود برای ایجاد استفاده می کن
183
00:07:27,689 –> 00:07:32,999
. یک مقدار تهی مانند هشت نه و
184
00:07:32,999 –> 00:07:35,759
یک مقدار دیگر، من می گویم ده، بنابراین
185
00:07:35,759 –> 00:07:39,479
یک سری ایجاد می کند، حالا من می خواهم s را چاپ کنم، بنابراین
186
00:07:39,479 –> 00:07:41,249
ما سری های خود را داریم که دارای ایندکس
187
00:07:41,249 –> 00:07:42,599
هایی است که از قبل وجود دارد و همه این
188
00:07:42,599 –> 00:07:44,639
مقادیری که من در یک لیست ارسال کردم،
189
00:07:44,639 –> 00:07:46,229
این است که چگونه یک سری در پایتون
190
00:07:46,229 –> 00:07:48,959
با استفاده از پانداها ایجاد می کنیم بعد از این، من
191
00:07:48,959 –> 00:07:50,759
به شما خواهم گفت که چگونه یک قاب داده ایجاد می کنید،
192
00:07:50,759 –> 00:07:52,680
بنابراین به شما می گویم چگونه
193
00:07:52,680 –> 00:07:54,029
با استفاده از یک شی دیکشنری یک قاب داده ایجاد می کنید
194
00:07:54,029 –> 00:07:56,099
و چگونه می توانید
195
00:07:56,099 –> 00:07:59,210
یک قاب داده با استفاده از سری L ایجاد کنید،
196
00:07:59,210 –> 00:08:01,550
بنابراین اکنون کاری که میخواهیم انجام دهیم این است که
197
00:08:01,550 –> 00:08:03,350
با ارسال
198
00:08:03,350 –> 00:08:05,300
یک آرایه داور با ستونهای شاخص روز
199
00:08:05,300 –> 00:08:08,960
و برچسب، یک قاب داده ایجاد کنیم، بنابراین یک متغیر را انتخاب
200
00:08:08,960 –> 00:08:12,590
کنید، مثلاً تاریخ یا تاریخها را که فقط تایپ میکنم.
201
00:08:12,590 –> 00:08:16,669
آن را به صورت D می گیرم و من نقطه P D را می گیرم، بنابراین
202
00:08:16,669 –> 00:08:19,370
می خواهیم محدوده تاریخ را تعیین کنیم، حالا
203
00:08:19,370 –> 00:08:20,750
بعد از این، چند مقدار را پاس می کنم
204
00:08:20,750 –> 00:08:23,750
، مثلاً 2020، و مقادیری را پاس می
205
00:08:23,750 –> 00:08:26,000
کنم مانند ما در ماه مارس،
206
00:08:26,000 –> 00:08:29,210
بنابراین من فقط آن را به عنوان مارس می نویسم و بعد از آن
207
00:08:29,210 –> 00:08:33,589
وره هایی را می گیرم که بر
208
00:08:33,589 –> 00:08:37,458
بر با l است. مثلاً 10، بنابراین این محدوده تاریخ من است،
209
00:08:37,458 –> 00:08:40,630
بچه ها، خب، من یک نحو نامعتبر دارم،
210
00:08:40,630 –> 00:08:47,450
درست در حال حاضر خوب است، بنابراین وقتی D
211
00:08:47,450 –> 00:08:49,820
را در اینجا چاپ می کنم، بنابراین همه این مقادیر را در
212
00:08:49,820 –> 00:08:52,130
قالب محدوده تاریخ نداشته باشم، پس از این، کاری
213
00:08:52,130 –> 00:08:53,810
که می خواهم انجام دهم این است که من هستم قرار است
214
00:08:53,810 –> 00:08:56,209
یک فریم داده را که به
215
00:08:56,209 –> 00:08:59,060
دلایل واضحی به عنوان DF تاریخ گذاری می کنم برای روشن کردن آن
216
00:08:59,060 –> 00:09:01,399
انتخاب کنم و فریم داده را بگیرم
217
00:09:01,399 –> 00:09:03,589
و در داخل آن
218
00:09:03,589 –> 00:09:04,940
چند مقدار را منتقل کنم، بنابراین اول از همه قرار
219
00:09:04,940 –> 00:09:07,550
است چند مقدار تصادفی بگیرم، بنابراین
220
00:09:07,550 –> 00:09:11,169
من از NP dot از
221
00:09:11,169 –> 00:09:14,059
عدد تصادفی نقطه تصادفی استفاده می کنم و در داخل آن
222
00:09:14,059 –> 00:09:18,349
از 10 عبور می کنم، بنابراین فعلاً
223
00:09:18,349 –> 00:09:22,429
مقادیر شاخص را به عنوان B دریافت می کنم و می روم
224
00:09:22,429 –> 00:09:24,079
باید چند مقدار دیگر که
225
00:09:24,079 –> 00:09:28,749
ستونها هستند را پاس کنیم، بنابراین ما ستونها را بهعنوان فهرستی ارسال میکنیم
226
00:09:28,749 –> 00:09:31,729
که میخواهم بگیرم، مثلاً چهار
227
00:09:31,729 –> 00:09:34,579
ستون را میگیرم، من فقط میخواهم بگیرم خوب،
228
00:09:34,579 –> 00:09:35,239
یک دقیقه صبر کنید و
229
00:09:35,239 –> 00:09:37,269
230
00:09:39,320 –> 00:09:41,920
231
00:09:43,140 –> 00:09:46,540
c/d باشد، همه چیز درست است. هیچ پیکانی ندارید،
232
00:09:46,540 –> 00:09:49,120
بنابراین اکنون میخواهم قاب دادهام را چاپ کنم، بنابراین
233
00:09:49,120 –> 00:09:50,620
یک قاب داده دارم
234
00:09:50,620 –> 00:09:52,480
که با استفاده از ارسال آرایه داور ایجاد
235
00:09:52,480 –> 00:09:56,020
کردهام و من یک فهرست زمان تاریخ دارم.
236
00:09:56,020 –> 00:09:58,810
ستونهای دارای برچسب h که ABC و D هستند،
237
00:09:58,810 –> 00:10:01,210
این فهرست من است و من همه این
238
00:10:01,210 –> 00:10:03,790
مقادیر تصادفی را با استفاده از PRF و PRF دارم، بنابراین به این صورت
239
00:10:03,790 –> 00:10:04,990
یک قاب داده ایجاد میکنید که
240
00:10:04,990 –> 00:10:06,940
فقط یک مثال ساده است و من به
241
00:10:06,940 –> 00:10:08,650
شما نشان میدهم که چگونه میتوانید یک داده ایجاد کنید. فریم با
242
00:10:08,650 –> 00:10:10,750
گذراندن یک فرهنگ لغت از اشیاء،
243
00:10:10,750 –> 00:10:12,550
می توانید بدانید که به یک سری نیز تبدیل شده است،
244
00:10:12,550 –> 00:10:17,170
بنابراین من می گیرم، بیایید دوباره بگوییم DF برابر است
245
00:10:17,170 –> 00:10:21,070
با قاب داده نقطه VD
246
00:10:21,070 –> 00:10:23,590
من می خواهم یک فرهنگ لغت را به اینجا منتقل
247
00:10:23,590 –> 00:10:25,180
کنم، بنابراین من می خواهم اول از همه چند مقدار را بگیرید،
248
00:10:25,180 –> 00:10:28,830
بنابراین مقدار اول این است که اجازه دهید
249
00:10:28,830 –> 00:10:31,090
امروز یک را پایین بیاورم.
250
00:10:31,090 –> 00:10:34,230
251
00:10:34,230 –> 00:10:38,920
252
00:10:38,920 –> 00:10:40,899
253
00:10:40,899 –> 00:10:45,119
مثلاً میخواهم یک
254
00:10:45,119 –> 00:10:48,290
مهر زمانی بگذرانم
255
00:10:48,290 –> 00:10:52,050
و چهار بار از همان زمان استفاده
256
00:10:52,050 –> 00:10:56,070
میکنم که در اینجا استفاده کردهام 20 2003 در 0-1
257
00:10:56,070 –> 00:11:02,130
باید از سمت راست استفاده کنم و بعد از این
258
00:11:02,130 –> 00:11:04,140
یک مقدار دیگر را پاس کنم. می گوییم C
259
00:11:04,140 –> 00:11:08,550
و من می خواهم از یک سری استفاده کنم، حالا یک
260
00:11:08,550 –> 00:11:11,570
شی سری
261
00:11:11,840 –> 00:11:15,550
در داخل آن، یکی را پاس
262
00:11:15,550 –> 00:11:22,250
می کنم و ایندکس به عنوان محدوده
263
00:11:22,250 –> 00:11:25,460
a خواهد بود. ll right index برابر با لیستی
264
00:11:25,460 –> 00:11:30,380
با دامنه 4 است زیرا ما فقط 4
265
00:11:30,380 –> 00:11:32,000
مقدار در اینجا داریم که هیچ مقدار تهی نمی خواهیم
266
00:11:32,000 –> 00:11:35,300
و بعد از این باید
267
00:11:35,300 –> 00:11:36,920
نوع داده و همچنین نوع داده
268
00:11:36,920 –> 00:11:40,640
سری را تایپ کنم. بنابراین برای آن من از نوع D
269
00:11:40,640 –> 00:11:46,480
برابر است با فرض کنید
270
00:11:46,990 –> 00:11:50,390
float32 درست بعد از آن مقدار بعدی خود را ارائه می کنم
271
00:11:50,390 –> 00:11:54,470
که D است اکنون برای da من
272
00:11:54,470 –> 00:12:01,730
از آرایه numpy و numpy استفاده می کنم و بنابراین این
273
00:12:01,730 –> 00:12:05,720
مقدار را ارسال می کنم. 3
274
00:12:05,720 –> 00:12:14,090
فرض کنید 5 x 4 و بیایید نوع T را
275
00:12:14,090 –> 00:12:20,540
برابر با عدد صحیح 32
276
00:12:20,540 –> 00:12:22,670
277
00:12:22,670 –> 00:12:25,160
278
00:12:25,160 –> 00:12:29,630
در نظر بگیریم. از
279
00:12:29,630 –> 00:12:31,880
مسابقه طبقه بندی اشیاء استفاده می کنیم که
280
00:12:31,880 –> 00:12:33,140
بعداً در جلسه در مورد آن صحبت خواهیم کرد،
281
00:12:33,140 –> 00:12:34,670
بنابراین نگران نباشید، من فقط به شما نشان می دهم که چگونه
282
00:12:34,670 –> 00:12:36,860
می توانید با استفاده از
283
00:12:36,860 –> 00:12:38,690
همه این اشیاء که اکنون در اختیار داریم، یک چارچوب داده ایجاد
284
00:12:38,690 –> 00:12:47,660
کنید. قطار آزمایشی
285
00:12:47,660 –> 00:12:50,120
یعنی فقط آن را درست یا
286
00:12:50,120 –> 00:12:52,880
287
00:12:52,880 –> 00:12:54,899
288
00:12:54,899 –> 00:12:57,459
289
00:12:57,459 –> 00:13:01,180
نادرست بنام یا می تواند 0 یا 1 باشد، اما باید به
290
00:13:01,180 –> 00:13:03,370
گونه ای تعیین کننده باشد که
291
00:13:03,370 –> 00:13:06,040
فقط دو مقدار وجود دارد، بنابراین من مقدار دیگری را می گیرم
292
00:13:06,040 –> 00:13:10,300
و برای این فقط بگوییم من
293
00:13:10,300 –> 00:13:17,970
مقدار را می دهم و شما به ماشین امتیاز می دهید تا
294
00:13:17,970 –> 00:13:20,440
690 ما تمام شود. در اینجا، بنابراین
295
00:13:20,440 –> 00:13:23,290
ما راههای قاب داده خود را ایجاد کردهایم،
296
00:13:23,290 –> 00:13:26,380
وقتی من این را چاپ میکنم، هیچ خطایی
297
00:13:26,380 –> 00:13:29,440
وجود ندارد، بنابراین ما ABCDE و F را داریم، بنابراین همه
298
00:13:29,440 –> 00:13:31,509
این مقادیر را با استفاده از انواع دادههای مختلف
299
00:13:31,509 –> 00:13:33,850
یا در اشیاء رنگی داریم، بنابراین برای
300
00:13:33,850 –> 00:13:35,920
آن نیز میتوانیم قاب داده را بررسی کنید
301
00:13:35,920 –> 00:13:39,190
و ما فقط انواع D را می نویسیم و
302
00:13:39,190 –> 00:13:40,540
همه انواع داده هایی را که داریم به ما می دهد،
303
00:13:40,540 –> 00:13:42,699
بنابراین ما در اینجا مهرهای زمان تاریخ را داریم
304
00:13:42,699 –> 00:13:44,560
دسته عدد صحیح شناور و یک
305
00:13:44,560 –> 00:13:46,630
شی چون من در اینجا از یک رشته استفاده کرده
306
00:13:46,630 –> 00:13:48,670
ام به همین دلیل است که می دهد. ما یک
307
00:13:48,670 –> 00:13:50,800
شی است اما در نسخه جدید که
308
00:13:50,800 –> 00:13:53,170
Python 1.0.0 است، قرار نیست یک
309
00:13:53,170 –> 00:13:54,910
شی باشد به شما نشان می دهد که یک
310
00:13:54,910 –> 00:13:58,060
رشته است، پس نگران نباشید بچه ها و ما
311
00:13:58,060 –> 00:14:00,569
قبلاً یک ویدیو در پایتون پانداهای
312
00:14:00,569 –> 00:14:03,100
1.0.0 ساخته ایم. با تمام ویژگی هایی
313
00:14:03,100 –> 00:14:04,509
که با نسخه جدید ارائه شده است، نسخه جدید پایدار است
314
00:14:04,509 –> 00:14:06,850
اجاره نامه ای که ماه گذشته منتشر شد، می
315
00:14:06,850 –> 00:14:09,040
توانید آن را نیز بررسی کنید تا
316
00:14:09,040 –> 00:14:11,490
ویژگی های جدیدی را که با آن مواجه شده ایم بررسی کنید، بنابراین
317
00:14:11,490 –> 00:14:14,199
اکنون که این کار را انجام دادیم، اجازه دهید
318
00:14:14,199 –> 00:14:15,490
نگاهی به موضوع بعدی بیندازیم
319
00:14:15,490 –> 00:14:18,670
که نحوه مشاهده داده ها و مشاهده
320
00:14:18,670 –> 00:14:20,500
داده ها است. اساساً شما می دانید که
321
00:14:20,500 –> 00:14:22,810
در واقع چگونه به داده ها نگاه می کنید یا چگونه می
322
00:14:22,810 –> 00:14:24,819
خواهید با استفاده از کتابخانه پانداها به داده ها نگاه کنید،
323
00:14:24,819 –> 00:14:27,069
بنابراین ما فقط به سمت
324
00:14:27,069 –> 00:14:29,439
نوت بوک مشتری می رویم و من به شما می گویم که
325
00:14:29,439 –> 00:14:32,259
چه نوع توابعی یا همه آن
326
00:14:32,259 –> 00:14:34,240
چیزها شما در خلیج ما دارید که ما می
327
00:14:34,240 –> 00:14:37,209
توانیم از آن برای مشاهده داده های خود استفاده کنیم، بنابراین ما یک کار را انجام خواهیم داد
328
00:14:37,209 –> 00:14:39,310
اول از همه ما فریم های
329
00:14:39,310 –> 00:14:41,920
داده ای داریم که در اینجا داریم، بنابراین من
330
00:14:41,920 –> 00:14:43,870
یک کاری انجام می دهم و فقط آن را به DF یک تغییر می دهیم.
331
00:14:43,870 –> 00:14:46,149
که ما انواع دادههای متفاوتی داریم
332
00:14:46,149 –> 00:14:48,990
یا متاسفم بچهها با فریمهای داده متفاوت،
333
00:14:48,990 –> 00:14:51,790
این را اجرا میکنم و این را اجرا میکنم،
334
00:14:51,790 –> 00:14:58,180
زیرا وقتی D F نقطه را بررسی کردم،
335
00:14:58,180 –> 00:15:01,930
نوع d باید متفاوت باشد،
336
00:15:01,930 –> 00:15:03,820
زیرا قبلاً یک
337
00:15:03,820 –> 00:15:06,160
قاب داده با استفاده از آن درست کردهایم، درست نیست. بنابراین
338
00:15:06,160 –> 00:15:08,910
من تمام سلول ها را اجرا
339
00:15:16,019 –> 00:15:18,730
می کنم بنابراین یک کار را انجام می دهم و
340
00:15:18,730 –> 00:15:20,829
تمام سلول ها را مجدداً راه اندازی می کنم در ما دو
341
00:15:20,829 –> 00:15:23,410
فریم داده متفاوت داریم، بنابراین اول از
342
00:15:23,410 –> 00:15:25,810
همه اولین کاری که می
343
00:15:25,810 –> 00:15:29,380
توانید برای قاب داده خود انجام دهید این است که از آن استفاده کنید، من
344
00:15:29,380 –> 00:15:32,470
فقط به شما می گویم که D F dot
345
00:15:32,470 –> 00:15:34,180
head را بنویسید، بنابراین کاری که این تابع قرار است
346
00:15:34,180 –> 00:15:35,560
انجام دهد این است که به شما ارائه دهد. پنج مقدار اول
347
00:15:35,560 –> 00:15:37,300
داخل قاب داده یا پنج
348
00:15:37,300 –> 00:15:40,720
سطر اول و به طور مشابه برای سطرهای آخر می
349
00:15:40,720 –> 00:15:42,970
توانید از روش دم استفاده کنید، بنابراین به این
350
00:15:42,970 –> 00:15:44,649
ترتیب اولین و آخرین مقادیر داخل
351
00:15:44,649 –> 00:15:46,750
قاب داده خود را به دست می آورید، بنابراین
352
00:15:46,750 –> 00:15:49,360
تمام پنج مقداری را که نشان می دهد نمایش داده می شود. شما در
353
00:15:49,360 –> 00:15:51,370
ابتدا و انتهای مجموعه داده های خود را دارید
354
00:15:51,370 –> 00:15:54,990
پس از این، ما شاخص نقطه F را داریم،
355
00:15:54,990 –> 00:15:57,310
بنابراین کاری که انجام می دهد این است که
356
00:15:57,310 –> 00:15:58,690
تمام مقادیر شاخص شما را به شما می دهد و
357
00:15:58,690 –> 00:16:01,839
به طور مشابه ما ستون های نقطه D F
358
00:16:01,839 –> 00:16:03,190
را داریم که همه را به شما می دهد.
359
00:16:03,190 –> 00:16:06,160
ستونهای قاب دادههای شما را به این صورت
360
00:16:06,160 –> 00:16:08,410
مشاهده میکنید، و سپس ما
361
00:16:08,410 –> 00:16:10,089
نقطه دو شماره پنج قاب داده
362
00:16:10,089 –> 00:16:11,230
را داریم که
363
00:16:11,230 –> 00:16:14,589
نمایش عددی دادهها را
364
00:16:14,589 –> 00:16:16,600
به شما میدهد، بنابراین من فقط به شما میگویم که چگونه میتوانید این کار را انجام دهید. بیایید
365
00:16:16,600 –> 00:16:22,449
تصمیم بگیریم D F نقطه دو numpy ما آن ثانیه
366
00:16:22,449 –> 00:16:22,870
بچه ها
367
00:16:22,870 –> 00:16:25,750
بله، پس من می خواهم
368
00:16:25,750 –> 00:16:28,269
با استفاده از این یک آرایه اعداد ایجاد کنم، من در واقع یک
369
00:16:28,269 –> 00:16:31,240
آرایه داور ایجاد کردم و برای DF قاب داده ما
370
00:16:31,240 –> 00:16:34,420
از تمام مقادیر ممیز شناور قاب داده ها،
371
00:16:34,420 –> 00:16:36,550
نقطه تنظیم داور، در واقع سریع است و
372
00:16:36,550 –> 00:16:38,500
نیازی به کپی کردن داده ها
373
00:16:38,500 –> 00:16:40,440
ندارد. بهترین معامله برای ما است و
374
00:16:40,440 –> 00:16:42,880
سپس بسیار خوب، من فقط این را حذف می کنم.
375
00:16:42,880 –> 00:16:45,399
376
00:16:45,399 –> 00:16:48,000
377
00:16:48,000 –> 00:16:49,410
378
00:16:49,410 –> 00:16:51,209
379
00:16:51,209 –> 00:16:53,009
به معنای انحراف معیار
380
00:16:53,009 –> 00:16:57,720
حداقل 25% 50% 70% و حداکثر است، بنابراین
381
00:16:57,720 –> 00:16:59,310
این مقادیر با استفاده از توصیفی هستند که می توانید
382
00:16:59,310 –> 00:17:00,990
داشته باشید این به شما یک ایده
383
00:17:00,990 –> 00:17:02,819
یا چشم انداز از اینکه داده های شما
384
00:17:02,819 –> 00:17:04,799
واقعاً هستند و چه نوع
385
00:17:04,799 –> 00:17:06,569
محاسباتی در حال حاضر وجود دارد ارائه می دهد.
386
00:17:06,569 –> 00:17:09,119
می توانید فکر کنید پس ما مرتب سازی بر اساس یک
387
00:17:09,119 –> 00:17:11,220
محور داریم که می توانیم داده های خود را با استفاده از یک محور مرتب کنیم،
388
00:17:11,220 –> 00:17:13,890
بنابراین برای آن باید فقط بنویسید، فقط می
389
00:17:13,890 –> 00:17:16,109
توانید به شما بچه ها نشان دهید که فقط باید
390
00:17:16,109 –> 00:17:21,059
مرتب سازی نقطه ای DF را بر اساس شاخص بنویسید و در داخل
391
00:17:21,059 –> 00:17:22,709
آن باید به مقدار
392
00:17:22,709 –> 00:17:25,380
محور من فقط یکی را می دهم و سپس
393
00:17:25,380 –> 00:17:26,880
فرض کنید صعودی شما می خواهید
394
00:17:26,880 –> 00:17:29,600
صعودی باشد نه من فقط آن را به عنوان false می نویسم
395
00:17:29,600 –> 00:17:32,850
بنابراین با مرتب کردن شاخص به طور مشابه چارچوب داده را به من داده است.
396
00:17:32,850 –> 00:17:36,210
397
00:17:36,210 –> 00:17:38,850
398
00:17:38,850 –> 00:17:43,770
مقادیر، بنابراین من استفاده خواهم کرد و
399
00:17:43,770 –> 00:17:48,630
می خواهم مقدار را به عنوان مقادیر بگویم و
400
00:17:48,630 –> 00:17:51,000
می خواهم مقدار را به عنوان بگویم می
401
00:17:51,000 –> 00:17:51,539
402
00:17:51,539 –> 00:17:57,120
دهم می خواهم آن را بر اساس مرتب کنم ببینم
403
00:17:57,120 –> 00:17:59,880
مقادیر را بسته به C مرتب کرده است، بنابراین شما اینگونه
404
00:17:59,880 –> 00:18:02,039
خود را مرتب می کنید چارچوب داده دروغ می گوید و اکنون که
405
00:18:02,039 –> 00:18:03,960
می دانیم چگونه می توانیم در واقع به داده های خود نگاه کنیم،
406
00:18:03,960 –> 00:18:05,549
به شما می گویم که
407
00:18:05,549 –> 00:18:07,830
چگونه مقادیر خاصی را در داخل
408
00:18:07,830 –> 00:18:10,020
داده های دروغ خود انتخاب می کنید، به شما نشان می دهم که
409
00:18:10,020 –> 00:18:11,970
چگونه یک ستون واحد را از چارچوب داده خود انتخاب می کنید.
410
00:18:11,970 –> 00:18:15,059
ما DF را می نویسیم،
411
00:18:15,059 –> 00:18:16,770
بچه ها خیلی ساده است که یک مقدار از قاب داده خود را
412
00:18:16,770 –> 00:18:19,289
فقط با استفاده از یک ستون واحد دریافت کنید، می توانم پرداخت کنم
413
00:18:19,289 –> 00:18:22,020
یا فقط ببینیم
414
00:18:22,020 –> 00:18:24,780
همه مقادیر را از C در اینجا می دهد،
415
00:18:24,780 –> 00:18:26,640
در واقع فرکانسی را که به شما داده است
416
00:18:26,640 –> 00:18:28,830
به شما می دهد. نوع داده را نیز نامگذاری کنید، بنابراین به این
417
00:18:28,830 –> 00:18:31,860
صورت است که اکنون یک ستون واحد
418
00:18:31,860 –> 00:18:34,470
از قاب داده خود دریافت می کنید اجازه دهید به شما نشان دهم
419
00:18:34,470 –> 00:18:37,140
که چگونه میتوانید ردیفها را نیز
420
00:18:37,140 –> 00:18:39,179
برش دهید تا اگر واقعاً روی درک کمتری کار کردهاید، از برش استفاده کنید،
421
00:18:39,179 –> 00:18:42,150
422
00:18:42,150 –> 00:18:43,679
بنابراین ما
423
00:18:43,679 –> 00:18:45,270
دادهها را در اینجا برش میدهیم، در
424
00:18:45,270 –> 00:18:47,400
اینجا نیز از همان اصل پیروی میکنیم. بنابراین من
425
00:18:47,400 –> 00:18:50,659
فقط DF را می نویسم اکنون من می خواهم اولین
426
00:18:50,659 –> 00:18:53,410
شروع خود را از اولین هوتر ارزش خود شروع کنم،
427
00:18:53,410 –> 00:18:55,810
بنابراین فقط سه ردیف به من داده است که
428
00:18:55,810 –> 00:18:58,000
با پرتاب صفر شروع می شود و
429
00:18:58,000 –> 00:19:00,250
ردیف سوم را به من داده است و
430
00:19:00,250 –> 00:19:02,290
در واقع ردیف سوم را شامل نمی شود
431
00:19:02,290 –> 00:19:04,390
زیرا از صفر شروع میشود، بنابراین
432
00:19:04,390 –> 00:19:07,000
اگر ششم را در اینجا بنویسم سه مقدار
433
00:19:07,000 –> 00:19:09,070
میدهم، مقدار ششم را
434
00:19:09,070 –> 00:19:10,660
میگیرم اما در ردیف ششم قرار نمیگیرد،
435
00:19:10,660 –> 00:19:12,340
زیرا ردیف اول در اینجا
436
00:19:12,340 –> 00:19:14,590
صفر خواهد بود، امیدوارم این را متوجه شده باشید.
437
00:19:14,590 –> 00:19:17,320
پس من به شما نشان دادم که چگونه می
438
00:19:17,320 –> 00:19:18,910
توانید داده های خود را برش دهید و می دانید که
439
00:19:18,910 –> 00:19:21,700
تعداد ردیف های خاصی را بدست آورید، اکنون اجازه دهید
440
00:19:21,700 –> 00:19:23,500
به شما بگویم چگونه می توانید داده ها را
441
00:19:23,500 –> 00:19:26,290
با استفاده از حروف برچسب انتخاب کنید، بنابراین برای اینکه
442
00:19:26,290 –> 00:19:28,240
باید از نقطه F استفاده کنید باید وجود داشته باشد.
443
00:19:28,240 –> 00:19:31,630
مکان بدون LOC و در داخل این
444
00:19:31,630 –> 00:19:34,260
شما به p مقادیر را بر اساس برچسب ها guys
445
00:19:34,260 –> 00:19:42,090
all right، بنابراین اجازه دهید B را پاس کنیم که n 0 است،
446
00:19:42,390 –> 00:19:46,170
بنابراین بیایید ببینیم خروجی چیست بچه ها
447
00:19:46,170 –> 00:19:48,110
بسیار خوب است، بنابراین همه مقادیر را
448
00:19:48,110 –> 00:19:50,550
با استفاده از برچسبی که در اینجا d است
449
00:19:50,550 –> 00:19:52,560
و در قبلی خود به آنجا منتقل کرده بودیم، بدست آوریم.
450
00:19:52,560 –> 00:19:54,390
بخشی که در آن
451
00:19:54,390 –> 00:19:56,880
قاب داده را اعلام کرده ایم و مطمئن هستم
452
00:19:56,880 –> 00:19:59,870
که اکنون برای شما قابل مشاهده است، نکته بعدی
453
00:19:59,870 –> 00:20:02,340
انتخاب داده ها در یک دسترسی چندگانه توسط
454
00:20:02,340 –> 00:20:05,400
برچسب است، بنابراین کاری که ما انجام می دهیم این است که D
455
00:20:05,400 –> 00:20:11,450
F dot loc را می نویسیم و بعد از آن ما نوشتن –
456
00:20:11,590 –> 00:20:15,299
و ما می خواهیم ایجاد کنیم، فرض کنید a و
457
00:20:15,299 –> 00:20:20,769
شما C را به درستی پاس می دهید، بنابراین
458
00:20:20,769 –> 00:20:23,679
مقادیری را که من از اینجا عبور می دهم به من می دهد،
459
00:20:23,679 –> 00:20:24,490
460
00:20:24,490 –> 00:20:28,059
بنابراین به جای a، می توانم B بنویسم یا می
461
00:20:28,059 –> 00:20:31,710
توانم B را بنویسم، بنابراین شما می توانید به این صورت
462
00:20:31,710 –> 00:20:35,470
بچه ها با استفاده از برچسب ها دسترسی چندگانه را انتخاب کنید و من
463
00:20:35,470 –> 00:20:37,149
این را اینجا نوشته ام بنابراین می
464
00:20:37,149 –> 00:20:42,580
توانم بنویسم فرض کنید 0 2 3 بیایید ببینیم
465
00:20:42,580 –> 00:20:44,619
چه اتفاقی می افتد ما یک خطا داریم بچه ها شما
466
00:20:44,619 –> 00:20:47,249
نمی توانید این کار را انجام دهید
467
00:20:47,500 –> 00:20:49,630
بنابراین اکنون به موضوع بعدی
468
00:20:49,630 –> 00:20:52,840
می رویم که ما have نشان می دهد که برش برچسب
469
00:20:52,840 –> 00:20:55,930
هر دو نقطه پایانی در واقع گنجانده شده اند، بنابراین
470
00:20:55,930 –> 00:20:58,570
چگونه می توانیم این کار را به جای انجام دهیم این
471
00:20:58,570 –> 00:21:02,530
را فقط میتوانیم بگوییم این را کپی کنید،
472
00:21:02,530 –> 00:21:04,260
473
00:21:04,260 –> 00:21:09,180
آن را اینجا بچسبانید و آن را در اینجا کپی کنید، این را حذف
474
00:21:09,180 –> 00:21:15,540
کنید، بنابراین این فقط برای این است که به شما دوستان نشان دهم
475
00:21:15,540 –> 00:21:17,310
چگونه میتوانید با آن
476
00:21:17,310 –> 00:21:20,190
477
00:21:20,190 –> 00:21:22,650
کار کنید. من این را
478
00:21:22,650 –> 00:21:24,300
دوست دارم بسیار پیچیده خواهد بود، بنابراین این
479
00:21:24,300 –> 00:21:25,680
فقط برای این است که به شما به عنوان یک مبتدی دیدگاهی را ارائه کنم که
480
00:21:25,680 –> 00:21:28,430
چگونه می توانید با پانداها کار کنید،
481
00:21:28,430 –> 00:21:31,230
اکنون به شما می گویم که چگونه می توانید
482
00:21:31,230 –> 00:21:32,880
ابعاد
483
00:21:32,880 –> 00:21:35,010
جسم برگشتی را نیز کاهش دهید تا برای این کار شما فقط
484
00:21:35,010 –> 00:21:39,120
یک چیز را تایپ کنید که همه اینها را حذف کنید
485
00:21:39,120 –> 00:21:41,970
فقط یک مقدار دریافت کنید و این شماره ستونی را به شما می دهد
486
00:21:41,970 –> 00:21:43,830
که می خواهم به آنجا بروم و
487
00:21:43,830 –> 00:21:46,230
اینگونه است که مقادیر داخل یک
488
00:21:46,230 –> 00:21:49,110
قاب داده را بدست می آورید بنابراین فرض کنید
489
00:21:49,110 –> 00:21:51,690
می خواهیم یک اسکالر بگیریم. مقدار بنابراین برای آن
490
00:21:51,690 –> 00:21:56,750
ما فقط می نویسیم خوب، فرض کنید B صفر
491
00:21:56,750 –> 00:21:58,830
درست است، بیایید ببینیم که آیا کار می کند یا خیر،
492
00:21:58,830 –> 00:22:01,050
ما همان مقادیر را فقط
493
00:22:01,050 –> 00:22:03,960
از ردیف صفر دریافت می کنیم
494
00:22:03,960 –> 00:22:07,160
تا دسترسی سریع به یک اسکالر را دریافت کنیم، شما می توانید به
495
00:22:07,160 –> 00:22:11,760
جای LOC در داخل، به صورت DF بنویسید. خوب
496
00:22:11,760 –> 00:22:14,110
ما یک فلش داریم بچه ها
497
00:22:14,110 –> 00:22:18,460
من فقط این را حذف می کنم و اجازه می دهم ببینید آیا
498
00:22:18,460 –> 00:22:19,120
کار میکند
499
00:22:19,120 –> 00:22:22,030
بله، بنابراین من مقدار دقیق را در
500
00:22:22,030 –> 00:22:24,840
ردیف صفر دریافت میکنم، ستون باید ببیند
501
00:22:24,840 –> 00:22:27,580
اکنون به شما میگویم که چگونه یک
502
00:22:27,580 –> 00:22:30,640
مقدار را از موقعیت
503
00:22:30,640 –> 00:22:33,820
درون قاب دادهتان انتخاب میکنید، بنابراین برای آن از نقطه DF استفاده میکنیم.
504
00:22:33,820 –> 00:22:38,820
خیلی خوب است، بنابراین بیایید بگوییم سه
505
00:22:38,820 –> 00:22:41,020
تا خوب است، بنابراین من تمام مقادیر را
506
00:22:41,020 –> 00:22:44,740
از ستون سوم دریافت می کنم و به طور مشابه می توانیم
507
00:22:44,740 –> 00:22:46,840
داده هایی را که می دانید را تکه تکه کنیم، شما فقط می توانید
508
00:22:46,840 –> 00:22:49,230
آن را مانند سه تا پنج به
509
00:22:49,230 –> 00:22:54,029
درستی دریافت کنید و ما می توانیم مقادیر بیشتری را
510
00:22:54,029 –> 00:22:57,990
مانند صفر به آن اضافه کنیم. دو، بنابراین به این صورت است که
511
00:22:57,990 –> 00:23:00,299
شما مقادیر را از قاب داده خود انتخاب می کنید،
512
00:23:00,299 –> 00:23:03,179
خوب، اکنون ما نمایه سازی بولی را
513
00:23:03,179 –> 00:23:04,889
نیز در داخل فریم های داده خود داریم، بنابراین من
514
00:23:04,889 –> 00:23:07,559
به سرعت به شما می گویم که برای چیست که
515
00:23:07,559 –> 00:23:10,169
شما فقط DF بنویسید، اکنون می خواهم بررسی کنم.
516
00:23:10,169 –> 00:23:15,720
اگر ستون DF شماره a، بیایید بگوییم این
517
00:23:15,720 –> 00:23:21,870
افراد جالب هستند، بنابراین تمام مقادیر داخل a را به من داده است که
518
00:23:21,870 –> 00:23:24,510
در آن a
519
00:23:24,510 –> 00:23:27,539
بزرگتر از صفر است اگر اینجا بنویسم، بیایید
520
00:23:27,539 –> 00:23:30,090
بگوییم – من هیچ مقداری ندارم زیرا هیچ یک
521
00:23:30,090 –> 00:23:32,669
از مقادیر بزرگتر از 2 نیست. این است
522
00:23:32,669 –> 00:23:34,860
که چگونه می توانید نمایه سازی بولی را بدست آورید،
523
00:23:34,860 –> 00:23:36,779
این در واقع زمانی مهم است که شما هستید
524
00:23:36,779 –> 00:23:38,519
525
00:23:38,519 –> 00:23:42,269
بچه ها با استفاده از توابع روی قاب داده خود، بنابراین بیایید نگاهی به
526
00:23:42,269 –> 00:23:44,370
روش دیگری بیندازیم که در روش است
527
00:23:44,370 –> 00:23:47,220
و فقط به شما بگوییم که چگونه کار می کند،
528
00:23:47,220 –> 00:23:49,500
بنابراین اساساً برای بررسی اینکه آیا
529
00:23:49,500 –> 00:23:51,360
مقدار خاصی در داخل قاب داده شما
530
00:23:51,360 –> 00:23:54,269
وجود دارد یا نه استفاده می شود. یک چیز دیگر وجود دارد
531
00:23:54,269 –> 00:23:56,370
که میتوانیم مقادیر جدیدی را در
532
00:23:56,370 –> 00:23:59,070
قاب داده خود تنظیم کنیم، میتوانیم یک ستون جدید تنظیم کنیم که به
533
00:23:59,070 –> 00:24:00,510
طور خودکار دادهها را بر اساس شاخصها تراز میکند،
534
00:24:00,510 –> 00:24:03,990
بنابراین میتوانیم سری را ایجاد
535
00:24:03,990 –> 00:24:06,360
کنیم و میتوانیم مقادیر را با
536
00:24:06,360 –> 00:24:08,610
برچسب تنظیم کنیم، میتوانیم مقادیر را بر اساس موقعیت تنظیم کنیم.
537
00:24:08,610 –> 00:24:10,950
و ما میتوانیم انتساب را با یک
538
00:24:10,950 –> 00:24:13,380
آرایه داور نیز تنظیم کنیم و
539
00:24:13,380 –> 00:24:15,360
نتیجه تنظیمات در واقع
540
00:24:15,360 –> 00:24:17,340
با قاب داده هماهنگ میشود، جایی که میتوان عملیات جدیدی را
541
00:24:17,340 –> 00:24:19,230
با تنظیمات دنبال کرد که در آن
542
00:24:19,230 –> 00:24:21,480
شما به سادگی میتوانید قاب داده را
543
00:24:21,480 –> 00:24:23,789
با فریم داده موجود تراز کنید. ادامه دهید
544
00:24:23,789 –> 00:24:25,200
و به مبحث بعدی
545
00:24:25,200 –> 00:24:27,840
که داریم، رسیدگی به
546
00:24:27,840 –> 00:24:31,049
داده های از دست رفته در چارچوب داده های شماست، نگاهی بیندازید، پس
547
00:24:31,049 –> 00:24:34,019
بیایید به سمت آن برویم بچه ها، به
548
00:24:34,019 –> 00:24:36,659
نوت بوک مشتری می رویم و با val گم شده خود کار می کنیم.
549
00:24:36,659 –> 00:24:39,690
بنابراین پانداها در درجه اول
550
00:24:39,690 –> 00:24:42,029
از آنها از مقدار NP rot هر n برای نشان
551
00:24:42,029 –> 00:24:45,029
دادن داده های از دست رفته استفاده می کنند. این به طور پیش فرض
552
00:24:45,029 –> 00:24:47,370
محاسبات را شامل نمی شود و ما در
553
00:24:47,370 –> 00:24:49,230
حال حاضر مقدار گم شده را خواهیم دید،
554
00:24:49,230 –> 00:24:51,779
بنابراین اول از همه شما باید ایندکس شوید.
555
00:24:51,779 –> 00:24:53,700
منظورم این است که آره نمایه سازی Drewry که
556
00:24:53,700 –> 00:24:56,010
به شما این امکان را می دهد که افزودن حذف
557
00:24:56,010 –> 00:24:58,470
نمایه را در یک محور مشخص تغییر دهید، بنابراین کدام یک
558
00:24:58,470 –> 00:24:59,970
قرار است آن را روی یک کپی از داده ها
559
00:24:59,970 –> 00:25:02,070
نیز اضافه کنید، بسیار خوب، من فقط F2 را می گیرم
560
00:25:02,070 –> 00:25:02,790
561
00:25:02,790 –> 00:25:07,740
D F نقطه R ایندکس، بنابراین من به این صورت است. m
562
00:25:07,740 –> 00:25:10,290
آن چشمهای نمایهسازی را انجام میدهیم، بنابراین شاخص
563
00:25:10,290 –> 00:25:17,280
برابر است با فرض کنید D 0 تا 4 بله
564
00:25:17,280 –> 00:25:19,320
، ستونها را بعد از نمایهسازی واقعی دریافت
565
00:25:19,320 –> 00:25:21,620
میکنم که برابر با
566
00:25:21,620 –> 00:25:27,960
فهرست کردن ستونهای نقطه F است و من
567
00:25:27,960 –> 00:25:29,610
میخواهم اضافه کنم. یک ستون دیگر که
568
00:25:29,610 –> 00:25:36,180
میخواهد بگوید e در حال حاضر
569
00:25:36,180 –> 00:25:40,700
همه چیز را انجام میدهم، چند مقدار را بررسی میکنم،
570
00:25:40,700 –> 00:25:45,090
بنابراین در تاریخهای بارق آبجو گرفته شده است بنابراین d
571
00:25:45,090 –> 00:25:47,320
از صفر
572
00:25:47,320 –> 00:25:55,230
و D از یک در E برابر با یک است حالا
573
00:25:55,230 –> 00:25:59,260
بیایید بررسی کنیم برای SDF به دو روش ما باید
574
00:25:59,260 –> 00:26:01,420
مقادیر را در اینجا تهی کنیم، بنابراین به این صورت
575
00:26:01,420 –> 00:26:02,890
به شما نشان خواهم داد که چگونه مقادیر از دست رفته را مدیریت کنید
576
00:26:02,890 –> 00:26:05,500
. قاب داده خود را کنار بگذارید، بنابراین
577
00:26:05,500 –> 00:26:06,460
خواندن Xing را انجام دادیم،
578
00:26:06,460 –> 00:26:09,360
بنابراین اول از همه میخواهم
579
00:26:09,360 –> 00:26:12,660
مقادیر تهی را بررسی کنم، بنابراین در اینجا درست است
580
00:26:12,660 –> 00:26:16,690
و میتوانیم تعداد آنها نیز null است
581
00:26:16,690 –> 00:26:21,290
و ما این مقادیر تهی را
582
00:26:21,290 –> 00:26:23,870
583
00:26:23,870 –> 00:26:25,930
584
00:26:27,680 –> 00:26:29,480
هم اکنون میشماریم. ما قصد داریم چند
585
00:26:29,480 –> 00:26:32,510
ستون را رها
586
00:26:32,510 –> 00:26:36,220
کنیم، بنابراین هر یک از مقادیر را رها می کنیم،
587
00:26:37,860 –> 00:26:41,050
بنابراین همانطور که می توانید از فریم داده ما ببینید،
588
00:26:41,050 –> 00:26:43,570
تمام مقادیری که مقادیر null داشتند
589
00:26:43,570 –> 00:26:45,850
حذف شده اند، در واقع کل ستون
590
00:26:45,850 –> 00:26:48,820
حذف شده است یا می توانیم انجام دهیم. یک چیز
591
00:26:48,820 –> 00:26:51,840
دیتابیس گم شده را پر کنید
592
00:26:52,070 –> 00:26:55,679
فقط یک کار را انجام دهید خوب f2 را که داریم بررسی کنید
593
00:26:55,679 –> 00:26:58,980
تا بتوانیم یک کار انجام دهیم
594
00:26:58,980 –> 00:27:01,409
و بتوانیم مقادیر از دست رفته را پر کنیم و
595
00:27:01,409 –> 00:27:05,129
مقداری را ارائه می دهیم، فرض کنید مقدار
596
00:27:05,129 –> 00:27:07,980
برابر با دو باشد، بنابراین ما در واقع
597
00:27:07,980 –> 00:27:09,989
پر کرده ایم. مقداری را با مقدار دیگری در
598
00:27:09,989 –> 00:27:11,759
هر جایی که مقداری از دست رفته باشد،
599
00:27:11,759 –> 00:27:13,320
مقداری را داده ایم که قرار است
600
00:27:13,320 –> 00:27:15,629
در آنجا پر شود، بنابراین به این صورت به دست می آورید یا می
601
00:27:15,629 –> 00:27:18,929
دانید همه این مقادیر گم شده را
602
00:27:18,929 –> 00:27:21,299
در داخل تخلفات قاب داده خود بررسی کنید، اکنون می توانید
603
00:27:21,299 –> 00:27:22,980
در واقع یک عدد دریافت کنید. جرم بولی که در آن
604
00:27:22,980 –> 00:27:25,679
مقادیر هر کدام هستند n که اینطور نیست
605
00:27:25,679 –> 00:27:30,430
که شما PD dot را انجام دهید اشکالی ندارد، آیا هر
606
00:27:30,430 –> 00:27:33,270
607
00:27:33,720 –> 00:27:36,360
df2 برای شما یک ماسک بولی دریافت می کند که
608
00:27:36,360 –> 00:27:37,740
قبلاً به شما گفته ام که چگونه می توانید بررسی کنید
609
00:27:37,740 –> 00:27:41,040
با استفاده از درب DF یک چیز نیست، اما
610
00:27:41,040 –> 00:27:43,950
فرآیندهای مختلف برای اجرای آن اکنون به
611
00:27:43,950 –> 00:27:45,540
ما اطلاع دهید. در کجا و از طریق مبحث بعدی
612
00:27:45,540 –> 00:27:47,640
که داریم، یعنی Pandas Operations
613
00:27:47,640 –> 00:27:50,730
Case عملیات نهایی چیزی نیست جز
614
00:27:50,730 –> 00:27:52,350
چند عملیات که میتوانید روی
615
00:27:52,350 –> 00:27:55,110
قاب داده یا هر شی پانل دیگری اعمال کنید، بنابراین
616
00:27:55,110 –> 00:27:57,330
آمار توصیفی داریم که
617
00:27:57,330 –> 00:27:58,740
میتوانیم اعمال کنیم، میتوانیم توابع هیستوگرام Y را اعمال کنیم.
618
00:27:58,740 –> 00:28:00,960
آیا وجود دارد و متدهای رشته
619
00:28:00,960 –> 00:28:02,610
ای نیز وجود دارد، بنابراین من به شما خواهم گفت که
620
00:28:02,610 –> 00:28:04,710
هیستوگرام چیست و ما در مورد آن صحبت می کنیم،
621
00:28:04,710 –> 00:28:06,780
پس بیایید دوباره آن را به دفترچه یادداشت مشتری ببریم،
622
00:28:06,780 –> 00:28:08,730
شما بچه ها، من به شما خواهم گفت که چگونه می توانید
623
00:28:08,730 –> 00:28:11,550
در واقع با عملیات panas کار کنید، بنابراین
624
00:28:11,550 –> 00:28:13,230
اول همه چیز من یک عملیات اساسی را به شما می گویم
625
00:28:13,230 –> 00:28:16,640
که آمار توصیفی نیست،
626
00:28:16,640 –> 00:28:18,840
بنابراین همه
627
00:28:18,840 –> 00:28:20,940
مقادیر میانگین را به ما می دهد به طور مشابه ما می توانیم یک