در این مطلب، ویدئو آموزش پایتون پانداها (قسمت 1): شروع به تجزیه و تحلیل داده ها – نصب و بارگذاری داده ها 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: 00:23:01
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:01,319
سلام، اوضاع چطور پیش میرود همه در
2
00:00:01,319 –> 00:00:03,000
این سری از ویدیوها، ما یاد میگیریم
3
00:00:03,000 –> 00:00:04,740
چگونه از کتابخانه پانداها
4
00:00:04,740 –> 00:00:07,379
و پایتون استفاده کنیم، بنابراین پانداها یک کتابخانه تجزیه و تحلیل داده
5
00:00:07,379 –> 00:00:09,780
است که به ما امکان میدهد به راحتی
6
00:00:09,780 –> 00:00:12,150
انواع مختلف دادهها را بخوانیم و با آنها کار
7
00:00:12,150 –> 00:00:14,070
کنیم تا بتوانیم از این برای تجزیه و تحلیل فایلهای CSV
8
00:00:14,070 –> 00:00:17,220
فایلهای اکسل و سایر فرمتهای مشابه استفاده کنید، بنابراین
9
00:00:17,220 –> 00:00:18,660
اگر وارد حوزه علم داده میشوید،
10
00:00:18,660 –> 00:00:20,760
این کتابخانه
11
00:00:20,760 –> 00:00:22,470
برای یادگیری این که یکی از
12
00:00:22,470 –> 00:00:24,300
بستههای بارگیریشده برای پایتون است ضروری است و
13
00:00:24,300 –> 00:00:26,490
این دلیل بسیار خوبی است. فقط
14
00:00:26,490 –> 00:00:28,380
به ما اجازه می دهد به راحتی داده ها را بخوانیم و
15
00:00:28,380 –> 00:00:30,390
تجزیه و تحلیل کنیم، اما
16
00:00:30,390 –> 00:00:32,279
از آنجایی که بر روی numpy ساخته شده است، عملکرد فوق العاده ای نیز دارد
17
00:00:32,279 –> 00:00:34,559
و ما در این ویدیو یاد می گیریم که چگونه
18
00:00:34,559 –> 00:00:36,300
انواع مختلف تجزیه و تحلیل یا تجزیه و
19
00:00:36,300 –> 00:00:38,730
تحلیل داده ها را در این مجموعه انجام دهیم.
20
00:00:38,730 –> 00:00:40,410
ما قصد
21
00:00:40,410 –> 00:00:42,960
داریم نحوه نصب پانداها را بررسی کنیم که چگونه
22
00:00:42,960 –> 00:00:44,760
دادههایی را که برای اکثر این مجموعه استفاده میکنم دانلود کنیم
23
00:00:44,760 –> 00:00:47,160
و همچنین نحوه
24
00:00:47,160 –> 00:00:49,469
باز کردن همه اینها در یک نوت بوک مشتری را بررسی
25
00:00:49,469 –> 00:00:50,910
کنیم تا آماده انجام این کار باشیم. مقداری کدگذاری و
26
00:00:50,910 –> 00:00:52,980
تحلیل اکنون همچنین میخواهم اشاره
27
00:00:52,980 –> 00:00:54,719
کنم که ما یک حامی برای این
28
00:00:54,719 –> 00:00:57,539
سری ویدیوها داریم و این یک سازمان عالی است، بنابراین من
29
00:00:57,539 –> 00:00:58,920
واقعاً میخواهم از برلیانت برای
30
00:00:58,920 –> 00:01:00,359
حمایت مالی از این مجموعه تشکر کنم و
31
00:01:00,359 –> 00:01:01,410
اگر همه آنها را
32
00:01:01,410 –> 00:01:02,760
با استفاده از پیوند بررسی کنید عالی خواهد بود. در بخش توضیحات
33
00:01:02,760 –> 00:01:04,589
زیر و از حامیان مالی حمایت کنید
34
00:01:04,589 –> 00:01:06,119
و من در مدت کوتاهی در مورد خدمات آنها بیشتر صحبت خواهم کرد،
35
00:01:06,119 –> 00:01:08,490
بنابراین با این گفته بیایید
36
00:01:08,490 –> 00:01:10,619
ادامه دهیم و شروع کنیم، بنابراین اول از همه
37
00:01:10,619 –> 00:01:13,170
بیایید پانداها را نصب کنیم تا من از یک
38
00:01:13,170 –> 00:01:14,490
محیط مجازی تمیز برای این کار استفاده کنم.
39
00:01:14,490 –> 00:01:16,320
اما اگر نمیخواهید از محیط مجازی استفاده کنید،
40
00:01:16,320 –> 00:01:17,850
41
00:01:17,850 –> 00:01:19,409
اگر نمیدانید محیط مجازی
42
00:01:19,409 –> 00:01:21,090
چیست و میخواهید
43
00:01:21,090 –> 00:01:23,040
در مورد آنها بیشتر بدانید،
44
00:01:23,040 –> 00:01:25,650
حتماً یک لینک به من میگذارم. اگر کسی علاقهمند است ویدیوی مربوط به آن موضوع را
45
00:01:25,650 –> 00:01:27,299
در بخش توضیحات زیر در زیر مشاهده کنید
46
00:01:27,299 –> 00:01:30,090
، بنابراین
47
00:01:30,090 –> 00:01:32,579
نصب پانداها در اینجا واقعاً آسان است، تنها کاری که باید انجام دهیم این
48
00:01:32,579 –> 00:01:37,680
است که بگوییم پیانیست نصب pip و
49
00:01:37,680 –> 00:01:40,920
اجازه میدهیم تا اجرا شود و وقتی
50
00:01:40,920 –> 00:01:43,950
پانداها را نصب کردیم، بیایید Jupiter را نیز نصب کنیم.
51
00:01:43,950 –> 00:01:45,930
که می توانیم از جو استفاده کنیم نوتبوکهای پیتر
52
00:01:45,930 –> 00:01:48,540
اکنون من برای
53
00:01:48,540 –> 00:01:50,790
استفاده از مشتری برای این مجموعه مردد بودم، زیرا برخی
54
00:01:50,790 –> 00:01:52,320
افراد به سختی میتوانند از آن استفاده کنند
55
00:01:52,320 –> 00:01:54,240
، اما صادقانه بگویم اگر قرار است
56
00:01:54,240 –> 00:01:56,009
کارهای زیادی با پانداها انجام دهید
57
00:01:56,009 –> 00:01:58,409
، مطمئناً ابزار خوبی برای استفاده است.
58
00:01:58,409 –> 00:02:01,409
بنابراین، اکنون لازم نیست، بنابراین
59
00:02:01,409 –> 00:02:02,790
60
00:02:02,790 –> 00:02:04,469
اگر از یک ویرایشگر معمولی استفاده میکنید، بتوانید این مجموعه را دنبال کنید،
61
00:02:04,469 –> 00:02:06,630
اما نوتبوکهای Jupiter
62
00:02:06,630 –> 00:02:09,300
به ما اجازه میدهند
63
00:02:09,300 –> 00:02:11,790
با استفاده از مرورگر برای
64
00:02:11,790 –> 00:02:13,770
چاپ دادهها و جداول خود، دادههای خود را راحتتر ببینیم. که آن را
65
00:02:13,770 –> 00:02:16,200
به سال تجسم تبدیل می کند، بنابراین من از آن در سریال استفاده خواهم کرد
66
00:02:16,200 –> 00:02:18,090
، اما شما مجبور نیستید این کار
67
00:02:18,090 –> 00:02:20,970
را دنبال کنید، بنابراین برای نصب
68
00:02:20,970 –> 00:02:24,420
Jupiter می خواهم بگویم نصب pip و
69
00:02:24,420 –> 00:02:28,560
این آزمایشگاه مشتری خواهد بود و
70
00:02:28,560 –> 00:02:34,380
این املا می شود Ju py ter la B Jupiter lab بنابراین
71
00:02:34,380 –> 00:02:36,930
ما آن را نصب خواهیم کرد، من
72
00:02:36,930 –> 00:02:38,610
قصد ندارم وارد یک شیرجه عمیق و نحوه
73
00:02:38,610 –> 00:02:40,710
استفاده از مشتری در این سری شوم، من عمدتاً
74
00:02:40,710 –> 00:02:42,930
روی پانداها تمرکز خواهم کرد، اما اگر می
75
00:02:42,930 –> 00:02:44,700
خواهید مروری دقیق بر نحوه استفاده از
76
00:02:44,700 –> 00:02:46,980
مشتری و سپس من یک ویدیو در مورد نحوه
77
00:02:46,980 –> 00:02:48,930
استفاده دارم مشتری را در ژرفا و
78
00:02:48,930 –> 00:02:49,890
79
00:02:49,890 –> 00:02:52,080
اگر کسی مایل است
80
00:02:52,080 –> 00:02:54,450
در مورد جزئیات استفاده از
81
00:02:54,450 –> 00:02:56,670
این ok بیشتر بیاموزد، پیوندی به آن ویدیو در قسمت توضیحات زیر میگذارم، بنابراین اکنون پانداها و
82
00:02:56,670 –> 00:02:58,980
نوتبوکهای مشتری را نصب کردهایم، اکنون
83
00:02:58,980 –> 00:03:00,630
باید دانلود کنیم. دادههایی که
84
00:03:00,630 –> 00:03:02,190
اکنون برای اکثر این مجموعهها استفاده میکنم
85
00:03:02,190 –> 00:03:04,350
برای هر کسی که آخرین ویدیوهای من را تماشا میکند،
86
00:03:04,350 –> 00:03:06,270
میدانید که من دوست دارم
87
00:03:06,270 –> 00:03:08,400
از نظرسنجی توسعهدهنده stackoverflow
88
00:03:08,400 –> 00:03:10,770
برای انواع مختلف تجزیه و تحلیل دادهها
89
00:03:10,770 –> 00:03:12,270
استفاده کنم، دلیل اینکه من دوست دارم از این دادهها استفاده کنم این
90
00:03:12,270 –> 00:03:15,090
است. از آنجایی که این دادههای دنیای واقعی است و
91
00:03:15,090 –> 00:03:16,860
دادههای زیادی در آن وجود دارد که
92
00:03:16,860 –> 00:03:18,330
فکر میکنم برای اکثر افرادی که
93
00:03:18,330 –> 00:03:20,760
این نوع ویدیوها را تماشا میکنند جالب خواهد بود، من
94
00:03:20,760 –> 00:03:22,470
برخی آموزشهای دیگر را دیدهام که در آن دادهها
95
00:03:22,470 –> 00:03:24,420
به نظر غیرواقعی به نظر میرسند و
96
00:03:24,420 –> 00:03:26,070
چندان مرتبط نیستند.
97
00:03:26,070 –> 00:03:28,500
امیدوارم استفاده از این داده ها
98
00:03:28,500 –> 00:03:30,300
مردم را علاقه مند نگه دارد و همچنین به شما
99
00:03:30,300 –> 00:03:32,580
ایده خوبی درباره نحوه
100
00:03:32,580 –> 00:03:35,160
دانلود واقعی داده های واقعی از یک
101
00:03:35,160 –> 00:03:37,110
منبع و شروع به تجزیه و تحلیل آن ها با
102
00:03:37,110 –> 00:03:40,680
پانداها می دهد، بنابراین برای دانلود این داده ها در اختیار دارم.
103
00:03:40,680 –> 00:03:42,810
این در اینجا در مرورگر کشیده شده است، ما
104
00:03:42,810 –> 00:03:45,180
میتوانیم به صفحه نتایج نظرسنجی Stack Overflow برویم،
105
00:03:45,180 –> 00:03:47,760
اکنون
106
00:03:47,760 –> 00:03:49,650
اگر فقط آن را در گوگل جستجو کنید به راحتی میتوان آن را پیدا کرد، اما فقط برای
107
00:03:49,650 –> 00:03:51,870
آسانتر کردن کار، پیوندی به این
108
00:03:51,870 –> 00:03:53,520
صفحه دانلود در بخش توضیحات خواهم داشت.
109
00:03:53,520 –> 00:03:57,209
خوب، اکنون در این صفحه می
110
00:03:57,209 –> 00:04:00,270
توانید داده ها را به صورت CSV برای هر
111
00:04:00,270 –> 00:04:02,730
سالی که در دسترس هستند
112
00:04:02,730 –> 00:04:04,440
بارگیری کنید و اکنون من می خواهم ادامه دهم و
113
00:04:04,440 –> 00:04:08,370
داده های 2019 را که داده های برتر در اینجا هستند دانلود
114
00:04:08,370 –> 00:04:12,410
کنم، بنابراین من می خواهم این CSV را دانلود کنم. در اینجا و
115
00:04:12,410 –> 00:04:15,450
سپس دوباره روی دانلود کلیک می کنیم و
116
00:04:15,450 –> 00:04:18,358
این باید ادامه پیدا کند و این را
117
00:04:18,358 –> 00:04:22,470
برای ما دانلود کنید بسیار خوب انجام شد و اکنون من می خواهم
118
00:04:22,470 –> 00:04:25,110
این را در یاب خود اینجا باز کنم
119
00:04:25,110 –> 00:04:27,510
و این داده ها را از حالت فشرده خارج می کنم.
120
00:04:27,510 –> 00:04:29,640
هنگامی که آن داده ها
121
00:04:29,640 –> 00:04:32,070
دانلود و از حالت فشرده خارج شد، من می خواهم ادامه دهم
122
00:04:32,070 –> 00:04:34,800
و آن پوشه را به پوشه ای
123
00:04:34,800 –> 00:04:37,050
در اینجا روی دسکتاپ من بکشم و آنجاست که
124
00:04:37,050 –> 00:04:39,570
ما همچنین یک دفترچه یادداشت ایجاد می کنیم و
125
00:04:39,570 –> 00:04:42,900
این داده ها را آنقدر سریع تجزیه و تحلیل می کنیم که من
126
00:04:42,900 –> 00:04:48,540
این اجازه را باز نمی کنم من این
127
00:04:48,540 –> 00:04:51,180
پوشه نمایشی پاندا را باز می کنم و این پوشه را باز می کنم و
128
00:04:51,180 –> 00:04:54,390
او را پیدا می کنم و اکنون خواهم کرد داده ها را
129
00:04:54,390 –> 00:04:56,910
بگیرید و آن را به داخل این پوشه نمایشی pandas
130
00:04:56,910 –> 00:04:59,250
که روی دسکتاپ من است بکشید تا
131
00:04:59,250 –> 00:05:02,040
پروژه های شما در هر جایی باشد، اما
132
00:05:02,040 –> 00:05:05,340
من فقط یک پوشه پروژه در اینجا
133
00:05:05,340 –> 00:05:07,830
روی دسکتاپ خود ایجاد کردم به نام pandas demo و
134
00:05:07,830 –> 00:05:09,570
کاملاً خالی است به جز داده
135
00:05:09,570 –> 00:05:12,660
هایی که ما فقط به اینجا کشیده شده است، بنابراین اکنون میخواهم
136
00:05:12,660 –> 00:05:14,490
نام آن را تغییر دهم، زیرا
137
00:05:14,490 –> 00:05:16,290
این یک نام طولانی است، من فقط میخواهم
138
00:05:16,290 –> 00:05:19,110
نام آن را به دادههایی که نظرسنجی توسعهدهنده 2019 نامگذاری شده بود تغییر
139
00:05:19,110 –> 00:05:21,600
دهم، اما من فقط
140
00:05:21,600 –> 00:05:23,430
آن دادهها را صدا میزنم تا آسان شود برای
141
00:05:23,430 –> 00:05:26,490
اینکه ما بفهمیم که در اسکریپت ما خوب است، بنابراین
142
00:05:26,490 –> 00:05:28,290
چه
143
00:05:28,290 –> 00:05:30,810
فایلهایی در این فهرست داریم که در این فهرست دادهها را از حالت فشرده خارج کردهایم
144
00:05:30,810 –> 00:05:32,430
، اجازه دهید این را کمی
145
00:05:32,430 –> 00:05:36,300
بزرگتر کنم، خوب است، بنابراین اگر
146
00:05:36,300 –> 00:05:39,240
دادههایی را که با readme همراه هستند دانلود کنید،
147
00:05:39,240 –> 00:05:41,130
این را دانلود کنید. معمولاً مفید است ما یک
148
00:05:41,130 –> 00:05:43,800
فایل readme در اینجا داریم که به شما میگوید
149
00:05:43,800 –> 00:05:46,380
این فایلهای دیگر چه خواهند بود، بنابراین در
150
00:05:46,380 –> 00:05:48,990
این مورد ما این نتایج نظرسنجی را با
151
00:05:48,990 –> 00:05:51,840
نقطه عمومی CSV داریم و شامل
152
00:05:51,840 –> 00:05:54,690
نتایج نظرسنجی اصلی یک پاسخ دهنده در هر
153
00:05:54,690 –> 00:05:57,900
سطر و یک ستون در هر پاسخ است. تی
154
00:05:57,900 –> 00:06:00,810
طرح نتایج نظرسنجی در اینجا دارای
155
00:06:00,810 –> 00:06:02,970
سؤالاتی است که با نام هر ستون مطابقت دارد
156
00:06:02,970 –> 00:06:05,100
و نتایج اکنون اگر هر یک از اینها
157
00:06:05,100 –> 00:06:07,770
منطقی نباشد،
158
00:06:07,770 –> 00:06:10,230
پس از باز کردن این داده ها در مشتری، بنابراین
159
00:06:10,230 –> 00:06:12,360
من فقط یک نمای کلی در اینجا داده می شود.
160
00:06:12,360 –> 00:06:15,150
اجازه ندهید
161
00:06:15,150 –> 00:06:17,010
همه چیزهایی که در اینجا میگویم
162
00:06:17,010 –> 00:06:18,810
شما را تحت تأثیر قرار دهد، وقتی
163
00:06:18,810 –> 00:06:21,660
این را در مشتری باز کنیم، خیلی منطقیتر خواهد شد، پس بیایید ادامه دهیم و
164
00:06:21,660 –> 00:06:23,850
این کار را انجام دهیم تا این را در دفترچه یادداشت مشتری باز
165
00:06:23,850 –> 00:06:26,160
کنیم. به ترمینال خود برگردم،
166
00:06:26,160 –> 00:06:27,600
بنابراین من میروم
167
00:06:27,600 –> 00:06:30,390
و این پنجرههای Finder را که در اینجا باز میشوند ببندم،
168
00:06:30,390 –> 00:06:33,630
به ترمینال خود بازگردید و اکنون در اینجا
169
00:06:33,630 –> 00:06:35,910
به پوشه خود
170
00:06:35,910 –> 00:06:38,370
میروم که آن دادهها را در آن قرار میدهم و این باید
171
00:06:38,370 –> 00:06:39,930
همان دستور باشد. مک
172
00:06:39,930 –> 00:06:43,050
و ویندوز، بنابراین من میخواهم بگویم سیدی و
173
00:06:43,050 –> 00:06:45,300
میروم به دسکتاپ من، این فهرست در
174
00:06:45,300 –> 00:06:47,850
هر کجای پروژه شما باشد، خواهد بود،
175
00:06:47,850 –> 00:06:50,460
اما مال من در این دمو پانداها روی
176
00:06:50,460 –> 00:06:53,280
دسکتاپ من است و زمانی که
177
00:06:53,280 –> 00:06:55,979
برای راهاندازی به آن دایرکتوری هدایت شدم. یک دفترچه یادداشت مشتری
178
00:06:55,979 –> 00:06:59,030
فقط باید بگوییم دفترچه یادداشت مشتری و
179
00:06:59,030 –> 00:07:02,070
آن را اجرا کنیم و ما باید ببینید یک سرور
180
00:07:02,070 –> 00:07:03,090
در اینجا راه اندازی می شود
181
00:07:03,090 –> 00:07:05,100
و به نظر می رسد که یک ثانیه طول می
182
00:07:05,100 –> 00:07:06,600
کشد،
183
00:07:06,600 –> 00:07:10,710
ما اکنون به ترمینال خود در اینجا برمی گردیم، این
184
00:07:10,710 –> 00:07:13,620
یک سرور مشتری را اجرا می کند و شما
185
00:07:13,620 –> 00:07:15,449
باید آن ترمینال را در حالی که در مشتری کار می کنید باز بگذارید،
186
00:07:15,449 –> 00:07:18,300
بنابراین مشتری رام در مرورگر اجرا می شود
187
00:07:18,300 –> 00:07:20,430
، بنابراین اگر این
188
00:07:20,430 –> 00:07:22,380
سرور را خاموش کنید، نمی توانید به
189
00:07:22,380 –> 00:07:27,120
نوت بوک ما دسترسی پیدا کنید، پس بیایید به اینجا
190
00:07:27,120 –> 00:07:30,060
به مرورگر برگردیم و اینجا جایی است که
191
00:07:30,060 –> 00:07:32,400
ما نوت بوک های مشتری خود را داریم، بنابراین اجازه دهید
192
00:07:32,400 –> 00:07:34,949
اینجا را بزرگنمایی کنم تا بتوانیم به طوری که همه
193
00:07:34,949 –> 00:07:38,430
بتوانند این را نسبتاً خوب بخوانند، خوب من
194
00:07:38,430 –> 00:07:39,780
همانجا بزرگنمایی می کنم، فکر می کنم خوب است،
195
00:07:39,780 –> 00:07:42,240
بنابراین ما می توانیم پوشه داده های خود را اینجا
196
00:07:42,240 –> 00:07:44,789
ببینیم که کمی قبل دانلود کرده و در پوشه نمایشی Jupiter خود قرار داده ایم،
197
00:07:44,789 –> 00:07:47,639
اما
198
00:07:47,639 –> 00:07:50,190
اکنون بیایید یک پوشه ایجاد کنیم. نوت بوک جدید، بنابراین برای
199
00:07:50,190 –> 00:07:51,900
ایجاد یک نوت بوک جدید،
200
00:07:51,900 –> 00:07:54,270
روی new up اینجا در بالا سمت راست کلیک
201
00:07:54,270 –> 00:07:59,490
می کنم و سپس از Python 3 استفاده می کنم و اکنون
202
00:07:59,490 –> 00:08:01,560
می توانیم نوت بوک خود را تا اینجا نامگذاری کنیم، جایی که
203
00:08:01,560 –> 00:08:03,300
می گوید بدون عنوان I’m going برای کلیک کردن اینجا
204
00:08:03,300 –> 00:08:06,120
و من فقط قصد دارم این پانداها را
205
00:08:06,120 –> 00:08:09,990
دمو و رنا صدا کنم خوب است، پس اکنون ما
206
00:08:09,990 –> 00:08:12,330
آماده شروع استفاده از پاندا هستیم، بنابراین می توانیم
207
00:08:12,330 –> 00:08:16,820
این را با گفتن import pandas به عنوان
208
00:08:16,820 –> 00:08:21,360
PD وارد کنیم، اکنون واردات پاندا به عنوان PD فقط یک
209
00:08:21,360 –> 00:08:23,550
قرارداد رایج در هنگام استفاده از پاندا است، بنابراین
210
00:08:23,550 –> 00:08:27,360
بیایید آن را اجرا کنیم و من آن سلول را با
211
00:08:27,360 –> 00:08:30,240
فشار دادن Shift + اجرا کردم. وارد شوید و دوباره
212
00:08:30,240 –> 00:08:31,830
قصد ندارم وارد جزئیات
213
00:08:31,830 –> 00:08:33,719
کار در اینجا در مشتری در این
214
00:08:33,719 –> 00:08:35,458
مجموعه شوم، اما اگر میخواهید خلاصهای
215
00:08:35,458 –> 00:08:37,500
از ویژگیها و میانبرهایی را که
216
00:08:37,500 –> 00:08:39,839
استفاده خواهم کرد، پیوندی به
217
00:08:39,839 –> 00:08:41,490
ویدیوی مشتری دارم. در بخش توضیحات
218
00:08:41,490 –> 00:08:43,770
زیر، بسیار خوب، بنابراین برای بقیه این ویدیو
219
00:08:43,770 –> 00:08:46,560
، نحوه بارگیری دادههای خود را میبینیم و
220
00:08:46,560 –> 00:08:48,900
به اطلاعاتی درباره آن دادهها نگاه
221
00:08:48,900 –> 00:08:53,010
میکنیم، بنابراین دادههای ما در قالب CSV هستند، بنابراین
222
00:08:53,010 –> 00:08:53,610
برای
223
00:08:53,610 –> 00:08:57,690
اینکه در آن CSV به سادگی بگوییم DF
224
00:08:57,690 –> 00:08:59,130
که مخفف قاب داده است،
225
00:08:59,130 –> 00:09:00,570
در اینجا همه چیز را در مورد فریم های داده می آموزیم
226
00:09:00,570 –> 00:09:02,700
و کمی می گوییم DF برابر است
227
00:09:02,700 –> 00:09:07,920
با PD dot read underscore CSV
228
00:09:07,920 –> 00:09:10,550
ما از روش خواندن CSV از
229
00:09:10,550 –> 00:09:13,079
پانداها در اینجا و اکنون استفاده می کنیم. ما فقط میخواهیم
230
00:09:13,079 –> 00:09:16,560
مسیری را به فایل CSV خود منتقل کنیم، اکنون مال من
231
00:09:16,560 –> 00:09:19,649
در آن داده است lder و که
232
00:09:19,649 –> 00:09:22,740
در بررسی فایل بود، بر
233
00:09:22,740 –> 00:09:26,910
نتایج زیر امتیاز عمومی نقطه CSV تأکید میکند، بنابراین
234
00:09:26,910 –> 00:09:30,390
حالا اگر Shift enter را بزنم،
235
00:09:30,390 –> 00:09:33,360
آن سلول را درست خارج از خفاش اجرا میکند،
236
00:09:33,360 –> 00:09:34,860
میتوانیم ببینیم که کار با آن بسیار ساده است،
237
00:09:34,860 –> 00:09:37,380
بنابراین هنگام استفاده از پایتون بومی در
238
00:09:37,380 –> 00:09:40,230
برای خواندن در یک فایل CSV، باید
239
00:09:40,230 –> 00:09:42,870
از ماژول CSV برای ایجاد یک
240
00:09:42,870 –> 00:09:45,510
خواننده CSV و مواردی از این دست استفاده کنیم، اما در اینجا
241
00:09:45,510 –> 00:09:48,000
ما همه این کارها را در یک خط انجام می دهیم، بنابراین
242
00:09:48,000 –> 00:09:50,339
وقتی این را در آن می خواند،
243
00:09:50,339 –> 00:09:53,339
آن را به عنوان یک داده می خواند. فریم، بنابراین فریمهای داده
244
00:09:53,339 –> 00:09:55,560
تقریباً ستون فقرات پانداها هستند و
245
00:09:55,560 –> 00:09:58,470
ما در ویدیوی بعدی بیشتر به مواردی میپردازیم که
246
00:09:58,470 –> 00:10:01,589
فریمهای داده و اشیاء سری را به طور عمیق انجام میدهند
247
00:10:01,589 –> 00:10:04,680
، اما برای اصول اولیه، یک
248
00:10:04,680 –> 00:10:07,140
قاب داده اساساً فقط ردیفها و ستونهایی
249
00:10:07,140 –> 00:10:09,300
از داده است که میتوانیم ببینیم. یک قاب داده
250
00:10:09,300 –> 00:10:11,699
چگونه به نظر می رسد، اما فقط با چاپ آن
251
00:10:11,699 –> 00:10:13,709
و این نکته بسیار خوبی در استفاده از
252
00:10:13,709 –> 00:10:15,959
نوت بوک های مشتری است، زیرا به ما این امکان را می دهد که
253
00:10:15,959 –> 00:10:19,410
این چیزها را به گونه ای تجسم کنیم که
254
00:10:19,410 –> 00:10:22,019
در ویرایشگرهای دیگر نمی توانیم انجام دهیم، بنابراین اینجا در
255
00:10:22,019 –> 00:10:25,920
مشتری می توانم به سادگی بگویم DF را اجرا
256
00:10:25,920 –> 00:10:29,490
کنید و آن را اجرا کنید و چاپ خواهد شد قاب داده ما را در اینجا بیرون بیاوریم،
257
00:10:29,490 –> 00:10:31,620
بنابراین ما حتی نیازی به
258
00:10:31,620 –> 00:10:34,649
پیچیدن آن در یک تابع چاپ در اینجا نداریم،
259
00:10:34,649 –> 00:10:37,709
اگر از یک ویرایشگر معمولی استفاده
260
00:10:37,709 –> 00:10:39,839
می کنید، همچنان می توانید قاب داده را از روی
261
00:10:39,839 –> 00:10:42,510
اطلاعات چاپ کنید، اما
262
00:10:42,510 –> 00:10:45,570
به خوبی آن به نظر نمی رسد. اینجا در مشتری، جایی که
263
00:10:45,570 –> 00:10:48,690
ما این جدول تعاملی را دریافت می کنیم، بنابراین این
264
00:10:48,690 –> 00:10:51,269
یک نگاه کوچک به داده های ما است، اکنون این در
265
00:10:51,269 –> 00:10:55,170
واقع 85 ستون است، اما اگر در بین آنها
266
00:10:55,170 –> 00:10:57,870
حرکت کنم، به نظر نمی رسد
267
00:10:57,870 –> 00:11:00,420
که در واقع 85 ستون در اینجا چاپ شده است،
268
00:11:00,420 –> 00:11:04,199
بنابراین در واقع این است. به
269
00:11:04,199 –> 00:11:07,050
طور پیشفرض به هم پیوسته است تا یک نمای کلی از دادهها به ما بدهد