در این مطلب، ویدئو تجزیه و تحلیل کوهورت در پایتون 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: 00:25:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,000 –> 00:00:03,629
به این کارگاه در مورد
2
00:00:03,629 –> 00:00:06,750
تجزیه و تحلیل کوهورت و پایتون از ابتدا در
3
00:00:06,750 –> 00:00:10,170
حدود 20 دقیقه خوش آمدید. من نیک بابا هستم و
4
00:00:10,170 –> 00:00:14,969
در 4، 5، 4 سال گذشته از پایتون استفاده
5
00:00:14,969 –> 00:00:16,590
کرده ام یا
6
00:00:16,590 –> 00:00:21,630
شاید مدت بیشتری در آنجا وجود داشته باشد، فکر می کنم سال 2014 بوده است و
7
00:00:21,630 –> 00:00:23,670
من از آن استفاده کرده ام. با تلفیق آن با تجربیاتم
8
00:00:23,670 –> 00:00:25,289
به عنوان یک بازاریاب، زندگی ام را بسیار
9
00:00:25,289 –> 00:00:27,150
ساده تر می کنم تا بتوانم
10
00:00:27,150 –> 00:00:29,910
مجموعه داده های رو به رشدی را که
11
00:00:29,910 –> 00:00:33,840
در دنیا داریم مدیریت کنم، نه و بله، من واقعاً می
12
00:00:33,840 –> 00:00:35,880
خواهم آن را با همه به اشتراک بگذارم و به
13
00:00:35,880 –> 00:00:38,129
سایر بازاریابان کمک کنم مهارت داشته باشند. مانند من به
14
00:00:38,129 –> 00:00:40,559
ویژه در این تیم های عجیب و غریب
15
00:00:40,559 –> 00:00:43,710
که در حال حاضر از آن ها عبور می کنیم، بنابراین چگونه
16
00:00:43,710 –> 00:00:46,770
به اینجا رسیدم اساساً من در یک
17
00:00:46,770 –> 00:00:50,700
مشاور بودم من حدود شش سال پیش ترفندهای مدیریت را شروع کردم.
18
00:00:50,700 –> 00:00:52,579
19
00:00:52,579 –> 00:00:54,690
20
00:00:54,690 –> 00:00:57,030
بنابراین ما باید فایلهای بسیار بزرگی را باز کنیم،
21
00:00:57,030 –> 00:00:59,520
اما اخیراً من
22
00:00:59,520 –> 00:01:01,770
23
00:01:01,770 –> 00:01:04,140
با ایجاد دورههای آنلاین رایگان
24
00:01:04,140 –> 00:01:06,840
برای هر کسی که میخواهد پایتون را یاد بگیرد
25
00:01:06,840 –> 00:01:09,390
و به عنوان یک بازاریاب برای شرکت در Carol به
26
00:01:09,390 –> 00:01:13,310
طور خاص با هدف بازار، روی ایجاد بازاریابهایی به نام جامعه متمرکز شدهام. و
27
00:01:13,310 –> 00:01:16,110
ایجاد یک جامعه در شلوغی که می توانم
28
00:01:16,110 –> 00:01:18,090
به هر کسی کمک کنم ممکن است مشکل داشته باشد یا
29
00:01:18,090 –> 00:01:20,040
سعی در یادگیری چیزهای جدید داشته باشد و به
30
00:01:20,040 –> 00:01:21,900
نوعی فضای امن برای پرسیدن سوالات نیاز داشته باشد
31
00:01:21,900 –> 00:01:24,390
که در آن هیچ کس مانند آن
32
00:01:24,390 –> 00:01:26,250
سوال احمقانه نباشد، چیزی به نام سوال احمقانه وجود ندارد.
33
00:01:26,250 –> 00:01:28,110
و در
34
00:01:28,110 –> 00:01:30,420
ماههای آینده محتوای بیشتری منتشر خواهد
35
00:01:30,420 –> 00:01:33,590
شد و من پیوندی را ارائه خواهم داد
36
00:01:33,590 –> 00:01:36,060
که میتوانید بگویید به
37
00:01:36,060 –> 00:01:37,799
انجمن دسترسی ندارید به تمام
38
00:01:37,799 –> 00:01:39,540
آموزشهای راهاندازی پایتون برای هر
39
00:01:39,540 –> 00:01:41,880
سیستم عاملی که روی آن هستید دسترسی داشته باشید و به آن
40
00:01:41,880 –> 00:01:43,890
دسترسی پیدا کنید. به دوره های سطح 1 و سطح 2
41
00:01:43,890 –> 00:01:46,140
پایتون برای بازاریابان که
42
00:01:46,140 –> 00:01:50,329
کاملا رایگان هستند، بنابراین کمی در مورد من
43
00:01:50,329 –> 00:01:52,920
دوست دارم چیزهایی بسازم، دوست دارم چیزهایی بسازم
44
00:01:52,920 –> 00:01:54,810
که فلزی هستند، منظورم ساختن چیزهایی
45
00:01:54,810 –> 00:01:56,729
از چوب است و فکر می کنم به همین دلیل است که
46
00:01:56,729 –> 00:01:58,409
پایتون را جذب کرده ام. من میتوانم
47
00:01:58,409 –> 00:02:01,520
چیزهایی بسازم و قابل استفاده مجدد هستند و
48
00:02:01,520 –> 00:02:03,780
حتی اگر در آن عالی نباشم،
49
00:02:03,780 –> 00:02:05,790
باز هم مفید هستند و میتوانم با
50
00:02:05,790 –> 00:02:08,788
گذشت زمان آنها را بهبود ببخشم، بنابراین
51
00:02:08,788 –> 00:02:12,930
فکر میکنم پایتون و ساختن چیزهای
52
00:02:12,930 –> 00:02:15,840
من آموزش داده است. من خیلی پدر روشی که می
53
00:02:15,840 –> 00:02:17,879
تواند در پایتون اعمال شود، بنابراین من می توانم شروع به
54
00:02:17,879 –> 00:02:21,030
ایجاد اتوماسیون بیشتر در معاملاتم
55
00:02:21,030 –> 00:02:23,519
در روال کار کنم و امیدوارم شما
56
00:02:23,519 –> 00:02:26,040
بچه ها مزایای آن را
57
00:02:26,040 –> 00:02:30,930
بعد از این بالا ببینید، بنابراین پایتون یک
58
00:02:30,930 –> 00:02:32,790
زبان همه منظوره است و به این
59
00:02:32,790 –> 00:02:35,220
معنی است که یک زبان را پوشش می دهد. بسیاری از چیزها را
60
00:02:35,220 –> 00:02:37,109
میتوانید در پایتون بسازید و ممکن
61
00:02:37,109 –> 00:02:39,959
است شنیده باشید که پایتون در
62
00:02:39,959 –> 00:02:42,030
زمینههای مختلف مانند وبسایت یا
63
00:02:42,030 –> 00:02:45,299
تجزیه و تحلیل دادهها یا یک API استفاده میشود و این به این
64
00:02:45,299 –> 00:02:47,940
دلیل است که میتوانید از آن برای همه چیز استفاده کنید، بنابراین
65
00:02:47,940 –> 00:02:50,639
در اینجا یک مثال خوب است که میتوانید یک
66
00:02:50,639 –> 00:02:54,060
محصول کامل بسازید. با پایتون میتوانید
67
00:02:54,060 –> 00:02:56,099
دادهها را جمعآوری کنید سه DPI
68
00:02:56,099 –> 00:02:59,129
تجزیه و تحلیل
69
00:02:59,129 –> 00:03:01,650
70
00:03:01,650 –> 00:03:05,790
71
00:03:05,790 –> 00:03:07,560
72
00:03:07,560 –> 00:03:10,950
دادهها را انجام دهید.
73
00:03:10,950 –> 00:03:14,909
من به ویژه
74
00:03:14,909 –> 00:03:18,269
نگران Python برای بازاریابان هستم که یک
75
00:03:18,269 –> 00:03:19,889
کیت ابزار کوچکی است که آنها در اینجا دارند در
76
00:03:19,889 –> 00:03:21,840
این زمینه یادگیری ماشینی اساسا
77
00:03:21,840 –> 00:03:24,389
و تجزیه و تحلیل داده ها و اتوماسیون است.
78
00:03:24,389 –> 00:03:26,430
ارزش واقعی این است که
79
00:03:26,430 –> 00:03:27,810
اسباببازیهای جالب زیادی وجود دارد که میتوانید در پایتون از آنها استفاده کنید،
80
00:03:27,810 –> 00:03:30,180
اما نمیخواهید به
81
00:03:30,180 –> 00:03:31,530
حجم کاری خود اضافه کنید، بلکه میخواهید حجم کاری خود را کاهش دهید
82
00:03:31,530 –> 00:03:33,750
و نتایج بهتری کسب کنید و
83
00:03:33,750 –> 00:03:35,699
بهترین راه برای انجام این کار، بررسی
84
00:03:35,699 –> 00:03:37,489
کتابخانههایی مانند موارد موجود در این جدول را
85
00:03:37,489 –> 00:03:40,169
شروع کنید و شروع به یادگیری نحوه استفاده از آنها و
86
00:03:40,169 –> 00:03:41,760
سپس نحوه خودکارسازی آنها کنید تا بتوانید کارهای
87
00:03:41,760 –> 00:03:44,639
متفاوتی را با کار روزانه خود انجام دهید
88
00:03:44,639 –> 00:03:47,819
به جای انجام تجزیه و تحلیل و بسیاری
89
00:03:47,819 –> 00:03:51,840
از کارهای زائد
90
00:03:51,840 –> 00:03:55,040
91
00:03:59,260 –> 00:04:01,370
آنها. نگاهی دوباره به اینجا یک
92
00:04:01,370 –> 00:04:03,920
نوت بوک مشتری است و نوت بوک ژوپیتر
93
00:04:03,920 –> 00:04:07,430
یک مرورگر را اجرا می کند، نه من می خواهم
94
00:04:07,430 –> 00:04:08,959
پیوندی برای ثبت نام ارائه دهم تا همه
95
00:04:08,959 –> 00:04:11,090
این اطلاعات را در اصل اگر ثبت نام کنید
96
00:04:11,090 –> 00:04:12,769
، می گویم همه چیزهایی را که نیاز دارید برای شما ارسال می کنیم.
97
00:04:12,769 –> 00:04:14,390
خودتان را
98
00:04:14,390 –> 00:04:16,880
با Python Python راهاندازی کنید، بنابراین
99
00:04:16,880 –> 00:04:18,139
خیلی نگران نباشید، همیشه میتوانید
100
00:04:18,139 –> 00:04:21,010
به این آموزش بازگردید و آن را بررسی کنید،
101
00:04:21,010 –> 00:04:24,650
بنابراین این آموزش اصلی و روش یک
102
00:04:24,650 –> 00:04:27,410
چهارم واقعی، من از کد شخص دیگری استفاده مجدد میکنم
103
00:04:27,410 –> 00:04:28,940
، زیرا هیچ فایدهای ندارد
104
00:04:28,940 –> 00:04:31,880
bu با این حال من
105
00:04:31,880 –> 00:04:34,220
کد هنری پن را می گیرم و او از آمازون است
106
00:04:34,220 –> 00:04:37,910
و برای
107
00:04:37,910 –> 00:04:39,979
اهداف این آموزش آن را افزایش داده ام،
108
00:04:39,979 –> 00:04:42,440
حاشیه نویسی بیشتری اضافه کرده ام و یک تابع کوچک ساخته ام
109
00:04:42,440 –> 00:04:43,610
تا بتوانید ببینید یک تابع چگونه به نظر می
110
00:04:43,610 –> 00:04:45,320
رسد زیرا ما “در حال شروع
111
00:04:45,320 –> 00:04:48,250
به یادگیری هستم که امیدوارم پایتون اساسا کار کند،
112
00:04:48,250 –> 00:04:53,389
بنابراین من قبلاً در کتابخانه بارگیری کرده ام،
113
00:04:53,389 –> 00:04:56,539
بنابراین nun Pi یک کتابخانه ماشین حساب است، بنابراین
114
00:04:56,539 –> 00:04:58,639
هر زمان که می خواهید کاری در
115
00:04:58,639 –> 00:05:00,229
پایتون انجام دهید، ابتدا باید آن را وارد
116
00:05:00,229 –> 00:05:03,440
کنید تا شما” شما ناتوان شده اید شما
117
00:05:03,440 –> 00:05:05,660
پاندا دارید که برای پایتون بازدم است
118
00:05:05,660 –> 00:05:08,090
اما اکسل و استروئیدها اکسل نیستند
119
00:05:08,090 –> 00:05:10,729
اگر بدانید منظورم در زمان تاریخ است که می توانید
120
00:05:10,729 –> 00:05:12,260
حدس بزنید که چیست به ما اجازه می دهد
121
00:05:12,260 –> 00:05:15,229
جزئیات Seabourn را که در حال
122
00:05:15,229 –> 00:05:17,930
ترسیم نمودار است و نقشه 11 را دستکاری کنیم. همچنین در
123
00:05:17,930 –> 00:05:20,180
نمودار، چند
124
00:05:20,180 –> 00:05:22,760
کد دیگر در زیر آن داریم که کدهای جادویی
125
00:05:22,760 –> 00:05:24,680
مختص مصر یا نوت بوک هستند و
126
00:05:24,680 –> 00:05:27,800
به شما این امکان را می دهد تا کارهای کوچک بسیار خاصی
127
00:05:27,800 –> 00:05:30,349
را بدون نیاز به خواندن کد
128
00:05:30,349 –> 00:05:33,919
یا بردن آن به ترمینال انجام دهید و در این
129
00:05:33,919 –> 00:05:36,310
مورد وجود دارد یک کم e’s matplotlib برای
130
00:05:36,310 –> 00:05:38,960
ایجاد نمودارها یا نمایش نمودارها
131
00:05:38,960 –> 00:05:40,760
و گفتن notebook به جای باز کردن
132
00:05:40,760 –> 00:05:42,410
آن در یک پنجره جدید،
133
00:05:42,410 –> 00:05:44,690
سپس چند گزینه را با پانداها تنظیم کرده ایم
134
00:05:44,690 –> 00:05:46,550
زیرا اگر اینجا را ببینید می
135
00:05:46,550 –> 00:05:49,910
گوییم pandas به عنوان PD بنابراین گزینه های PD و
136
00:05:49,910 –> 00:05:53,720
من من فقط در اینجا می بینم که ما
137
00:05:53,720 –> 00:05:56,240
هیچ بلوکی روی قوانین نمی خواهیم و می خواهیم
138
00:05:56,240 –> 00:05:59,570
تا آنجا که ممکن است قوانین بیشتری نمایش داده شود و
139
00:05:59,570 –> 00:06:01,599
نمی خواهیم هیچ خطایی نشان داده شود
140
00:06:01,599 –> 00:06:03,950
زیرا نحوه نوشتن این کد
141
00:06:03,950 –> 00:06:06,500
به روز رسانی هایی در پایتون وجود دارد که
142
00:06:06,500 –> 00:06:09,320
وقتی هیچ خطای واقعی وجود ندارد، به ما خطاهای پرچم غلط نادرست میدهند،
143
00:06:09,320 –> 00:06:11,120
این خطاها درست به
144
00:06:11,120 –> 00:06:12,090
روشی است که ما این کار را درست انجام میدهیم،
145
00:06:12,090 –> 00:06:14,930
بنابراین من دادهها را با استفاده از پانداهای خواندن اکسل بارگیری کردهام،
146
00:06:14,930 –> 00:06:17,520
زیرا این یک
147
00:06:17,520 –> 00:06:19,470
صفحه گسترده اکسل است و میتوانید این
148
00:06:19,470 –> 00:06:22,740
مجموعه داده را از اینجا دریافت کنید. با دنبال کردن و رفتن به
149
00:06:22,740 –> 00:06:24,990
وبلاگ هنری فنگ و به شما می گوید که چگونه
150
00:06:24,990 –> 00:06:28,410
مجموعه داده را در اینجا دریافت کنید، من یک
151
00:06:28,410 –> 00:06:30,120
تابع کمکی ساخته ام تا توابع
152
00:06:30,120 –> 00:06:32,520
کد قابل استفاده مجدد باشند، بنابراین اگر کاری را بیش
153
00:06:32,520 –> 00:06:34,260
از سه بار انجام دهید و کدنویسی کنید، یک
154
00:06:34,260 –> 00:06:36,300
تابع برای آن بسازید. و مورد بعدی من
155
00:06:36,300 –> 00:06:38,970
همیشه به داده هایم نگاه می کنم و کاوش می کنم دوباره
156
00:06:38,970 –> 00:06:41,370
دادههای من را انجام میدهید و شما همین کار را انجام میدهید و در
157
00:06:41,370 –> 00:06:45,810
این مورد فقط یک
158
00:06:45,810 –> 00:06:48,110
نسخه زیباتر از آنچه به طور معمول به نظر میرسد قرار میدهد،
159
00:06:48,110 –> 00:06:52,470
بنابراین ما به دنبال این هستیم که مجموعه داده از چه چیزی
160
00:06:52,470 –> 00:06:57,479
ساخته شده است، بنابراین این اطلاعات درب است، سپس
161
00:06:57,479 –> 00:06:59,070
این تقسیمکنندهها فقط
162
00:06:59,070 –> 00:07:01,650
توابع واقعی توضیح داده شده به طوری که
163
00:07:01,650 –> 00:07:03,870
تجزیه و تحلیل آماری و شکل به این صورت است
164
00:07:03,870 –> 00:07:06,570
که تعداد سطرها و ستون های خداوند است، بنابراین اگر
165
00:07:06,570 –> 00:07:09,389
من آن را اجرا کنم و سپس آن را اجرا کنم، این تابع کوچک را دریافت می کنم که
166
00:07:09,389 –> 00:07:12,960
این جدول کوچک زیبا را تولید
167
00:07:12,960 –> 00:07:14,760
می کند که به من می گوید داده ها چگونه
168
00:07:14,760 –> 00:07:19,350
ساخته شده اند. اشیاء اعداد صحیح تاریخ
169
00:07:19,350 –> 00:07:23,970
مهرهای زمان تجزیه و تحلیل آماری را وادار می کنند، بنابراین
170
00:07:23,970 –> 00:07:25,530
میانگین و
171
00:07:25,530 –> 00:07:29,280
انحراف معیار حداکثر چند
172
00:07:29,280 –> 00:07:32,550
173
00:07:32,550 –> 00:07:34,500
174
00:07:34,500 –> 00:07:36,600
175
00:07:36,600 –> 00:07:39,240
نفر وجود دارد. بنابراین با پانداها
176
00:07:39,240 –> 00:07:40,800
همیشه باید داده های خود را تمیز کنید
177
00:07:40,800 –> 00:07:42,419
، چیزهایی مانند بازدم را بدیهی نمی دانند،
178
00:07:42,419 –> 00:07:43,950
شما همیشه باید داده ها را تمیز
179
00:07:43,950 –> 00:07:46,460
و مرتب کنید و داده های خود را
180
00:07:46,460 –> 00:07:48,419
به هم بزنید و این کاری است که ما در حال حاضر انجام خواهیم داد
181
00:07:48,419 –> 00:07:50,820
اگر شما از پایتون برای تجزیه و تحلیل دادهها استفاده
182
00:07:50,820 –> 00:07:53,940
میکنید و به مجموعه دادههای جدیدی نگاه
183
00:07:53,940 –> 00:07:55,500
میکنید، متوجه میشوید که این همان چیزی است که بیشتر
184
00:07:55,500 –> 00:07:56,789
وقت خود را صرف آن خواهید کرد،
185
00:07:56,789 –> 00:08:01,139
بنابراین اگر من این تابع کوچک را
186
00:08:01,139 –> 00:08:04,400
در اینجا اجرا کنم، اساساً میگوییم که به دنبال SN a بگردید،
187
00:08:04,400 –> 00:08:07,770
چه می شود، چه ستون هایی چند
188
00:08:07,770 –> 00:08:10,530
ستون دارند و دارای مقادیر Messing هستند و سپس
189
00:08:10,530 –> 00:08:12,660
top می شوند تا بتوانیم ببینیم، بنابراین بهتر است
190
00:08:12,660 –> 00:08:17,250
هر کدام از آنها را به شما نشان دهیم تا این ها
191
00:08:17,250 –> 00:08:19,410
مقادیر گم نشده ای نداشته باشند، اما توضیحات و
192
00:08:19,410 –> 00:08:21,270
شناسه مشتری موارد زیادی از دست رفته است. ارزشها،
193
00:08:21,270 –> 00:08:24,060
بنابراین آنچه میخواهیم انجام دهیم، ارزشهای از دست رفته
194
00:08:24,060 –> 00:08:25,270
برای ما کار نمیکنند،
195
00:08:25,270 –> 00:08:27,220
من باید آنها را جایگزین یا پر
196
00:08:27,220 –> 00:08:28,600
کنم، اما در این مورد، آنها را جایگزین میکنیم،
197
00:08:28,600 –> 00:08:30,640
زیرا نشان دادن آن آسانتر است،
198
00:08:30,640 –> 00:08:33,820
پس چگونه این کار را انجام دهیم. ما
199
00:08:33,820 –> 00:08:37,059
از قطره استفاده می کنیم هر چیزی
200
00:08:37,059 –> 00:08:40,450
که عددی ندارد، آن را رها می کنیم و
201
00:08:40,450 –> 00:08:43,539
هر چیزی را که یک مقدار Messing
202
00:08:43,539 –> 00:08:48,280
در شناسه مشتری است حذف می کنیم و یک قاب داده ایجاد می کنیم
203
00:08:48,280 –> 00:08:51,120
، یک نمای یک قاب داده ایجاد می
204
00:08:51,120 –> 00:08:55,690
کنیم. داده هایی که
205
00:08:55,690 –> 00:08:57,670
قبلا وارد کردیم اما با داده های تمیز
206
00:08:57,670 –> 00:09:00,940
و اگر کاوش کنیم t داده کلاه با استفاده از
207
00:09:00,940 –> 00:09:03,760
تابعی که در اینجا داریم، میتوانیم ببینیم
208
00:09:03,760 –> 00:09:07,780
که در واقع بیایید به اینجا نگاه کنیم، بنابراین
209
00:09:07,780 –> 00:09:10,960
این شماره اصلی ما است، این شماره جدید ما است،
210
00:09:10,960 –> 00:09:13,930
بنابراین ما مقدار زیادی داده را از دست
211
00:09:13,930 –> 00:09:17,020
دادهایم اما هنوز دادههای زیادی داریم، بنابراین
212
00:09:17,020 –> 00:09:18,490
مهم است که همیشه پس از ایجاد تغییر، دادههای خود را تجسم کنید،
213
00:09:18,490 –> 00:09:20,200
فقط برای اینکه
214
00:09:20,200 –> 00:09:22,860
مطمئن شوید هیچ چیز کاملاً توربو
215
00:09:22,860 –> 00:09:25,210
نشده است.
216
00:09:25,210 –> 00:09:26,860
217
00:09:26,860 –> 00:09:27,910
218
00:09:27,910 –> 00:09:30,490
219
00:09:30,490 –> 00:09:32,020
ما پنج ردیف اول دادهها را
220
00:09:32,020 –> 00:09:34,480
فقط برای اطمینان از
221
00:09:34,480 –> 00:09:38,410
اینکه هیچ مشکل خاصی پیش نمیرود، در حال حاضر
222
00:09:38,410 –> 00:09:42,310
دوباره به پیشپردازش دادهها و پایتون برمیگردیم،
223
00:09:42,310 –> 00:09:44,890
224
00:09:44,890 –> 00:09:46,480
شما پیشپردازشهای زیادی انجام خواهید داد،
225
00:09:46,480 –> 00:09:48,250
اما ارزش دارد. در پایان، زیرا
226
00:09:48,250 –> 00:09:50,560
هنگامی که داده های خود را درک کردید و از قبل
227
00:09:50,560 –> 00:09:52,570
پردازش کردید، می توانید تجزیه و تحلیل داده های بسیار خوبی را
228
00:09:52,570 –> 00:09:55,630
با آن انجام دهید و همچنین
229
00:09:55,630 –> 00:09:58,240
به یادگیری ماشین نزدیک تر می شوید، بنابراین
230
00:09:58,240 –> 00:10:02,260
اولین عملکرد این است که
231
00:10:02,260 –> 00:10:04,480
اساساً ماه سال را به ما می دهد.
232
00:10:04,480 –> 00:10:08,260
تی او سال و ماه مهر زمانی
233
00:10:08,260 –> 00:10:12,820
و افزایش یک روز را بررسی می کنیم و ما
234
00:10:12,820 –> 00:10:14,380
به آنچه که در یک دقیقه انجام می دهد و آنچه
235
00:10:14,380 –> 00:10:17,320
در این ستون انجام می دهیم این است
236
00:10:17,320 –> 00:10:19,210
که یک ستون جدید به نام ماه فاکتور ایجاد می
237
00:10:19,210 –> 00:10:21,370
کنیم و در حال اعمال تابعی
238
00:10:21,370 –> 00:10:24,580
که در اینجا ایجاد کردیم و کاری که
239
00:10:24,580 –> 00:10:25,870
انجام خواهد داد این است که ستون جدیدی
240
00:10:25,870 –> 00:10:30,510
از داده ها را به ما می دهد تا در حال اجرا باشد فقط توجه داشته باشید و
241
00:10:30,510 –> 00:10:34,080
من کمتر اجرا می کنم
242
00:10:34,550 –> 00:10:36,290
و کاری که باید
243
00:10:36,290 –> 00:10:37,940
انجام شود کمی زمان می برد زیرا
244
00:10:37,940 –> 00:10:41,450
خداوندا تمام 400000 قرعه کشی به این دلیل است که ما
245
00:10:41,450 –> 00:10:43,190
آن پارامتر را در ابتدا تنظیم کردیم تا
246
00:10:43,190 –> 00:10:47,930
همه قوانین را به ما نشان دهد و به آنجا می رویم که
247
00:10:47,930 –> 00:10:50,000
فقط یک ثانیه طول می کشد – اگر می توانید
248
00:10:50,000 –> 00:10:51,410
تصور کنید که سعی کنید به لرد چهارصد
249
00:10:51,410 –> 00:10:53,210
هزار تا چهارصد هزار ردیف غیرممکن است
250
00:10:53,210 –> 00:10:55,250
و اکسل اینطور نیست.
251
00:10:55,250 –> 00:10:58,010
قابل انجام است اما در اینجا همه
252
00:10:58,010 –> 00:11:00,320
داده ها وجود دارد و
253
00:11:00,320 –> 00:11:03,350
حداکثر چند ثانیه طول کشید. کاری که
254
00:11:03,350 –> 00:11:05,990
اکنون انجام می دهیم این است که بر اساس آن داده ها
255
00:11:05,990 –> 00:11:08,900
گروه بندی می کنیم و گروه یک تابع شگفت انگیز را خریداری
256
00:11:08,900 –> 00:11:10,970
می کند که از آن به عنوان بارگیری می شود. بازاریاب و
257
00:11:10,970 –> 00:11:13,790
شما می خواهید بر اساس شناسه مشتری گروه بندی کنید
258
00:11:13,790 –> 00:11:15,460
شما به شناسه مشتری نگاه
259
00:11:15,460 –> 00:11:19,310
میکنید و سپس دادهها را
260
00:11:19,310 –> 00:11:22,340
با استفاده از ماه فاکتور جمعآوری میکنید و به
261
00:11:22,340 –> 00:11:26,750
دنبال آن حداقل مقدار هستید و باز
262
00:11:26,750 –> 00:11:29,300
هم سادهتر است که به شما نشان دهیم ورودی آنها
263
00:11:29,300 –> 00:11:36,050
در این مورد که ما اجرا میکنیم چیست.
264
00:11:36,050 –> 00:11:37,880
چند ثانیه خواهد بود و
265
00:11:37,880 –> 00:11:40,280
دوباره خروجی چهارصد هزار قانون از
266
00:11:40,280 –> 00:11:46,930
آنچه که در آنجا وجود دارد، ما می رویم
267
00:11:46,930 –> 00:11:49,580
، دشوار است که ببینیم
268
00:11:49,580 –> 00:11:52,490
اینجا چه اتفاقی می افتد، اما با هم جمع می شود، اما همانطور
269
00:11:52,490 –> 00:11:55,840
که می بینید، ما تغییراتی در تاریخ داریم،
270
00:11:55,840 –> 00:12:01,280
اما همه چیز یکسان است. اول خوب، پس شما
271
00:12:01,280 –> 00:12:05,000
به من اعتماد کنید که کار کرده است و
272
00:12:05,000 –> 00:12:06,590
اگر به آنچه برای قاب دادهها رخ
273
00:12:06,590 –> 00:12:10,310
داده است نگاه کنیم، این دو ستون اضافی را
274
00:12:10,310 –> 00:12:12,890
داریم و ما
275
00:12:12,890 –> 00:12:14,810
با آن ستونها کار میکنیم تا تحلیل کولویر ایجاد کنیم،
276
00:12:14,810 –> 00:12:17,750
بنابراین این یک چیز عالی است. برای
277
00:12