در این مطلب، ویدئو یک نمودار نواری شیک در پایتون ایجاد کنید 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: 00:14:04
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,210 –> 00:00:11,350
[موسیقی]
2
00:00:11,350 –> 00:00:12,620
[تشویق] بسیار خوب از اینکه
3
00:00:12,620 –> 00:00:15,809
همه را تنظیم
4
00:00:15,809 –> 00:00:28,289
کردید، این پایتون است که از پایتون استفاده
5
00:00:28,289 –> 00:00:36,000
6
00:00:36,000 –> 00:00:38,820
7
00:00:38,820 –> 00:00:41,520
8
00:00:41,520 –> 00:00:44,190
می کند. طرح به عنوان یک فایل و
9
00:00:44,190 –> 00:00:47,399
بنابراین این فایلی است که ما می خواهیم
10
00:00:47,399 –> 00:00:50,940
در این درس در اینجا ایجاد کنیم، بنابراین
11
00:00:50,940 –> 00:00:52,590
می توانید ببینید که من تعدادی بلوک
12
00:00:52,590 –> 00:00:55,860
پشت سر خود دارم یک تیم در فصل 2018 2019
13
00:00:55,860 –> 00:00:58,829
من تیم های خود را دارم در محور x در اینجا و
14
00:00:58,829 –> 00:01:01,500
تعداد بلوکها در محور y و
15
00:01:01,500 –> 00:01:02,760
این فایلی است که میتوانید آن را در
16
00:01:02,760 –> 00:01:05,580
پاورپوینت قرار دهید که میدانید از آن در هر کجا استفاده کنید، بنابراین
17
00:01:05,580 –> 00:01:08,460
این همان چیزی است که ما میخواهیم ایجاد کنیم،
18
00:01:08,460 –> 00:01:11,850
بنابراین اجازه دهید فقط نوتبوکهای مشتری را
19
00:01:11,850 –> 00:01:14,549
در اینجا به شما نشان دهیم. و همانطور که می بینید
20
00:01:14,549 –> 00:01:17,159
تعدادی بسته وجود دارد که ما قرار
21
00:01:17,159 –> 00:01:19,830
است در اینجا در پایتون از آنها استفاده کنیم، بنابراین
22
00:01:19,830 –> 00:01:24,000
پانداها را به عنوان PD وارد می کنیم، بنابراین پانداها این
23
00:01:24,000 –> 00:01:26,040
برنامه قاتل است بنابراین برای
24
00:01:26,040 –> 00:01:28,320
آماده سازی داده، خواندن نوشتن داده ها
25
00:01:28,320 –> 00:01:31,110
برش داده ها بحث ما در
26
00:01:31,110 –> 00:01:33,509
اینجا matplotlib
27
00:01:33,509 –> 00:01:35,610
تجسم یا ترسیم ما است کتابخانه و
28
00:01:35,610 –> 00:01:38,579
سپس طرح PI مجموعه ای از
29
00:01:38,579 –> 00:01:41,340
توابع است که تغییرات را در یک
30
00:01:41,340 –> 00:01:44,040
شکل ممکن می کند، بنابراین یک شکل را به عنوان یک بوم
31
00:01:44,040 –> 00:01:45,689
در نظر بگیرید و در داخل آن بوم می توانم
32
00:01:45,689 –> 00:01:47,490
چندین طرح قرار دهم یا می توانم یک طرح را
33
00:01:47,490 –> 00:01:49,590
در این ویدیو قرار دهم که ما از آن استفاده می کنیم. یک
34
00:01:49,590 –> 00:01:52,290
نمودار و سپس سیستم عامل ماژولی است که
35
00:01:52,290 –> 00:01:54,390
استفاده از عملکرد سیستم عامل را امکان پذیر می کند،
36
00:01:54,390 –> 00:01:57,420
بنابراین در اولین سلول اینجا
37
00:01:57,420 –> 00:01:59,280
می توانید ببینید من تمام کاری که انجام می دهم این است
38
00:01:59,280 –> 00:02:01,229
که دایرکتوری پیش فرض را به جایی که
39
00:02:01,229 –> 00:02:03,780
فایل CSV من در آن قرار دارد تغییر می دهم. می توانم از
40
00:02:03,780 –> 00:02:09,330
تابع OS CH dir استفاده کنم و سپس می
41
00:02:09,330 –> 00:02:12,640
توانم دایرکتوری فعلی چاپ و نقطه سیستم عامل
42
00:02:12,640 –> 00:02:16,240
را در اینجا نشان دهم، بنابراین اگر بگویم
43
00:02:16,240 –> 00:02:18,700
اگر این راد را اجرا کنم، می توانید
44
00:02:18,700 –> 00:02:22,330
دایرکتوری فعلی من همان چیزی است که در اینجا توضیح دادم،
45
00:02:22,330 –> 00:02:27,010
بنابراین اکنون اجازه دهید در اینجا بخوانیم. فایل CSV ما
46
00:02:27,010 –> 00:02:28,959
در یک قاب داده است، بنابراین اجازه دهید
47
00:02:28,959 –> 00:02:31,750
نگاهی گذرا به فایل CSV خود بیندازیم، میتوانید ببینید
48
00:02:31,750 –> 00:02:34,150
که من یک ستون با نام تیمها در اینجا
49
00:02:34,150 –> 00:02:37,090
دارم و چندین ستون با
50
00:02:37,090 –> 00:02:38,920
آمارهای مختلف دارم.
51
00:02:38,920 –> 00:02:42,940
52
00:02:42,940 –> 00:02:45,370
این کار را انجام دادیم اما ما
53
00:02:45,370 –> 00:02:48,930
در حال رفتن هستیم g برای تجسم اندازه گیری بلوک ها
54
00:02:48,930 –> 00:02:52,239
در اینجا در این فایل CSV، بنابراین من فقط
55
00:02:52,239 –> 00:02:54,100
می خواهم این را به شما نشان دهم تا بدانید
56
00:02:54,100 –> 00:02:56,800
ما با چه چیزی کار می کنیم، بنابراین من
57
00:02:56,800 –> 00:03:00,130
یک قاب داده ایجاد می کنم و می گوییم
58
00:03:00,130 –> 00:03:07,630
قاب داده برابر است با نقطه PD خوانده شده CSV.
59
00:03:07,630 –> 00:03:11,610
عملکرد عالی در اینجا و نام فایل من
60
00:03:11,610 –> 00:03:20,350
آمار تیم NBA نقطه CSV است و ما می خواهیم
61
00:03:20,350 –> 00:03:22,870
این را در اینجا اضافه کنم و
62
00:03:22,870 –> 00:03:27,190
در یک فراخوانی شاخص دوم برابر با صفر آن را اینجا توضیح خواهم داد،
63
00:03:27,190 –> 00:03:32,440
بنابراین این نام فایل CSV من است.
64
00:03:32,440 –> 00:03:35,260
و این فراخوانی ایندکس برابر با صفر است،
65
00:03:35,260 –> 00:03:37,420
میتوانید یکی از ستونهای خود را بهعنوان شاخص
66
00:03:37,420 –> 00:03:39,579
در قاب داده تنظیم کنید که به این معنی است
67
00:03:39,579 –> 00:03:42,760
که مقادیر آن به عنوان برچسب ردیف استفاده میشود،
68
00:03:42,760 –> 00:03:45,130
بنابراین اساساً ما از این
69
00:03:45,130 –> 00:03:49,329
مقادیر به عنوان X و X برچسبها را استفاده میکنیم.
70
00:03:49,329 –> 00:03:51,670
در محور x باید در تجسم خود بگویم،
71
00:03:51,670 –> 00:03:55,870
بنابراین به
72
00:03:55,870 –> 00:03:59,530
فریم داده خود می گوییم که می خواهیم بخوانیم از
73
00:03:59,530 –> 00:04:01,870
تابع read CSV استفاده کنیم و
74
00:04:01,870 –> 00:04:04,360
در آن فایل می خوانیم و اولین و
75
00:04:04,360 –> 00:04:06,880
ایندکس تیم خواهد بود. نام خوب است پس بیایید
76
00:04:06,880 –> 00:04:09,609
نگاهی به بیایید این کار را انجام دهیم بیایید این کار را انجام دهیم، بیایید یک
77
00:04:09,609 –> 00:04:14,569
قاب داده را چاپ کنیم
78
00:04:14,569 –> 00:04:19,009
و پنج مورد من فقط می خواهم یک نگاهی بیندازم و
79
00:04:19,009 –> 00:04:21,560
مطمئن شوید که به درستی وارد می شود،
80
00:04:21,560 –> 00:04:26,660
بنابراین اگر من بروم، این را اجرا کنیم، می توانید ببینید
81
00:04:26,660 –> 00:04:29,690
که واقعاً به درستی وارد می شود،
82
00:04:29,690 –> 00:04:31,699
من تیم هایم را دارم و پنج
83
00:04:31,699 –> 00:04:35,449
ردیف اول را در آنجا نشان می دهم، آمارم را دارم و من
84
00:04:35,449 –> 00:04:37,880
خودم را دارم. بلوکها در اینجا بسیار
85
00:04:37,880 –> 00:04:40,520
عالی است، بنابراین ما بدانیم که درست کار میکند
86
00:04:40,520 –> 00:04:43,610
و بنابراین کاری که بعداً انجام میدهیم، بیایید
87
00:04:43,610 –> 00:04:47,120
این کار را انجام دهیم، یک شکل و یک
88
00:04:47,120 –> 00:04:53,090
محور برابر با pl t نقطههای فرعی
89
00:04:53,090 –> 00:04:55,070
درست میکنیم. بنابراین، باز
90
00:04:55,070 –> 00:04:57,620
هم آنچه در مورد محورهای فیگورین فیگورهایی
91
00:04:57,620 –> 00:05:01,300
مانند بوم شما و محورهای شما
92
00:05:01,300 –> 00:05:04,460
گفتم، زیربخش هایی در آن شکل هستند
93
00:05:04,460 –> 00:05:08,949
و هر محور از یک یا چند
94
00:05:08,949 –> 00:05:12,830
محور جداگانه مانند یک محور x یا یک محور y به
95
00:05:12,830 –> 00:05:14,060
سمت راست تشکیل شده است،
96
00:05:14,060 –> 00:05:17,900
بنابراین ما آن را تعریف می کنیم و سپس
97
00:05:17,900 –> 00:05:21,110
میخواهم بگوییم تبر روی
98
00:05:21,110 –> 00:05:23,960
نوار نقطهای محورهایمان خوب است، ما یک نمودار میلهای میخواهیم
99
00:05:23,960 –> 00:05:26,510
و سپس چه چیزی را به
100
00:05:26,510 –> 00:05:29,720
آن نمودار میلهای پاس میدهیم،
101
00:05:29,720 –> 00:05:33,590
دوباره در فهرست نقطهای قاب داده عبور میدهیم، یک X و
102
00:05:33,590 –> 00:05:37,490
یک مقدار x میگیرد. که ایندکس ما است که
103
00:05:37,490 –> 00:05:40,159
گفتیم نام تیم است و به چیزی نیاز داریم که
104
00:05:40,159 –> 00:05:43,550
روی محور y رسم کنیم بنابراین چارچوب داده ما
105
00:05:43,550 –> 00:05:45,349
یا من میتوانم از D استفاده کنم اگر باید
106
00:05:45,349 –> 00:05:46,880
آن را به این شکل تعریف میکردم، اما خوب است،
107
00:05:46,880 –> 00:05:48,050
میخواهم صریح بگویم،
108
00:05:48,050 –> 00:05:52,060
بنابراین نام فیلد ما سیاه بود، بنابراین
109
00:05:52,060 –> 00:05:57,020
اگر قرار بود نقطه PLT را انجام دهم، نشان میدهم که این
110
00:05:57,020 –> 00:05:57,830
زیبا نیست
111
00:05:57,830 –> 00:05:59,690
و این چیزی است که ما تا
112
00:05:59,690 –> 00:06:01,760
به حال با آن کار می کنیم.
113
00:06:01,760 –> 00:06:05,389
114
00:06:05,389 –> 00:06:08,990
115
00:06:08,990 –> 00:06:11,240
116
00:06:11,240 –> 00:06:15,409
ما
117
00:06:15,409 –> 00:06:17,919
این را برطرف میکنیم، بنابراین میخواهم اکنون
118
00:06:17,919 –> 00:06:21,699
بگویم تبر خوب اول از همه بیایید این
119
00:06:21,699 –> 00:06:25,259
کار را انجام دهیم بیایید مقادیر خود را مرتب کنیم، میتوانم بگویم
120
00:06:25,259 –> 00:06:29,139
قبل از اینکه همه چیز را نشان دهم، بیایید
121
00:06:29,139 –> 00:06:38,139
اینجا پشتیبانگیری کنیم. میتوانم بگویم قاب داده برابر قاب داده
122
00:06:38,139 –> 00:06:44,080
مرتبسازی نقطهای مقادیر درست من میخواهم
123
00:06:44,080 –> 00:06:46,810
این مقادیر را مرتب کنم، بنابراین میخواهیم چه چیزی را
124
00:06:46,810 –> 00:06:49,870
میخواهیم مرتب کنیم، میخواهیم مرتبسازی کنیم
125
00:06:49,870 –> 00:06:59,949
ستون خوب و صعودی برابر نادرست،
126
00:06:59,949 –> 00:07:02,020
بسیار خوب است، بنابراین بیایید ببینیم که
127
00:07:02,020 –> 00:07:05,800
چگونه این عالی را برای ما اجرا کنیم، بنابراین اکنون حداقل
128
00:07:05,800 –> 00:07:09,339
دادههایمان را تا حدی
129
00:07:09,339 –> 00:07:11,439
منسجم داریم، بنابراین اکنون باید از این
130
00:07:11,439 –> 00:07:14,770
وضعیت مراقبت کنیم.
131
00:07:14,770 –>