در این مطلب، ویدئو پروژه پایتون در تجزیه و تحلیل داده های فوتبال | یادگیری عالی 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: 00:57:15
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:21,199 –> 00:00:23,519
سلام به همه،
2
00:00:23,519 –> 00:00:26,160
من به همه شما در این جلسه زنده با ایجاد یادگیری خوش آمد می گویم،
3
00:00:26,160 –> 00:00:28,840
4
00:00:28,840 –> 00:00:32,159
بنابراین اوه، یک
5
00:00:32,159 –> 00:00:35,600
بعدازظهر شنبه است و من واقعا خوشحالم
6
00:00:35,600 –> 00:00:36,719
که همه
7
00:00:36,719 –> 00:00:39,520
شما مطمئناً خود را در یک شنبه ارتقا می دهید
8
00:00:39,520 –> 00:00:40,559
9
00:00:40,559 –> 00:00:44,399
و اوم در واقع آه،
10
00:00:44,399 –> 00:00:46,640
می دانید که واقعاً احساس خوبی به ما می دهد
11
00:00:46,640 –> 00:00:47,600
اینکه
12
00:00:47,600 –> 00:00:50,480
شما روی حرفه خود متمرکز هستید
13
00:00:50,480 –> 00:00:51,120
14
00:00:51,120 –> 00:00:53,600
و می خواهید حتی در تعطیلات آخر هفته بیشتر بیاموزید،
15
00:00:53,600 –> 00:00:55,199
16
00:00:55,199 –> 00:00:57,440
بنابراین از همه افرادی که در
17
00:00:57,440 –> 00:00:59,120
این جلسه در حال حاضر شرکت
18
00:00:59,120 –> 00:01:02,879
می کنند بسیار سپاسگزارم و اوه
19
00:01:02,879 –> 00:01:05,920
دوباره یک چیز بسیار معمول است،
20
00:01:05,920 –> 00:01:08,400
بنابراین فقط به من اطلاع دهید اگر میتوانید صفحه من را ببینید
21
00:01:08,400 –> 00:01:08,960
22
00:01:08,960 –> 00:01:12,000
و اگر صدای من را میشنوید، فقط
23
00:01:12,000 –> 00:01:13,760
در چت تأیید کنید که آیا
24
00:01:13,760 –> 00:01:16,400
همه چیز درست است یا نه
25
00:01:16,400 –> 00:01:20,400
و در همین حین میخواهم شما
26
00:01:20,400 –> 00:01:21,439
را در مورد
27
00:01:21,439 –> 00:01:24,479
پلتفرم یادگیری رایگان آموزش
28
00:01:24,479 –> 00:01:27,119
عالی به نام آکادمی یادگیری عالی مطلع کنم.
29
00:01:27,119 –> 00:01:29,200
بنابراین این یک آکادمی یادگیری عالی است که درست
30
00:01:29,200 –> 00:01:30,720
در مقابل شماست
31
00:01:30,720 –> 00:01:33,200
و در اینجا خواهید دید که
32
00:01:33,200 –> 00:01:34,479
آکادمی یادگیری عالی
33
00:01:34,479 –> 00:01:38,240
دوره های متعددی را با توجه به یادگیری ماشینی علم داده ارائه می دهد که
34
00:01:38,240 –> 00:01:40,799
35
00:01:40,799 –> 00:01:41,600
رایانش ابری
36
00:01:41,600 –> 00:01:44,479
داده های بزرگ بازاریابی دیجیتال و شما همچنین
37
00:01:44,479 –> 00:01:44,880
38
00:01:44,880 –> 00:01:48,159
تعداد زیادی دوره دیگر در دسترس دارید و
39
00:01:48,159 –> 00:01:50,000
همه این دوره ها توسط متخصصان صنعت ایجاد شده اند
40
00:01:50,000 –> 00:01:51,759
41
00:01:51,759 –> 00:01:53,759
و پس از اتمام این دوره
42
00:01:53,759 –> 00:01:55,439
ها گواهینامه دریافت می کنید
43
00:01:55,439 –> 00:01:57,920
و می توانید ادامه دهید و آن
44
00:01:57,920 –> 00:01:58,799
گواهی
45
00:01:58,799 –> 00:02:01,280
را در صفحه لینکدین یا رزومه خود اضافه کنید.
46
00:02:01,280 –> 00:02:02,719
47
00:02:02,719 –> 00:02:06,880
برای شما عزیزان ارزش بسیار زیادی خواهد داشت
48
00:02:06,880 –> 00:02:09,758
و اوه شما می توانید
49
00:02:09,758 –> 00:02:11,280
پیوند آکادمی یادگیری عالی را
50
00:02:11,280 –> 00:02:14,480
در چت پیدا کنید، بنابراین فردی از تیم یادگیری عالی
51
00:02:14,480 –> 00:02:16,400
52
00:02:16,400 –> 00:02:18,319
لینک آکادمی یادگیری عالی را در
53
00:02:18,319 –> 00:02:19,520
اینجا قرار دهد
54
00:02:19,520 –> 00:02:22,640
و همچنین اجازه دهید بگوییم اگر
55
00:02:22,640 –> 00:02:24,640
لپ تاپ خود را در حال حاضر همراه خود
56
00:02:24,640 –> 00:02:26,720
ندارید و می خواهید از طریق تلفن یاد بگیرید،
57
00:02:26,720 –> 00:02:27,680
58
00:02:27,680 –> 00:02:30,560
ما همچنین برنامه یادگیری عالی را داریم، بنابراین
59
00:02:30,560 –> 00:02:32,480
می توانید برنامه یادگیری عالی را دانلود کنید
60
00:02:32,480 –> 00:02:34,480
و می توانید همه این دوره ها را از آنجا یاد بگیرید،
61
00:02:34,480 –> 00:02:36,879
62
00:02:36,879 –> 00:02:40,560
بنابراین هدف ماست این است که
63
00:02:40,560 –> 00:02:42,480
همه این فن آوری های جدید را از طریق
64
00:02:42,480 –> 00:02:44,560
هر وسیله
65
00:02:44,560 –> 00:02:46,400
ای که می توانیم به شما ارائه دهیم و به همین دلیل است که ما
66
00:02:46,400 –> 00:02:48,560
یک آکادمی یادگیری عالی و همچنین برنامه ای
67
00:02:48,560 –> 00:02:51,040
برای آکادمی یادگیری عالی در اختیار شما قرار می دهیم
68
00:02:51,040 –> 00:02:54,160
و اوه من این جلسه را می خواهم بسیار
69
00:02:54,160 –> 00:02:56,480
تعاملی باشد، بنابراین اگر در مورد
70
00:02:56,480 –> 00:02:57,599
پیشنهادی
71
00:02:57,599 –> 00:02:59,920
هر سوالی شک دارید، می توانید ادامه دهید و
72
00:02:59,920 –> 00:03:01,360
آنها را در چت مطرح کنید
73
00:03:01,360 –> 00:03:03,920
، مطمئن باشید که
74
00:03:03,920 –> 00:03:05,200
75
00:03:05,200 –> 00:03:08,560
در یک ساعت از زمانی که ما داریم به هر تعداد سوال پاسخ
76
00:03:08,560 –> 00:03:12,080
خواهم داد. این یادداشت برای همه افرادی
77
00:03:12,080 –> 00:03:12,959
که
78
00:03:12,959 –> 00:03:15,280
تازه وارد کانال ما شدهاند و هنوز مشترک نشدهاند،
79
00:03:15,280 –> 00:03:16,720
80
00:03:16,720 –> 00:03:18,480
لطفاً کانال یوتیوب ما را سابسکرایب کنید
81
00:03:18,480 –> 00:03:20,640
و همچنین روی نماد زنگ کلیک کنید،
82
00:03:20,640 –> 00:03:23,680
زیرا هر زمان
83
00:03:23,680 –> 00:03:26,000
که ویدیوهای جدید و همچنین ویدیوهای جدید خود را پیدا کردیم به شما اطلاع داده
84
00:03:26,000 –> 00:03:28,879
میشود. ما را تشویق می کند که به
85
00:03:28,879 –> 00:03:29,920
طور منظم
86
00:03:29,920 –> 00:03:33,040
در این جلسات زنده شرکت کنیم و همچنین
87
00:03:33,040 –> 00:03:35,440
آموزش های جامع را آپلود کنیم تا
88
00:03:35,440 –> 00:03:37,519
یادگیری شما هرگز متوقف نشود،
89
00:03:37,519 –> 00:03:39,519
بنابراین لطفاً عضو شوید همچنین
90
00:03:39,519 –> 00:03:40,959
نماد زنگ را بزنید و
91
00:03:40,959 –> 00:03:44,560
اگر این جلسات را دوست دارید لطفاً این جلسات
92
00:03:44,560 –> 00:03:47,599
را با همسالان خود یا با دوستان خود به اشتراک بگذارید
93
00:03:47,599 –> 00:03:48,560
94
00:03:48,560 –> 00:03:51,200
تا حتی آنها می توانند اوه شما می
95
00:03:51,200 –> 00:03:52,799
دانید حتی آنها می
96
00:03:52,799 –> 00:03:55,120
توانند به کانال ما بیایند و همه
97
00:03:55,120 –> 00:03:56,959
این دوره ها را یاد بگیرند
98
00:03:56,959 –> 00:04:00,480
و همچنین اگر هنوز ویدیو را لایک نکرده اید
99
00:04:00,480 –> 00:04:03,760
لطفاً این کار را انجام دهید تا
100
00:04:03,760 –> 00:04:05,840
ببینم که 72 تماشا شده است و
101
00:04:05,840 –> 00:04:07,439
ما فقط داریم
102
00:04:07,439 –> 00:04:10,640
19 پسندیده است اگر بتوانید به سرعت
103
00:04:10,640 –> 00:04:12,400
تا 72 لایک دریافت کنید
104
00:04:12,400 –> 00:04:15,120
، بسیار قابل قدردانی خواهد بود، بنابراین اگر
105
00:04:15,120 –> 00:04:16,720
بتوانید در پنج دقیقه آینده تعداد لایک ها را به
106
00:04:16,720 –> 00:04:19,440
72 برسانید،
107
00:04:19,440 –> 00:04:21,279
شگفت انگیز خواهد بود،
108
00:04:21,279 –> 00:04:23,840
بنابراین ما با
109
00:04:23,840 –> 00:04:25,759
جلسه
110
00:04:25,759 –> 00:04:29,360
امروز شروع می کنیم و امروز یک مجموعه داده فوتبال
111
00:04:29,360 –> 00:04:31,680
از مجموعه داده های فیفا داشته باشید و ما مجموعه داده های
112
00:04:31,680 –> 00:04:34,560
فیفا 2020 را کاوش
113
00:04:34,560 –> 00:04:36,479
خواهیم کرد و قبل از اینکه واقعاً
114
00:04:36,479 –> 00:04:38,639
تجزیه و تحلیل داده های اکتشافی را انجام
115
00:04:38,639 –> 00:04:41,520
دهیم، اجازه دهید در واقع در
116
00:04:41,520 –> 00:04:43,520
مورد تعداد کمی از کتابخانه هایی که
117
00:04:43,520 –> 00:04:45,360
از oshio استفاده می کنند یاد بگیریم،
118
00:04:45,360 –> 00:04:48,000
بنابراین من به سرعت باز خواهم شد.
119
00:04:48,000 –> 00:04:51,280
ارائه خود را در اینجا بالا
120
00:04:53,360 –> 00:04:55,600
121
00:04:55,600 –> 00:04:56,560
122
00:04:56,560 –> 00:04:59,919
ببرید، بنابراین ما به چند کتابخانه به نامهای numpy pandas و matplotlib نیاز داریم،
123
00:04:59,919 –> 00:05:01,440
زیرا اینها کتابخانههایی هستند که
124
00:05:01,440 –> 00:05:03,199
ما از آنها برای انجام
125
00:05:03,199 –> 00:05:04,960
تجزیه و تحلیل دادههای اکتشافی استفاده خواهیم کرد،
126
00:05:04,960 –> 00:05:07,440
بنابراین در اینجا همانطور که میبینید ابتدا
127
00:05:07,440 –> 00:05:09,520
با numpy شروع میکنیم که مخفف عبارت است.
128
00:05:09,520 –> 00:05:12,240
پایتون عددی و برای
129
00:05:12,240 –> 00:05:13,600
انجام
130
00:05:13,600 –> 00:05:16,240
محاسبات عددی و محاسبات علمی
131
00:05:16,240 –> 00:05:17,759
استفاده می شود
132
00:05:17,759 –> 00:05:19,919
و اکنون هر زمان که با
133
00:05:19,919 –> 00:05:21,759
داده ها سروکار دارید باید
134
00:05:21,759 –> 00:05:24,479
داده های زیادی را در چیزی ذخیره کنید تا برای این
135
00:05:24,479 –> 00:05:25,520
منظور
136
00:05:25,520 –> 00:05:28,160
numpy آرایههای numpy تک بعدی
137
00:05:28,160 –> 00:05:28,840
و
138
00:05:28,840 –> 00:05:31,840
چند بعدی را در اختیار شما قرار میدهد
139
00:05:31,840 –> 00:05:34,400
و حالا بیایید ببینیم چگونه
140
00:05:34,400 –> 00:05:36,160
این آرایههای numpy را با
141
00:05:36,160 –> 00:05:38,560
استفاده از این کتابخانه
142
00:05:38,560 –> 00:05:39,840
143
00:05:39,840 –> 00:05:42,240
144
00:05:42,240 –> 00:05:43,280
ایجاد کنیم.
145
00:05:43,280 –> 00:05:45,840
اوه یا آرایه numpy تک بعدی ایجاد کنید
146
00:05:45,840 –> 00:05:47,440
147
00:05:47,440 –> 00:05:50,320
و ابتدا پیش می رویم و کتابخانه numpy را وارد می
148
00:05:50,320 –> 00:05:51,600
کنیم،
149
00:05:51,600 –> 00:05:54,880
بنابراین import numpy را
150
00:05:54,880 –> 00:05:58,240
به عنوان np می نویسم و زمانی که numpy
151
00:05:58,240 –> 00:06:01,120
را وارد کردیم، باید یک آرایه numpy ساده ایجاد کن
152
00:06:01,120 –> 00:06:01,759
153
00:06:01,759 –> 00:06:05,199
، بنابراین می نویسم آرایه نقطهای np را پایین میآورم
154
00:06:05,199 –> 00:06:08,240
و در داخل آن
155
00:06:08,240 –> 00:06:11,039
فهرستی از مقادیر را ارسال میکنم، بنابراین در اینجا
156
00:06:11,039 –> 00:06:12,240
میبینید
157
00:06:12,240 –> 00:06:15,280
که i در 10 20 30 و 40 پاس
158
00:06:15,280 –> 00:06:17,440
159
00:06:17,440 –> 00:06:20,800
کردهام و در این شی به نام n1 ذخیره کردهام و آن را چاپ کردهام
160
00:06:20,800 –> 00:06:23,120
پس وقتی چاپ کردن n1 من این
161
00:06:23,120 –> 00:06:24,560
مقادیر
162
00:06:24,560 –> 00:06:28,000
10 20 30 و 40 را دارم، بنابراین این فقط یک
163
00:06:28,000 –> 00:06:30,479
آرایه تک بعدی ساده است که
164
00:06:30,479 –> 00:06:32,720
ما ایجاد کردهایم،
165
00:06:32,720 –> 00:06:36,360
سپس ادامه میدهیم و یک
166
00:06:36,360 –> 00:06:39,360
آرایه numpy چند بعدی ایجاد میکنیم تا
167
00:06:39,360 –> 00:06:42,160
یک آرایه numpy چند بعدی ایجاد
168
00:06:42,160 –> 00:06:45,360
کنیم. آرایه نقطهای np را در داخل
169
00:06:45,360 –> 00:06:45,680
170
00:06:45,680 –> 00:06:49,039
آن ببینید در لیستی از لیست ها عبور
171
00:06:49,039 –> 00:06:51,120
کنید بنابراین در اینجا می بینید که من لیست بیرونی را دارم
172
00:06:51,120 –> 00:06:53,280
و در داخل آن
173
00:06:53,280 –> 00:06:57,520
دو لیست دیگر دارم، بنابراین لیست داخلی که
174
00:06:57,520 –> 00:07:01,360
دارم اول 10 20 30 و 40
175
00:07:01,360 –> 00:07:04,479
دارم سپس 40 30 20 و 10 دارم.
176
00:07:04,479 –> 00:07:06,639
بنابراین اینجا وقتی از این دو لیست عبور
177
00:07:06,639 –> 00:07:07,680
می کنم، می بینید که
178
00:07:07,680 –> 00:07:10,240
در این آرایه numpy، ردیف اول
179
00:07:10,240 –> 00:07:11,840
از
180
00:07:11,840 –> 00:07:13,840
این مقادیر در ردیف دوم
181
00:07:13,840 –> 00:07:15,199
شامل این مقادیر است
182
00:07:15,199 –> 00:07:17,360
و اینگونه است که ما یک آرایه numpy دو بعدی ایجاد کرده ایم
183
00:07:17,360 –> 00:07:19,599
184
00:07:19,599 –> 00:07:23,199
و حالا بیایید جلو برویم و
185
00:07:23,199 –> 00:07:25,360
ایجاد کنیم.
186
00:07:25,360 –> 00:07:28,160
آرایه های numpy تک بعدی و چند بعدی،
187
00:07:28,160 –> 00:07:31,520
بنابراین من به نوت بوک jupyter می روم
188
00:07:31,520 –> 00:07:34,560
و یک نوت بوک جدید در
189
00:07:34,560 –> 00:07:36,000
اینجا می
190
00:07:36,000 –> 00:07:39,440
191
00:07:39,440 –> 00:07:43,120
192
00:07:43,120 –> 00:07:46,240
سازم و اجازه می دهم سریعا import numpy را به عنوان np یادداشت کنم
193
00:07:46,240 –> 00:07:49,759
و فقط منتظر بمانیم تا این
194
00:07:49,759 –> 00:07:52,240
کتابخانه بارگیری
195
00:07:52,800 –> 00:07:55,440
شود. یک آرایه ایجاد می کند، بنابراین من آرایه np dot را می نویسم
196
00:07:55,440 –> 00:07:56,479
197
00:07:56,479 –> 00:07:58,400
و در داخل آن فقط لی
198
00:07:58,400 –> 00:08:00,800
تی از مقادیر را ارسال می کنم، بنابراین این خواهد بود، ف
199
00:08:00,800 –> 00:08:03,680
ض کنید من فقط یک دو سه چه
200
00:08:03,680 –> 00:08:04,160
ر و پ
201
00:08:04,160 –> 00:08:07,520
ج پاس می دهم و سپس ادامه می ده
202
00:08:07,520 –> 00:08:09,120
و آن را ذخیره می کنم در این شی به نام
203
00:08:09,120 –> 00:08:12,400
n1 سپس آن را چاپ می
204
00:08:12,400 –> 00:08:15,440
کنم n1 چیزی است که من دارم، سپس اجازه دهید من بروم
205
00:08:15,440 –> 00:08:17,680
و نوع آن را بررسی کنم، بنابراین نوع
206
00:08:17,680 –> 00:08:18,160
207
00:08:18,160 –> 00:08:21,039
n1 که در هنگام اجرا ضربه می زنم، می بینید که
208
00:08:21,039 –> 00:08:21,520
این یک
209
00:08:21,520 –> 00:08:24,639
آرایه numpy nd است، بنابراین در اینجا
210
00:08:24,639 –> 00:08:26,720
آرایه nd و این آرایه n بعدی
211
00:08:26,720 –> 00:08:28,240
چیست و چیست؟ بعد در
212
00:08:28,240 –> 00:08:30,639
اینجا تک بعدی است،
213
00:08:30,639 –> 00:08:34,559
بنابراین اجازه دهید من ادامه دهم و یک
214
00:08:34,559 –> 00:08:36,640
آرایه numpy دوبعدی ایجاد کنم، بنابراین همان
215
00:08:36,640 –> 00:08:37,200
فرآیند
216
00:08:37,200 –> 00:08:40,559
کاری که باید انجام دهم این است که آرایه نقطهای np را بنویسم
217
00:08:40,559 –> 00:08:44,159
و در داخل آن، ای
218
00:08:44,159 –> 00:08:47,360
لیست بیرونی را ایجاد میکنم. من این را
219
00:08:47,360 –> 00:08:50,399
در یک لیست در اینجا ایجاد خواهم کرد و
220
00:08:50,399 –> 00:08:53,200
همچنین لیست دوم را اکنون در لیست اول ایجاد
221
00:08:53,200 –> 00:08:54,880
خواهم کرد. اجازه دهید فقط
222
00:08:54,880 –> 00:08:58,240
مقادیری تصادفی را در
223
00:08:58,240 –> 00:08:58,640
اینجا منتقل
224
00:08:58,640 –> 00:09:02,320
کنم بنابراین من 5 3 7 3 1
225
00:09:02,320 –> 00:09:02,880
226
00:09:02,880 –> 00:09:06,160
را داده ام. فقط 5 مقدار تصادفی را وارد کنید
227
00:09:06,160 –> 00:09:06,480
228
00:09:06,480 –> 00:09:09,519
که 4 شش یک دو سه هستند و من ادامه می دهم
229
00:09:09,519 –> 00:09:11,839
و آن را در این شی به نام
230
00:09:11,839 –> 00:09:12,160
231
00:09:12,160 –> 00:09:15,680
n2 ذخیره می کنم و run را می
232
00:09:15,680 –> 00:09:19,760
233
00:09:19,760 –> 00:09:20,839
234
00:09:20,839 –> 00:09:25,680
زنم بنابراین باید کوچک باشد اکنون دوباره این را اجرا می کنم و اجازه می دهم n2 را برای شما پرینت بگیرید
235
00:09:25,680 –> 00:09:28,000
و همانطور که می بینید من این
236
00:09:28,000 –> 00:09:29,200
آرایه دو بعدی
237
00:09:29,200 –> 00:09:30,959
را ایجاد کردم که مقادیری در این l اول وجود دارد.
238
00:09:30,959 –> 00:09:32,399
239
00:09:32,399 –> 00:09:34,560
به عنوان ردیف اول
240
00:09:34,560 –> 00:09:36,480
در اینجا ذخیره شده است و مقادیری که
241
00:09:36,480 –> 00:09:38,080
در لیست دوم وجود دارد در ردیف دوم در اینجا ذخیره شده اند،
242
00:09:38,080 –> 00:09:39,040
243
00:09:39,040 –> 00:09:41,600
چیزهای بسیار ساده ای
244
00:09:41,600 –> 00:09:43,360
که در اینجا پیچیده نیستند، بنابراین ما به تازگی
245
00:09:43,360 –> 00:09:44,240
یاد گرفتیم که چگونه
246
00:09:44,240 –> 00:09:47,600
یک آرایه numpy ساده ایجاد کنیم.
247
00:09:47,600 –> 00:09:51,360
اکنون خواهیم دید که چگونه یک آرایه numpy ایجاد کنیم
248
00:09:51,360 –> 00:09:53,680
که در آن همه مقادیر برابر
249
00:09:53,680 –> 00:09:54,320
با
250
00:09:54,320 –> 00:09:57,519
صفر هستند، بنابراین بیایید بگوییم اگر یک
251
00:09:57,519 –> 00:09:58,720
آرایه numpy با مجموعه ای از
252
00:09:58,720 –> 00:10:00,560
ابعاد خاص می خواهید و همه مقادیر
253
00:10:00,560 –> 00:10:01,920
باید برابر با صفر باشند
254
00:10:01,920 –> 00:10:03,839
برای این منظور ما از این
255
00:10:03,839 –> 00:10:04,959
متد به نام
256
00:10:04,959 –> 00:10:08,560
صفر استفاده می کنیم و در اینجا همانطور که می بینید دوباره
257
00:10:08,560 –> 00:10:11,120
کتابخانه را وارد می کنیم و سپس
258
00:10:11,120 –> 00:10:11,920
از
259
00:10:11,920 –> 00:10:14,880
روش صفر استفاده می کنیم بنابراین np dot
260
00:10:14,880 –> 00:10:15,680
صفرها را یادداشت می کنم
261
00:10:15,680 –> 00:10:18,720
و در داخل آن همانطور که می بینید
262
00:10:18,720 –> 00:10:21,600
ابعاد را تنظیم می کنم تا ابعاد را
263
00:10:21,600 –> 00:10:22,880
یک کاما دو
264
00:10:22,880 –> 00:10:24,959
که اساساً به این معنی است که من یک آرایه numpy می خواهم
265
00:10:24,959 –> 00:10:26,399
266
00:10:26,399 –> 00:10:29,600
که ابعاد آن یک دو،
267
00:10:29,600 –> 00:10:33,040
پس یک ردیف دو ستون باشد و این را
268
00:10:33,040 –> 00:10:33,519
ادامه می دهم
269
00:10:33,519 –> 00:10:37,040
و در این شی به نام n one ذخیره می
270
00:10:37,040 –> 00:10:39,920
کنم سپس n یکی را در اینجا چاپ می کنم و همانطور
271
00:10:39,920 –> 00:10:42,640
که می بینید من ایجاد کرده ام یک آرایه یک متقاطع دو
272
00:10:42,640 –> 00:10:43,200
numpy
273
00:10:43,200 –> 00:10:47,279
که در آن مقادیر برابر با صفر هستند، به
274
00:10:47,279 –> 00:10:49,600
طور مشابه اگر من بخواهم
275
00:10:49,600 –> 00:10:51,360
یک آرایه متقاطع فی ایجاد
276
00:10:51,360 –> 00:10:55,519
کنم، مطمئن شوید که صفرهای np
277
00:10:55,519 –> 00:10:58,560
را در داخل آن می بینید، من در فی کاما فی می نویسم و
278
00:10:58,560 –> 00:11:00,000
ی این را چاپ می کنم، این کار را انجام می دهید. بب
279
00:11:00,000 –> 00:11:02,160
که من یک آرایه فی متقاطع فی نومپی ایجاد کرده
280
00:11:02,160 –> 00:11:04,240
ام که در آن همه مقادیر
281
00:11:04,240 –> 00:11:05,200
برابر با
282
00:11:05,200 –> 00:11:08,959
صفر هستند، اجازه دهید به عقب برگردم
283
00:11:08,959 –> 00:11:10,800
و من فقط به سرعت یک نظر در
284
00:11:10,800 –> 00:11:12,640
اینجا اضافه می کنم، صفرهای نقطه p را می نویسم
285
00:11:12,640 –> 00:11:16,160
286
00:11:16,399 –> 00:11:20,000
و چه کاری انجام خواهم داد. اجازه دهید در واقع
287
00:11:20,000 –> 00:11:20,640
اکنون از این در
288
00:11:20,640 –> 00:11:22,800
داخل این استفاده کنم، بیایید بگوییم اگر می
289
00:11:22,800 –> 00:11:24,240
خواهم یک
290
00:11:24,240 –> 00:11:26,480
آرایه متقاطع سه عددی ایجاد کنم که همه
291
00:11:26,480 –> 00:11:28,160
مقادیر برابر با صفر هستند
292
00:11:28,160 –> 00:11:30,399
و شاید فقط آن را در این
293
00:11:30,399 –> 00:11:31,360
شی به نام
294
00:11:31,360 –> 00:11:35,200
n0 ذخیره کنم، حالا اجازه دهید چاپ کنم n0 را برای شما بچه ها بیرون بیاورید
295
00:11:35,200 –> 00:11:36,800
و خواهید دید که این یک
296
00:11:36,800 –> 00:11:38,720
آرایه متقاطع سه عددی است که در آن همه
297
00:11:38,720 –> 00:11:40,079
مقادیر برابر با
298
00:11:40,079 –> 00:11:44,880
صفر هستند، چیزهای بسیار ساده ای در اینجا
299
00:11:44,880 –> 00:11:48,240
اکنون این یک مقدمه کوتاه برای
300
00:11:48,240 –> 00:11:50,240
numpy است، سپس ما نیز با
301
00:11:50,240 –> 00:11:51,839
این کتابخانه کار خواهیم کرد. به عنوان پاندا نامیده می شوند
302
00:11:51,839 –> 00:11:54,839
و بیایید به سرعت به سمت
303
00:11:54,839 –> 00:11:56,399
آن
304
00:11:56,399 –> 00:11:58,880
برویم اجازه دهید من به سرعت پانداها را باز کنم تا همانطور
305
00:11:58,880 –> 00:11:59,839
که می بینید
306
00:11:59,839 –> 00:12:02,160
pandas دوباره یک کتابخانه است که
307
00:12:02,160 –> 00:12:04,959
برای دستکاری داده ها و جدال داده ها استفاده می شود،
308
00:12:04,959 –> 00:12:06,880
بنابراین اگر می خواهید هر نوع دعوای داده را انجام دهید،
309
00:12:06,880 –> 00:12:08,079
310
00:12:08,079 –> 00:12:11,120
پاندا باید به کتابخانه بروید تا
311
00:12:11,120 –> 00:12:13,680
numpy یک بعدی را برای ما فراهم کند. و
312
00:12:13,680 –> 00:12:15,519
آرایه های چند بعدی
313
00:12:15,519 –> 00:12:17,600
پانداها همچنین ساختارهای داده تک
314
00:12:17,600 –> 00:12:18,880
بعدی و
315
00:12:18,880 –> 00:12:21,760
چند بعدی را ارائه می دهند و
316
00:12:21,760 –> 00:12:24,000
آن ساختارهای داده تک بعدی
317
00:12:24,000 –> 00:12:25,839
در پانداها به عنوان
318
00:12:25,839 –> 00:12:27,839
اشیاء سری و اشیاء چند بعدی
319
00:12:27,839 –> 00:12:29,040
به عنوان قاب های داده شناخته می شوند،
320
00:12:29,040 –> 00:12:31,600
بنابراین اجازه دهید شروع کنیم.
321
00:12:31,600 –> 00:12:32,800
با شیء سری،
322
00:12:32,800 –> 00:12:34,720
شیء سری واقعاً
323
00:12:34,720 –> 00:12:36,079
324
00:12:36,079 –> 00:12:38,079
از نظر سخنرانی امروز چندان مهم نیست،
325
00:12:38,079 –> 00:12:39,920
اما باز هم من فقط به
326
00:12:39,920 –> 00:12:41,760
شما دوستان معرفی مختصری از چیستی
327
00:12:41,760 –> 00:12:42,240
328
00:12:42,240 –> 00:12:46,000
شیء سری میدهم، بنابراین یک آرایه برچسبدار تک بعدی است.
329
00:12:46,000 –> 00:12:49,120
330
00:12:49,120 –> 00:12:51,279
شما
331
00:12:51,279 –> 00:12:52,720
برچسب نداشتید فقط یک آرایه ساده بود
332
00:12:52,720 –> 00:12:54,800
وقتی صحبت از یک شی سری
333
00:12:54,800 –> 00:12:56,399
می شود یک آرایه برچسب دار است
334
00:12:56,399 –> 00:12:58,880
و دوباره این یک بعد است
335
00:12:58,880 –> 00:12:59,600
و
336
00:12:59,600 –> 00:13:01,519
برای اولین بار کار می کند با سری باید
337
00:13:01,519 –> 00:13:02,959
338
00:13:02,959 –> 00:13:05,920
کتابخانه pandas را وارد کنم، بنابراین من import
339
00:13:05,920 –> 00:13:07,040
pandas را به عنوان
340
00:13:07,040 –> 00:13:10,880
pd یادداشت می کنم، پس از وارد کردن این، به
341
00:13:10,880 –> 00:13:13,920
یک سری از روش ها نیاز دارم، بنابراین من
342
00:13:13,920 –> 00:13:14,399
343
00:13:14,399 –> 00:13:17,920
سری pd dot را می نویسم، بنابراین در اینجا باید به خاطر
344
00:13:17,920 –> 00:13:18,800
داشته باشید که
345
00:13:18,800 –> 00:13:21,279
s دارای برای اینکه سرمایه باشد و داخل آن
346
00:13:21,279 –> 00:13:23,440
از لیست مقادیر عبور می کنم که یک
347
00:13:23,440 –> 00:13:25,360
دو سه چهار و پنج هستند
348
00:13:25,360 –> 00:13:27,440
و این را ادامه می دهم و در این
349
00:13:27,440 –> 00:13:28,399
شی به نام
350
00:13:28,399 –> 00:13:31,040
s1 ذخیره می کنم و وقتی این را چاپ می کنم می
351
00:13:31,040 –> 00:13:33,200
بینید که این مقادیر را چاپ کرده ام.
352
00:13:33,200 –> 00:13:34,000
و شما این
353
00:13:34,000 –> 00:13:36,320
برچسب ها را در سمت چپ دارید، این برچسب ها
354
00:13:36,320 –> 00:13:37,839
چیزی جز شاخص نیستند،
355
00:13:37,839 –> 00:13:40,480
بنابراین در شاخص 0 شما مقدار 1 شاخص
356
00:13:40,480 –> 00:13:41,760
1 را دارید، مقدار 2
357
00:13:41,760 –> 00:13:44,320
شاخص 2 را دارید، مقدار 3 و غیره را دارید
358
00:13:44,320 –> 00:13:45,839
و وقتی نوع این را بررسی می کنید
359
00:13:45,839 –> 00:13:48,480
نوع s1 این به شما میگوید که یک
360
00:13:48,480 –> 00:13:51,040
سری نقطهای از سری pandas dot است
361
00:13:51,040 –> 00:13:51,440
که در
362
00:13:51,440 –> 00:13:53,760
اصل به این معنی است که این یک
363
00:13:53,760 –> 00:13:55,839
شی سری است،
364
00:13:55,839 –> 00:13:58,880
اجازه دهید به عقب برگردم و نظری
365
00:13:58,880 –> 00:13:59,920
را در اینجا اضافه کنم،
366
00:13:59,920 –> 00:14:03,760
سری پانداها را یادداشت
367
00:14:03,760 –> 00:14:06,800
کنم و خواهم داشت. برای وارد کردن پانداها در اینجا،
368
00:14:06,800 –> 00:14:11,360
بنابراین من پانداهای وارداتی را به عنوان صفحه یادداشت می کنم d
369
00:14:11,360 –> 00:14:13,279
اکنون دوباره منتظر
370
00:14:13,279 –> 00:14:16,079
بمانیم تا این کتابخانه بارگیری شود
371
00:14:16,079 –> 00:14:17,920
و در حین بارگذاری این کتابخانه اجازه دهید
372
00:14:17,920 –> 00:14:20,240
در خط بعدی اینجا نیز بنویسم،
373
00:14:20,240 –> 00:14:22,959
بنابراین باید دوباره یک شیء سری
374
00:14:22,959 –> 00:14:26,320
در داخل آن ایجاد کنم، فقط به صورت تصادفی
375
00:14:26,320 –> 00:14:29,040
تعدادی را قرار می دهم. مقادیر، بنابراین فرض کنید من
376
00:14:29,040 –> 00:14:29,760
پنج دو
377
00:14:29,760 –> 00:14:34,079
چهار نه هفت دارم و میروم و
378
00:14:34,079 –> 00:14:37,199
آن را در یکی ذخیره
379
00:14:37,199 –> 00:14:40,560
میکنم، سریعاً در حالت اجرا ضربه میزنم و
380
00:14:40,560 –> 00:14:44,240
اجازه دهید فقط یکی را برای شما چاپ
381
00:14:44,240 –> 00:14:47,600
کنم، سپس ادامه میدهم و آن را
382
00:14:47,600 –> 00:14:50,720
بررسی میکنم نوع این پس نوع s1
383
00:14:50,720 –> 00:14:52,320
وقتی روی run ضربه می زنم می بینید که
384
00:14:52,320 –> 00:14:53,360
این یک
385
00:14:53,360 –> 00:14:55,920
شی سری است بنابراین دوباره در اندیس
386
00:14:55,920 –> 00:14:57,199
0 عنصر 5
387
00:14:57,199 –> 00:15:00,320
ایندکس 1 عنصر 2 شاخص 2 عنصر 4
388
00:15:00,320 –> 00:15:02,079
و غیره دارید و این به این ترتیب است که
389
00:15:02,079 –> 00:15:03,440
پیشرفت می
390
00:15:03,440 –> 00:15:06,399
کند. چیزهای ساده ای نیست، پس ما
391
00:15:06,399 –> 00:15:08,800
چیزی به نام قاب داده داریم
392
00:15:08,800 –> 00:15:12,240
که در آن شما سطرها و ستون ها دارید،
393
00:15:12,240 –> 00:15:15,920
بنابراین بیایید فقط به سمت قاب داده
394
00:15:15,920 –> 00:15:17,600
چیزهای اجتماعی برویم،
395
00:15:17,600 –> 00:15:20,320
زیرا یک قاب داده را می بینید که دارای ردیف
396
00:15:20,320 –> 00:15:21,600
و ستون است و این در
397
00:15:21,600 –> 00:15:23,920
صورتی است که دارید با sql کار کنید، سپس
398
00:15:23,920 –> 00:15:25,360
در مورد جداول میدانید،
399
00:15:25,360 –> 00:15:27,839
بنابراین میتوانید در نظر بگیرید که یک چارچوب داده
400
00:15:27,839 –> 00:15:28,800
آنالو است به
401
00:15:28,800 –> 00:15:32,480
جداول در sql بروید و کاری که ما در اینجا انجام می دهیم
402
00:15:32,480 –> 00:15:32,880
403
00:15:32,880 –> 00:15:34,480
ایجاد یک قاب داده از یک
404
00:15:34,480 –> 00:15:36,399
فرهنگ لغت است، بنابراین
405
00:15:36,399 –> 00:15:39,759
من قاب داده های pd dot را یادداشت
406
00:15:39,759 –> 00:15:41,759
می کنم و در اینجا باید در نظر داشته باشید که
407
00:15:41,759 –> 00:15:45,279
d و f بزرگ هستند، بنابراین وقتی می نویسم
408
00:15:45,279 –> 00:15:45,600
409
00:15:45,600 –> 00:15:47,279
قاب داده p dot باید اطمینان حاصل کنید که
410
00:15:47,279 –> 00:15:49,120
d و f بزرگ هستند زیرا
411
00:15:49,120 –> 00:15:51,759
پایتون به حروف بزرگ و کوچک حساس است و در داخل آن
412
00:15:51,759 –> 00:15:54,000
من در یک فرهنگ لغت
413
00:15:54,000 –> 00:15:56,720
به فرهنگ لغت منتقل می کنم اولین جفت مقدار کلیدی
414
00:15:56,720 –> 00:15:57,680
که من
415
00:15:57,680 –> 00:16:00,240
نام دارم، کلید است و سپس آن را وارد می کنم.
416
00:16:00,240 –> 00:16:01,759
یک لیست از نام ها
417
00:16:01,759 –> 00:16:04,959
و سپس کلید بعدی علامت ها است و سپس
418
00:16:04,959 –> 00:16:07,120
من یک لیست از مقادیر در اینجا لیست
419
00:16:07,120 –> 00:16:08,399
علامت ها در اینجا دارم
420
00:16:08,399 –> 00:16:10,160
و اگر نتیجه را مشاهده کنید می بینید
421
00:16:10,160 –> 00:16:11,600
که
422
00:16:11,600 –> 00:16:14,959
نام این کلیدها و علامت ها به عنوان
423
00:16:14,959 –> 00:16:16,720
نام ستون ها و این
424
00:16:16,720 –> 00:16:18,880
مقادیر تبدیل شده اند. در اینجا به عنوان رکوردها ذخیره شده اند،
425
00:16:18,880 –> 00:16:20,000
426
00:16:20,000 –> 00:16:23,040
بنابراین نام در اینجا تبدیل به نام ستون می شود که
427
00:16:23,040 –> 00:16:24,959
در اینجا به
428
00:16:24,959 –> 00:16:26,720
429
00:16:26,720 –> 00:16:27,360
430
00:16:27,360 –> 00:16:30,079
431
00:16:30,079 –> 00:16:32,079
نام ستون
432
00:16:32,079 –> 00:16:35,279
تبدیل می
433
00:16:35,279 –> 00:16:37,759
شود. سر من یک
434
00:16:37,759 –> 00:16:39,680
نظر دیگر را در اینجا اضافه می کنم،
435
00:16:39,680 –> 00:16:43,199
قاب داده پانداها را یادداشت می
436
00:16:43,199 –> 00:16:47,040
کنم، run را می زنم و کاری که باید انجام دهم این است
437
00:16:47,040 –> 00:16:48,399
که یک قاب داده ایجاد
438
00:16:48,399 –> 00:16:52,800
کنم، بنابراین من قاب داده pd dot را می نویسم و
439
00:16:52,800 –> 00:16:54,240
ل آن می خواهم باید در
440
00:16:54,240 –> 00:16:55,839
فرهنگ لغت
441
00:16:55,839 –> 00:16:58,560
442
00:16:58,560 –> 00:16:59,519
443
00:16:59,519 –> 00:17:01,440
444
00:17:01,440 –> 00:17:03,199
بنویسم، بنابراین من به سرعت این پرانتزهای فرفری را در اینجا قرار می دهم، ابتدا باید نامی برای آن بگذارم، بنابراین نام را اینجا یادداشت می کنم، سپس
445
00:17:03,199 –> 00:17:05,119
باید در لیستی از مقادیر عبور کنم،
446
00:17:05,119 –> 00:17:07,359
بنابراین بیایید نام آن را بگوییم
447
00:17:07,359 –> 00:17:08,720
دانش آموز اول
448
00:17:08,720 –> 00:17:12,000
زنده است نام دانش آموز دوم
449
00:17:12,000 –> 00:17:15,199
دانیل است نام
450
00:17:15,199 –> 00:17:18,799
دانش آموز سوم فیل است،
451
00:17:18,799 –> 00:17:21,439
سپس من می روم و لیستی از
452
00:17:21,439 –> 00:17:22,400
نمره ها
453
00:17:22,400 –> 00:17:24,720
را می دهم، بنابراین کلید دیگری به نام
454
00:17:24,720 –> 00:17:25,839
علامت ها ایجاد می کنم و
455
00:17:25,839 –> 00:17:29,039
اجازه دهید علامت را اضافه کنم. فرض کنید
456
00:17:29,039 –> 00:17:32,320
چپ 89 مارک را نامیده است
457
00:17:32,320 –> 00:17:35,840
دانیل 95 نمره و
458
00:17:35,840 –> 00:17:39,440
فیل 72 امتیاز کسب کرده است
459
00:17:39,440 –> 00:17:42,080
و اگر من سریعاً در حال اجرا باشم
460
00:17:42,080 –> 00:17:43,760
می بینید که من این چارچوب داده را ایجاد کرده ام
461
00:17:43,760 –> 00:17:47,280
462
00:17:47,280 –> 00:17:48,799
اکنون یک کتابخانه دیگر وجود دارد اما
463
00:17:48,799 –> 00:17:50,240
دوباره حدس می زنم که می توانیم یاد بگیریم که کتابخانه
464
00:17:50,240 –> 00:17:52,080
از طریق خود مطالعه موردی، بنابراین من فقط
465
00:17:52,080 –> 00:17:54,000
می خواستم به شما دوستان معرفی مختصری
466
00:17:54,000 –> 00:17:56,480
از کتابخانه بدهم es که ما با آن کار می کنیم،
467
00:17:56,480 –> 00:17:58,240
بنابراین کاری که من انجام خواهم داد این است که سریعاً
468
00:17:58,240 –> 00:17:59,919
به چت می روم و می بینم آیا سؤالی وجود دارد،
469
00:17:59,919 –> 00:18:02,480
470
00:18:07,360 –> 00:18:09,280
بنابراین برخی از شما دوستان
471
00:18:09,280 –> 00:18:11,440
فایل csv و مجموعه داده را می پرسند
472
00:18:11,440 –> 00:18:14,000
تا یک پیوند وجود داشته باشد. در
473
00:18:14,000 –> 00:18:15,520
توضیحات در
474
00:18:15,520 –> 00:18:17,280
پنجرههای چت میتوانید روی آن لینک کلیک کنید و
475
00:18:17,280 –> 00:18:18,799
میتوانید
476
00:18:18,799 –> 00:18:21,039
فایل کد و همچنین مجموعه دادهای
477
00:18:21,039 –> 00:18:24,720
که در جلسه امروز
478
00:18:24,960 –> 00:18:26,559
479
00:18:26,559 –> 00:18:28,000
480
00:18:28,000 –> 00:18:31,280
استفاده میشود را پیدا کنید. بنابراین شما
481
00:18:31,280 –> 00:18:33,360
انواع داده های اولیه اولیه را
482
00:18:33,360 –> 00:18:35,760
دارید و سپس ساختارهای داده را دارید، بنابراین
483
00:18:35,760 –> 00:18:37,200
وقتی در مورد انواع داده های اولیه صحبت می کنیم،
484
00:18:37,200 –> 00:18:39,919
اینها اساساً
485
00:18:39,919 –> 00:18:40,640
486
00:18:40,640 –> 00:18:43,679
کاراکتر ممیز شناور اعداد صحیح و
487
00:18:43,679 –> 00:18:46,320
مقادیر پیچیده شما هستند، وقتی در مورد ساختار داده صحبت
488
00:18:46,320 –> 00:18:47,520
489
00:18:47,520 –> 00:18:51,679
می کنید، مجموعه لیست و فرهنگ لغت چندگانه دارید.
490
00:18:51,679 –> 00:18:55,039
حدس میزنم این همان چیزی است که میخواستید
491
00:18:55,039 –> 00:18:56,400
بدانید، اما باز هم اگر میخواهید
492
00:18:56,400 –> 00:18:58,559
همه اینها را با جزئیات توضیح
493
00:18:58,559 –> 00:18:59,360
494
00:18:59,360 –> 00:19:01,039
دهید، فکر نمیکنم بتوانم این کار را انجام دهم
495
00:19:01,039 –> 00:19:03,039
زیرا دستور جلسه
496
00:19:03,039 –> 00:19:04,720
امروز کاملاً متفاوت است
497
00:19:04,720 –> 00:19:06,880
و اگر میخواهید برای کسب اطلاعات بیشتر در مورد
498
00:19:06,880 –> 00:19:08,480
ساختارهای داده ای که در پایتون وجود دارد،
499
00:19:08,480 –> 00:19:11,039
می توانید ویدیوهای دیگر ما را بررسی کنید
500
00:19:11,039 –> 00:19:12,320
501
00:19:12,320 –> 00:19:14,320
تا بتوانید به کانال ما بروید و
502
00:19:14,320 –> 00:19:16,559
بسیاری از ویدیوهای جامع پایتون
503
00:19:16,559 –> 00:19:17,280
با ارزش وجود دارد
504
00:19:17,280 –> 00:19:20,799
که در آنها می توانید تمام این نیروگوپتاها را یاد بگیرید
505
00:19:22,840 –> 00:19:25,360
506
00:19:25,360 –> 00:19:27,600
. پرسیدن کی
507
00:19:27,600 –> 00:19:28,720
آموزش
508
00:19:28,720 –> 00:19:31,760
blendo میاد aniru ما داریم رویش کار میکنیم پس شاید بتونی
509
00:19:31,760 –> 00:19:32,240
510
00:19:32,240 –> 00:19:35,200
چند هفته دیگه صبر کنی و اوه
511
00:19:35,200 –> 00:19:39,840
آموزش مخلوط کن رو آماده
512
00:19:44,480 –> 00:19:46,559
کنی نقطه کارتون از من میخواست به هندی صحبت کنم
513
00:19:46,559 –> 00:19:47,760
514
00:19:47,760 –> 00:19:51,120
پس متاسفانه جلسه امروز به صورت
515
00:19:51,120 –> 00:19:54,400
انگلیسی پس امروز من به زبان انگلیسی تدریس
516
00:19:54,400 –> 00:19:55,440
517
00:19:55,440 –> 00:19:59,039
خواهم کرد و اگر می خواهید به زبان هندی بفهمید، اوم
518
00:19:59,039 –> 00:20:02,559
519
00:20:02,559 –> 00:20:04,880
می دانید آهان در این صورت می
520
00:20:04,880 –> 00:20:07,039
توانید به آکادمی یادگیری عالی
521
00:20:07,039 –> 00:20:10,159
در اینجا بروید و می توانید یکی از
522
00:20:10,159 –> 00:20:11,039
523
00:20:11,039 –> 00:20:14,400
جلسات برنامه ریزی شده بعدی را به صورت زنده ببینید تا
524
00:20:14,400 –> 00:20:16,240
لیست تمام جلسات
525
00:20:16,240 –> 00:20:17,679
زنده برنامه ریزی شده را دریافت کنید
526
00:20:17,679 –> 00:20:19,840
و می توانید به هر
527
00:20:19,840 –> 00:20:23,440
جلسه زنده ای که می خواهید در آن شرکت
528
00:20:25,200 –> 00:20:26,880
کنید بپیوندید، خوب برخی از شما می گویید که
529
00:20:26,880 –> 00:20:28,799
فایل csv هنوز اضافه نشده است
530
00:20:28,799 –> 00:20:31,600
، بنابراین شاید ما آن را اضافه کنیم. فایل csv e
531
00:20:31,600 –> 00:20:33,679
پس از اتمام جلسه،
532
00:20:33,679 –> 00:20:36,960
بنابراین لازم نیست نگران آن باشید، بنابراین
533
00:20:36,960 –> 00:20:39,600
در حال حاضر میتوانید فقط میدانید که فقط میتوانید
534
00:20:39,600 –> 00:20:40,000
535
00:20:40,000 –> 00:20:42,000
روی آنچه که آموزش داده میشود تمرکز کنید و سپس
536
00:20:42,000 –> 00:20:44,880
مطالعه موردی را در آنجا دریافت خواهید کرد و از آن
537
00:20:44,880 –> 00:20:48,960
مطمئن شوید.
538
00:20:48,960 –> 00:20:50,720
سانتوش کومار میگوید بیایید به طور
539
00:20:50,720 –> 00:20:53,120
مطلق وارد مطالعه موردی شویم تا
540
00:20:53,120 –> 00:20:54,640
زمان زیادی را هدر ندهیم. من به شما
541
00:20:54,640 –> 00:20:56,880
معرفی مختصری درباره کتابخانههایی دادهام که میتوانیم
542
00:20:56,880 –> 00:20:58,720
به مطالعه موردی برویم
543
00:20:58,720 –> 00:21:01,280
و همچنین به افرادی که به تازگی
544
00:21:01,280 –> 00:21:02,159
به آن ملحق شدهاند
545
00:21:02,159 –> 00:21:03,919
اگر شما هنوز در کانال ما مشترک نشده اید
546
00:21:03,919 –> 00:21:05,280
لطفاً
547
00:21:05,280 –> 00:21:07,840
سابسکرایب کنید و همچنین نماد زنگ را
548
00:21:07,840 –> 00:21:08,400
549
00:21:08,400 –> 00:21:11,520
بزنید زیرا هر زمان که جلسات زنده جدید یا ویدیوهای جدید خود را ارائه می کنیم به شما اطلاع می دهد
550
00:21:11,520 –> 00:21:12,880
551
00:21:12,880 –> 00:21:15,760
پس لطفاً
552
00:21:15,760 –> 00:21:16,400
عضو شوید
553
00:21:16,400 –> 00:21:18,880
لطفا نماد زنگ را بزنید و همچنین من می
554
00:21:18,880 –> 00:21:20,960
بینم که تماشای 95
555
00:21:20,960 –> 00:21:24,000
وجود دارد و فقط 60 لایک وجود دارد ، بنابراین اگر بتوانیم
556
00:21:24,000 –> 00:21:26,960
سریعاً به 95 لایک برسیم ،
557
00:21:26,960 –> 00:21:28,080
بسیار عالی خواهد بود ،
558
00:21:28,080 –> 00:21:30,960
بنابراین بچه ها همه دکمه لایک را بزنید
559
00:21:30,960 –> 00:21:32,799
که به ما کمک زیادی
560
00:21:32,799 –> 00:21:35,200
می کند تا همه این دوره ها را ایجاد کنیم. به
561
00:21:35,200 –> 00:21:36,159
صورت رایگان ما
562
00:21:36,159 –> 00:21:38,240
هیچ پولی از شما دریافت نمی کنیم در حالی که
563
00:21:38,240 –> 00:21:39,360
ما یو می دانید
564
00:21:39,360 –> 00:21:41,280
در حالی که ما از شما درخواست می کنیم
565
00:21:41,280 –> 00:21:42,640
مانند ویدیو است زیرا
566
00:21:42,640 –> 00:21:44,400
الگوریتم یوتیوب به گونه ای کار
567
00:21:44,400 –> 00:21:46,320
می کند که اگر تعداد
568
00:21:46,320 –> 00:21:47,679
لایک های بیشتری وجود داشته باشد افراد بیشتری متوجه می شوند
569
00:21:47,679 –> 00:21:49,440
که در حال حاضر یک جلسه زنده
570
00:21:49,440 –> 00:21:51,200
در حال انجام است و اگر افراد علاقه مند به
571
00:21:51,200 –> 00:21:53,120
یادگیری هستند در مورد مواردی که آنها می توانند به آنها ملحق شوند،
572
00:21:53,120 –> 00:21:54,559
573
00:21:54,559 –> 00:21:57,919
بنابراین لطفاً ادامه دهید و این ویدیو را لایک کنید
574
00:21:57,919 –> 00:21:58,400
و
575
00:21:58,400 –> 00:22:02,080
با توجه به آن، ما زمان بیشتری را تلف
576
00:22:02,080 –> 00:22:05,679
نخواهیم کرد و به مطالعه موردی خود خواهیم رفت،
577
00:22:05,679 –> 00:22:08,720
بنابراین مطمئن شوید که
578
00:22:08,720 –> 00:22:11,440
مجموعه داده های fifa 20 را داریم و به صورت
579
00:22:11,440 –> 00:22:13,280
اکتشافی عمل می کنیم. تجزیه و تحلیل داده ها
580
00:22:13,280 –> 00:22:16,559
در بالای این مجموعه داده و اکنون ما باید
581
00:22:16,559 –> 00:22:18,400
تمام کتابخانه های مورد نیاز را
582
00:22:18,400 –> 00:22:19,520
وارد کنیم، بنابراین ما
583
00:22:19,520 –> 00:22:22,400
پانداها را برای دستکاری داده ها وارد می کنیم، بدیهی است که
584
00:22:22,400 –> 00:22:24,000
ما matplotlib
585
00:22:24,000 –> 00:22:26,640
و پیوند c را داریم، بنابراین matplotlib یک
586
00:22:26,640 –> 00:22:28,400
کتابخانه است که برای تجسم داده ها استفاده می شود.
587
00:22:28,400 –> 00:22:29,919
588
00:22:29,919 –> 00:22:32,159
همچنین یک کتابخانه است که برای تجسم داده ها استفاده می شود،
589
00:22:32,159 –> 00:22:33,440
590
00:22:33,440 –> 00:22:36,799
بنابراین می توانید c-bond را به
591
00:22:36,799 –> 00:22:38,559
عنوان یک پسوند پسوند matplotlib
592
00:22:38,559 –> 00:22:40,159
در نظر بگیرید به این معنا که
593
00:22:40,159 –> 00:22:43,760
c bond در بالای matplotlib ساخته شده است،
594
00:22:43,760 –> 00:22:45,520
بنابراین این سه کتابخانه هستند که من
595
00:22:45,520 –> 00:22:47,440
لازم است و کاری که من انجام خواهم داد این است که
596
00:22:47,440 –> 00:22:49,280
در واقع هسته را مجدداً راه اندازی
597
00:22:49,280 –> 00:22:49,679
می
598
00:22:49,679 –> 00:22:53,520
کنم تا در ابتدا نتوانید خروجی را ببینید،
599
00:22:53,520 –> 00:22:56,640
بنابراین درک آن برای شما بسیار آسان تر خواهد بود
600
00:22:56,640 –> 00:22:58,720
601
00:22:58,720 –> 00:23:02,000
اکنون در حالت اجرا ضربه می زنم و بیایید منتظر بمانیم
602
00:23:02,000 –> 00:23:09,440
این کتابخانه ها برای بارگیری
603
00:23:09,440 –> 00:23:23,840
آن فقط کمی زمان می برد،
604
00:23:26,799 –> 00:23:29,200
بنابراین ما کتابخانه های مورد نیاز را بارگذاری کرده ایم،
605
00:23:29,200 –> 00:23:30,480
606
00:23:30,480 –> 00:23:32,480
سپس این فایل را
607
00:23:32,480 –> 00:23:36,320
به نام players20.csv داریم،
608
00:23:36,320 –> 00:23:38,320
بنابراین این فایلی است که من قبلاً
609
00:23:38,320 –> 00:23:40,159
در نوت بوک jupyter بارگذاری کرده ام
610
00:23:40,159 –> 00:23:43,279
و برای خواندن یک فایل csv
611
00:23:43,279 –> 00:23:46,080
ما به این روش به نام خواندن underscore csv نیاز داریم
612
00:23:46,080 –> 00:23:47,440
613
00:23:47,440 –> 00:23:50,640
و این روش خواندن underscore csv
614
00:23:50,640 –> 00:23:51,600
بخشی از
615
00:23:51,600 –> 00:23:54,960
کتابخانه pandas است بنابراین در اینجا از آنجایی که من pandas را بارگذاری کرده ام،
616
00:23:54,960 –> 00:23:56,320
617
00:23:56,320 –> 00:23:58,400
بنابراین من pd dot read
618
00:23:58,400 –> 00:24:00,159
underscore csv
619
00:24:00,159 –> 00:24:03,360
و داخل این i را می نویسم.
620
00:24:03,360 –> 00:24:06,320
نام فایلی را که player20.csv است میدهم
621
00:24:06,320 –> 00:24:09,279
و من آن را در این
622
00:24:09,279 –> 00:24:10,240
شی به نام
623
00:24:10,240 –> 00:24:13,679
fifa ذخیره میکنم و
624
00:24:13,679 –> 00:24:16,000
اگر بخواهم
625
00:24:16,000 –> 00:24:17,120
پنج
626
00:24:17,120 –> 00:24:20,000
رکورد اول را که در آنجا هستند نگاهی بیندازم فقط روی run کلیک میکنم. بنابراین من باید از
627
00:24:20,000 –> 00:24:20,400
628
00:24:20,400 –> 00:24:23,279
روش head استفاده کنم بنابراین به طور پیش فرض این h
629
00:24:23,279 –> 00:24:25,200
روش ead به شما پنج رکورد اول را می دهد
630
00:24:25,200 –> 00:24:25,919
که
631
00:24:25,919 –> 00:24:30,000
در این قاب داده وجود دارد، بنابراین سر نقطه فیفا را
632
00:24:30,000 –> 00:24:32,080
در اختیار دارید و در اینجا می بینید که
633
00:24:32,080 –> 00:24:33,039
همه این
634
00:24:33,039 –> 00:24:36,960
ستون های مختلف را دارید، بنابراین
635
00:24:36,960 –> 00:24:40,400
شناسه فیفا را دارید، آدرس پخش کننده
636
00:24:40,400 –> 00:24:43,520
را دارید، بنابراین اگر می خواهید این کار را انجام دهید. این
637
00:24:43,520 –> 00:24:46,559
ستونی است که فقط
638
00:24:46,559 –> 00:24:48,400
صفحه اصلی یا توضیحات این
639
00:24:48,400 –> 00:24:51,360
بازیکن را در اینجا به شما می دهد، سپس نام کوتاه
640
00:24:51,360 –> 00:24:53,440
این بازیکن را دارید، بنابراین در اینجا شما
641
00:24:53,440 –> 00:24:55,760
ال مسی را دارید که مشخصاً نام طولانی مسی به عنوان
642
00:24:55,760 –> 00:24:57,120
لیونل
643
00:24:57,120 –> 00:24:59,200
مسی، کریستیانو رونالدو و
644
00:24:59,200 –> 00:25:01,039
کریستیانو رونالدو را دارید. نام بلند
645
00:25:01,039 –> 00:25:03,840
شما نیمار دارید بلوک دارید
646
00:25:03,840 –> 00:25:04,320
647
00:25:04,320 –> 00:25:07,520
و در اینجا این ستون به
648
00:25:07,520 –> 00:25:09,440
وضوح سن این شخص را به شما می گوید در
649
00:25:09,440 –> 00:25:10,320
650
00:25:10,320 –> 00:25:12,400
اینجا تاریخ هر دو را دارید سپس
651
00:25:12,400 –> 00:25:13,520
652
00:25:13,520 –> 00:25:16,080
قد این بازیکن بر حسب سانتی متر
653
00:25:16,080 –> 00:25:19,120
و وزن این بازیکن بر حسب کیلوگرم را دارید.
654
00:25:19,120 –> 00:25:22,559
پس شما ملیت دارید، بنابراین
655
00:25:22,559 –> 00:25:24,960
مسی مشخصا اهل آرژانتین است رونالدو
656
00:25:24,960 –> 00:25:26,400
همه ما می دانیم که او اهل پرتغال
657
00:25:26,400 –> 00:25:28,960
است.
658
00:25:28,960 –> 00:25:30,159
659
00:25:30,159 –> 00:25:32,559
660
00:25:32,559 –> 00:25:33,919
661
00:25:33,919 –> 00:25:36,799
ایانو رونالدو او برای یوونتوس
662
00:25:36,799 –> 00:25:38,640
بازی می کند مسی برای بارسلونا
663
00:25:38,640 –> 00:25:41,919
بازی می کند نیما برای پی اس جی ادن
664
00:25:41,919 –> 00:25:44,080
رئال مادرید بازی می کند، پس شما همه این
665
00:25:44,080 –> 00:25:46,400
آمارهای مختلف را در اینجا دارید، بنابراین فعلا
666
00:25:46,400 –> 00:25:48,559
ما فقط آن آمار را کنار می گذاریم
667
00:25:48,559 –> 00:25:51,120
، در واقع ببینیم چند ستون
668
00:25:51,120 –> 00:25:51,760
669
00:25:51,760 –> 00:25:55,919
در این وجود دارد. قاب داده خاص در حال حاضر،
670
00:25:55,919 –> 00:25:56,559
بنابراین
671
00:25:56,559 –> 00:26:00,320
کاری که ما انجام خواهیم داد این است که من
672
00:26:00,320 –> 00:26:03,919
یک حلقه for را شروع می کنم و می خواهم
673
00:26:03,919 –> 00:26:05,600
تمام ستون های موجود را
674
00:26:05,600 –> 00:26:06,960
بدانم، بنابراین آنچه را یادداشت خواهم کرد برای
675
00:26:06,960 –> 00:26:10,480
فراخوانی در ستون های fifa dot است
676
00:26:10,480 –> 00:26:13,679
و من چاپ خواهم کرد. هر یک از ستون
677
00:26:13,679 –> 00:26:14,240
هایی
678
00:26:14,240 –> 00:26:17,760
که در کل این قاب داده وجود دارد، بنابراین برای
679
00:26:17,760 –> 00:26:20,000
ستون call و fifa dot، بنابراین آنچه اتفاق می
680
00:26:20,000 –> 00:26:20,960
افتد این است که
681
00:26:20,960 –> 00:26:24,880
از ستون اول تکرار می شود،
682
00:26:24,880 –> 00:26:27,520
بنابراین از این ستون اول
683
00:26:27,520 –> 00:26:29,600
شروع می شود و به آخرین ستون در
684
00:26:29,600 –> 00:26:31,600
اینجا می رود و ما در حال چاپ همه
685
00:26:31,600 –> 00:26:34,400
ستونهایی هستیم که در اینجا وجود دارد،
686
00:26:34,400 –> 00:26:37,039
بنابراین برای ستونهای call و fifa dot
687
00:26:37,039 –> 00:26:38,000
چاپ تماس
688
00:26:38,000 –> 00:26:40,240
وقتی روی run ضربه میزنم، میبینید که
689
00:26:40,240 –> 00:26:41,760
اینها همه ستونهایی هستند که
690
00:26:41,760 –> 00:26:43,120
691
00:26:43,120 –> 00:26:46,320
وجود دارند. آدرس اینترنتی پخش کننده فیفا نام کوتاه
692
00:26:46,320 –> 00:26:48,960
نام طولانی دارید. سن تاریخ تولد ارتفاع h به
693
00:26:48,960 –> 00:26:51,039
سانتی متر زیر 18 کیلوگرم
694
00:26:51,039 –> 00:26:53,520
و غیره، بنابراین شما ستون های زیادی
695
00:26:53,520 –> 00:26:54,480
در اینجا دارید،
696
00:26:54,480 –> 00:26:57,440
اکنون می خواهم بدانم چند رکورد
697
00:26:57,440 –> 00:26:57,919
وجود دارد
698
00:26:57,919 –> 00:26:59,919
و در واقع چند ستون
699
00:26:59,919 –> 00:27:02,400
در این قاب داده وجود دارد،
700
00:27:02,400 –> 00:27:05,200
بنابراین برای این منظور از این روش شکل استفاده خواهم کرد.
701
00:27:05,200 –> 00:27:07,120
702
00:27:07,120 –> 00:27:10,480
شکل نقطه فیفا را یادداشت میکنم و در حالت اجرا ضربه میزنم
703
00:27:10,480 –> 00:27:14,480
و میبینید که 18278
704
00:27:14,480 –> 00:27:17,039
رکورد در 104 ستون وجود دارد، بنابراین
705
00:27:17,039 –> 00:27:19,440
این مجموعه دادههای عظیمی است.
706
00:27:19,440 –> 00:27:22,480
707
00:27:22,480 –> 00:27:25,679
708
00:27:25,679 –> 00:27:27,120
دو هفتاد و هشت
709
00:27:27,120 –> 00:27:29,200
رکورد به این معنی است که
710
00:27:29,200 –> 00:27:32,240
شما یک لیست از هجده هزار
711
00:27:32,240 –> 00:27:33,679
و دویست و هفتاد و
712
00:27:33,679 –> 00:27:37,440
هشت بازیکن در کل این قاب داده دارید
713
00:27:37,440 –> 00:27:40,320
و 104 ستون فقط ویژگی های مختلف
714
00:27:40,320 –> 00:27:41,120
715
00:27:41,120 –> 00:27:44,640
با همه این پخش کننده های مختلف هستند،
716
00:27:44,640 –> 00:27:47,840
بنابراین ما به شکل نگاه کرده ایم و وجود
717
00:27:47,840 –> 00:27:48,399
دارد. این
718
00:27:48,399 –> 00:27:51,440
ستون در چارچوب داده ما به عنوان ملیت نامیده می
719
00:27:51,440 –> 00:27:52,720
شود،
720
00:27:52,720 –> 00:27:55,600
بنابراین اگر به بالا بروید، می بینید
721
00:27:55,600 –> 00:27:57,840
که این ستون ملیت وجود دارد
722
00:27:57,840 –> 00:28:01,840
و من می خواهم ببینم چند بازیکن
723
00:28:01,840 –> 00:28:02,960
به
724
00:28:02,960 –> 00:28:06,799
کدام کشور خاص تعلق دارند، مطمئناً
725
00:28:06,799 –> 00:28:11,120
پس از ملیت. یک ستون طبقه بندی
726
00:28:11,120 –> 00:28:11,679
شده است
727
00:28:11,679 –> 00:28:14,559
و اگر بخواهم در مورد
728
00:28:14,559 –> 00:28:17,200
یک ستون طبقه بندی بیشتر
729
00:28:17,200 –> 00:28:18,480
730
00:28:18,480 –> 00:28:20,320
بدانم، می توانم از روش شمارش ارزش استفاده کنم، روش شمارش ارزش
731
00:28:20,320 –> 00:28:22,080
تعداد فراوانی دسته بندی های مختلف
732
00:28:22,080 –> 00:28:24,080
را به من می دهد،
733
00:28:24,080 –> 00:28:26,240
بنابراین کاری که در اینجا انجام خواهم داد ابتدا این است که من
734
00:28:26,240 –> 00:28:27,840
نام فریم داده را
735
00:28:27,840 –> 00:28:29,039
که fifa است