در این مطلب، ویدئو کار اکسل را با پایتون و پاندا به صورت خودکار انجام دهید 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: 00:21:28
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,080 –> 00:00:01,680
در این ویدیو به شما نشان می دهم که چگونه
2
00:00:01,680 –> 00:00:03,280
می توانید
3
00:00:03,280 –> 00:00:05,920
کار اکسل را با استفاده از پایتون دستکاری و خودکارسازی کنید، بنابراین
4
00:00:05,920 –> 00:00:07,919
5
00:00:07,919 –> 00:00:10,080
اکنون از پانداها استفاده می کنیم، دلیل آن این است که
6
00:00:10,080 –> 00:00:11,200
اگرچه می توانید
7
00:00:11,200 –> 00:00:13,200
از کتابخانه های دیگر برای
8
00:00:13,200 –> 00:00:14,400
دستکاری
9
00:00:14,400 –> 00:00:17,279
فایل های اکسل استفاده کنید. همانطور که میروید، من ترجیح میدهم
10
00:00:17,279 –> 00:00:18,800
همه چیز
11
00:00:18,800 –> 00:00:21,760
را به پانداها وارد یک چارچوب داده کنم که
12
00:00:21,760 –> 00:00:22,400
13
00:00:22,400 –> 00:00:24,320
میتوانیم هر کاری را که باید انجام دهیم و سپس آن را
14
00:00:24,320 –> 00:00:26,880
صادر میکنیم، بنابراین میخواهیم آن را وارد کنیم
15
00:00:26,880 –> 00:00:28,880
تا در پانداها به هم ریخته شود و
16
00:00:28,880 –> 00:00:30,800
سپس صادر کنیم. پس از انجام تمام کارهایی که میخواهیم، دوباره با استفاده از پانداها به فرمت دلخواهمان میرسد، بن
17
00:00:30,800 –> 00:00:32,880
18
00:00:32,880 –> 00:00:33,920
19
00:00:33,920 –> 00:00:36,000
براین اگر به صفحه نمایش من سر بزنیم، می
20
00:00:36,000 –> 00:00:38,719
بینیم که من مقداری داده در اینجا دارم، س
21
00:00:38,719 –> 00:00:40,480
ونهایی وجود دارد و این در واقع یک فا
22
00:00:40,480 –> 00:00:43,200
ل csv است اما نشان خواهم داد شما چگونه وارد
23
00:00:43,200 –> 00:00:43,680
کنید
24
00:00:43,680 –> 00:00:46,879
اگر گویی یک xlsx نیز هست
25
00:00:46,879 –> 00:00:49,360
و این ستونهای مختلفی دارد
26
00:00:49,360 –> 00:00:50,960
که ممکن است انتظار داشته باشید ببینید
27
00:00:50,960 –> 00:00:54,079
این شبیه به
28
00:00:54,079 –> 00:00:57,039
یک برگه سفارش است که در آن اندازه یک
29
00:00:57,039 –> 00:00:58,000
مقدار
30
00:00:58,000 –> 00:01:01,520
قیمت برخی از دادههای آدرس را دارید و غیره و غیره،
31
00:01:01,520 –> 00:01:03,680
بنابراین کاری که ما در این مورد انجام خواهیم داد این است که ما می خواهیم انجام
32
00:01:03,680 –> 00:01:05,920
دهیم o در حال دستکاری این فایل باشید
33
00:01:05,920 –> 00:01:07,439
و من یک فایل دیگر دارم که بسیار
34
00:01:07,439 –> 00:01:09,040
شبیه است و به شما نشان خواهم داد که چگونه
35
00:01:09,040 –> 00:01:10,240
با آنها کار کنید،
36
00:01:10,240 –> 00:01:13,280
بنابراین این در واقع یک csv است، بنابراین برای شروع
37
00:01:13,280 –> 00:01:14,640
کار برای این، این یکی را
38
00:01:14,640 –> 00:01:16,720
بزرگتر می کنم تا در واقع همه ما بتوانیم اگر
39
00:01:16,720 –> 00:01:18,400
40
00:01:18,400 –> 00:01:20,400
پاندا را نصب نکردهاید، اکنون باید پاندا را وارد کنیم، فقط پانداهای نصب pip را انجام دهید
41
00:01:20,400 –> 00:01:22,000
، همه چیز را
42
00:01:22,000 –> 00:01:23,439
برای شما دریافت میکند و سپس میخواهیم
43
00:01:23,439 –> 00:01:26,479
پانداها را به صورت
44
00:01:26,479 –> 00:01:29,040
pdf وارد کنیم، این فقط یک نوع روش استاندارد برای
45
00:01:29,040 –> 00:01:29,600
انجام
46
00:01:29,600 –> 00:01:32,240
آن است و کار را آسانتر میکند. برای کار با هم اکنون
47
00:01:32,240 –> 00:01:35,200
برای دریافت آن داده ها از این فایل csv،
48
00:01:35,200 –> 00:01:36,880
به خاطر داشته باشید که این فایل csv در
49
00:01:36,880 –> 00:01:37,360
50
00:01:37,360 –> 00:01:40,560
همان دایرکتوری فایل pi من قرار دارد تا آن را به
51
00:01:40,560 –> 00:01:41,680
یک قاب داده وارد کند
52
00:01:41,680 –> 00:01:43,759
، این روشی است که پانداها
53
00:01:43,759 –> 00:01:46,159
با داده هایی که ما باید به آنها بدهیم کار می کند. قاب دادهای
54
00:01:46,159 –> 00:01:46,880
یک نام
55
00:01:46,880 –> 00:01:48,159
اکنون در تمام مثالهای من میخواهم
56
00:01:48,159 –> 00:01:50,640
از df استفاده کنم، اما اگر
57
00:01:50,640 –> 00:01:52,399
واقعاً از آن در پروژهتان
58
00:01:52,399 –> 00:01:54,560
استفاده میکنید، مطمئن شوید که نامهای مناسبی را برای فریمهای دادهتان میگذارید
59
00:01:54,560 –> 00:01:56,399
که معنایی دارند،
60
00:01:56,399 –> 00:01:58,399
بنابراین ما برابر میشویم و سپس فقط
61
00:01:58,399 –> 00:01:59,840
pdf را برای پانداها
62
00:01:59,840 –> 00:02:03,360
انجام دهید و csv را می خوانیم و می دهیم این
63
00:02:03,360 –> 00:02:03,920
64
00:02:03,920 –> 00:02:07,360
نام فایل csv data dot csv است
65
00:02:07,360 –> 00:02:09,119
و تمام است، بنابراین ما اکنون داریم
66
00:02:09,119 –> 00:02:11,520
که اساساً کل فایل csv را
67
00:02:11,520 –> 00:02:13,920
در یک قاب داده وارد می کنیم که اکنون می توانیم با
68
00:02:13,920 –> 00:02:15,520
آن کار کنیم، تعداد بسیار بیشتری وجود دارد، اما
69
00:02:15,520 –> 00:02:17,520
مزایای زیادی برای انجام این کار وجود
70
00:02:17,520 –> 00:02:20,000
دارد. برای کار با آن در اکسل
71
00:02:20,000 –> 00:02:21,200
اساساً ما میتوانیم کارهای
72
00:02:21,200 –> 00:02:23,920
خیلی بیشتری انجام دهیم، خیلی ردیفهای بیشتر و
73
00:02:23,920 –> 00:02:25,680
مشکلی برای خود نداریم و فقط میتوانیم
74
00:02:25,680 –> 00:02:27,760
کارها را خودکار کنیم، و همانطور که پیش میرویم به شما نشان خواهم
75
00:02:27,760 –> 00:02:29,520
داد تا یکی از اولین کارهایی
76
00:02:29,520 –> 00:02:31,280
که شما ممکن است بخواهید این کار را انجام دهید این است که در
77
00:02:31,280 –> 00:02:32,959
واقع داده ها را بررسی کنید، بنابراین من می خواهم ادامه دهم
78
00:02:32,959 –> 00:02:34,280
و
79
00:02:34,280 –> 00:02:37,120
df.head df را چاپ کنم، البته
80
00:02:37,120 –> 00:02:38,800
نام قاب داده ای است که در اینجا داده ایم،
81
00:02:38,800 –> 00:02:41,920
اگر اجرا کنیم، می بینیم که دریافت می کنیم.
82
00:02:41,920 –> 00:02:44,560
نوع ردیفهای بالای قاب داده،
83
00:02:44,560 –> 00:02:46,400
اکنون سر در واقع پنج ردیف پیشفرض است،
84
00:02:46,400 –> 00:02:47,200
85
00:02:47,200 –> 00:02:48,480
اما شما میتوانید به نوعی ایدهای از
86
00:02:48,480 –> 00:02:50,959
آنچه در اینجا در حال رخ دادن است، دریافت کنید، میتوانم ببینم که
87
00:02:50,959 –> 00:02:51,599
ما
88
00:02:51,599 –> 00:02:54,480
این شناسه را در اینجا داریم و یک نمایه اضافی در حال حاضر اگر
89
00:02:54,480 –> 00:02:56,319
ندارید. شما آن شاخص اضافی را نمی خواهید،
90
00:02:56,319 –> 00:02:59,440
شما فقط می گویید که فراخوانی فهرست برای
91
00:02:59,440 –> 00:03:00,239
ستون فهرست
92
00:03:00,239 –> 00:03:01,840
برابر است و در این صورت من می روم
93
00:03:01,840 –> 00:03:03,519
برای تنظیم آن به شناسه،
94
00:03:03,519 –> 00:03:05,760
بنابراین حالا اگر ذخیره کنم و دوباره اجرا کنم، میتوانیم
95
00:03:05,760 –> 00:03:07,120
ببینیم که کمی از صفحه خارج شده است،
96
00:03:07,120 –> 00:03:08,640
آن را کوچکتر
97
00:03:08,640 –> 00:03:10,319
میکنم، در آنجا میرویم، میتوانیم ببینیم که
98
00:03:10,319 –> 00:03:12,239
اکنون شناسه ستونی است
99
00:03:12,239 –> 00:03:14,400
به عنوان ایندکس که کمی برای ما مفیدتر است،
100
00:03:14,400 –> 00:03:16,159
در آن صورت
101
00:03:16,159 –> 00:03:19,200
ما همچنین میتوانیم با انجام dot tail آنچه در پایین وجود دارد را ببینیم
102
00:03:19,200 –> 00:03:21,120
و این
103
00:03:21,120 –> 00:03:21,680
104
00:03:21,680 –> 00:03:24,799
پنج ردیف آخر فایل قاب داده را
105
00:03:24,799 –> 00:03:25,120
106
00:03:25,120 –> 00:03:26,720
به ما نشان میدهد. شما
107
00:03:26,720 –> 00:03:28,400
می توانید کاملاً بخواهید
108
00:03:28,400 –> 00:03:30,000
بدانید که همه نام های ستون ها هستند و می توانید ببینید
109
00:03:30,000 –> 00:03:31,519
که ما همه آنها را در اینجا در
110
00:03:31,519 –> 00:03:32,239
هنگام پرینت نشان نمی دهیم
111
00:03:32,239 –> 00:03:33,599
و این فقط به دلیل
112
00:03:33,599 –> 00:03:35,280
اندازه متن است، اما اگر
113
00:03:35,280 –> 00:03:36,720
فایل های بزرگی دارید ممکن است میخواهیم
114
00:03:36,720 –> 00:03:38,720
نام ستونها را بدانیم و این به
115
00:03:38,720 –> 00:03:39,840
نقطه بعدی ما منتهی میشود، زیرا میخواهیم
116
00:03:39,840 –> 00:03:40,640
117
00:03:40,640 –> 00:03:44,560
ستونها را در این قاب داده دوباره
118
00:03:44,560 –> 00:03:46,319
مرتب کنیم تا بتوانیم کمی بیشتر آن را دستکاری کنیم،
119
00:03:46,319 –> 00:03:47,920
بنابراین اجازه دهید برای c در df.columns این کار را انجام
120
00:03:47,920 –> 00:03:54,159
121
00:03:56,000 –> 00:03:59,200
دهیم، اجازه دهید c را چاپ کنیم. و من این را اجرا می کنم
122
00:03:59,200 –> 00:04:01,360
و می بینیم که تمام ستون های اینجا را به ما نشان می دهد
123
00:04:01,360 –> 00:04:03,120
124
00:04:03,120 –> 00:04:05,599
که a هستند در این فایل موجود است اکنون می
125
00:04:05,599 –> 00:04:07,360
توانید ببینید تاریخ هایی که به تازگی قطع شده اند،
126
00:04:07,360 –> 00:04:08,959
در آنجا می رویم.
127
00:04:08,959 –> 00:04:11,760
نکته مهم در اینجا df.columns است،
128
00:04:11,760 –> 00:04:13,840
بنابراین می توانیم آن را در یک لیست قرار دهیم و
129
00:04:13,840 –> 00:04:14,959
می توانیم آن را
130
00:04:14,959 –> 00:04:18,880
c ما برابر با
131
00:04:18,880 –> 00:04:22,800
لیست بنامیم و بیایید از df.columns در اینجا
132
00:04:22,800 –> 00:04:24,880
و سپس بیایید لیست خود را چاپ کنیم
133
00:04:24,880 –> 00:04:26,160
تا به ما نشان دهد
134
00:04:26,160 –> 00:04:29,360
که در یک فرم لیست قرار دارد، اگر
135
00:04:29,360 –> 00:04:30,000
می خواهید
136
00:04:30,000 –> 00:04:33,360
فایل را دوباره مرتب کنید یا می خواهید
137
00:04:33,360 –> 00:04:35,520
برخی از ستون ها را حذف کنید، ساده ترین
138
00:04:35,520 –> 00:04:36,400
راه برای انجام این کار این
139
00:04:36,400 –> 00:04:38,160
است که برای کپی کردن این و
140
00:04:38,160 –> 00:04:40,880
بیایید اکنون از شر آن خلاص شویم
141
00:04:40,880 –> 00:04:42,240
و بیایید اینها را در اینجا قرار دهیم و
142
00:04:42,240 –> 00:04:44,639
فقط اینها را ستون ها
143
00:04:44,639 –> 00:04:48,320
بنامیم در واقع من آن را چیز دیگری می نامم um
144
00:04:48,320 –> 00:04:50,960
data calls و ما لیست خود را اکنون در
145
00:04:50,960 –> 00:04:51,680
آنجا قرار می
146
00:04:51,680 –> 00:04:53,759
دهیم تا دوباره مرتب شود شما اساساً فقط
147
00:04:53,759 –> 00:04:56,000
می خواهید این لیست را دوباره مرتب کنید، من فقط می
148
00:04:56,000 –> 00:04:57,360
خواهم این را کمی دوستانه تر کنم
149
00:04:57,360 –> 00:04:58,960
تا اینجا را ببینم
150
00:04:58,960 –> 00:05:00,880
و کاری که می توانید انجام دهید این است که فقط می توانید
151
00:05:00,880 –> 00:05:03,120
ترتیب این لیست را
152
00:05:03,120 –> 00:05:06,400
همانطور که نیاز دارید دوباره مرتب کنید تا در واقع نحوه تنظیم
153
00:05:06,400 –> 00:05:10,000
مجدد ستون ها در قاب داده ظاهر می شوند
154
00:05:10,000 –> 00:05:12,639
، بنابراین اگر شما یک
155
00:05:12,639 –> 00:05:13,919
fi داشته باشید این را دوست دارید
156
00:05:13,919 –> 00:05:15,440
و شاید شما دو یا سه مورد از
157
00:05:15,440 –> 00:05:17,919
این فایل ها یا تعداد زیادی از آنها را داشته باشید
158
00:05:17,919 –> 00:05:20,720
و بخشی از کار شما این بود که اساسا
159
00:05:20,720 –> 00:05:23,039
آنها را دوباره مرتب کنید تا در
160
00:05:23,039 –> 00:05:26,000
نوع ورودی داده شما قرار بگیرند و بتوانید پانداها را برای
161
00:05:26,000 –> 00:05:26,960
انجام این
162
00:05:26,960 –> 00:05:28,800
کار خیلی سریع و واقعاً آسان برای شما انتخاب کنید. پس
163
00:05:28,800 –> 00:05:31,280
بیایید ارز را تا انتها جابهجا
164
00:05:31,280 –> 00:05:32,639
کنیم، مطمئن شویم که کاما را در آنجا داریم،
165
00:05:32,639 –> 00:05:35,039
زیرا این یک لیست است و بیایید
166
00:05:35,039 –> 00:05:35,360
167
00:05:35,360 –> 00:05:38,720
آدرس ایمیل را به بالای صفحه منتقل کنیم
168
00:05:38,720 –> 00:05:41,039
، در اینجا میرویم و آن را حذف میکنیم و
169
00:05:41,039 –> 00:05:42,160
حالا کاری که میخواهیم انجام دهیم این
170
00:05:42,160 –> 00:05:44,000
است که من هستم این لیست را جمع می کنیم فقط
171
00:05:44,000 –> 00:05:45,600
به این دلیل که ما نمی خواهیم
172
00:05:45,600 –> 00:05:46,800
واقعاً
173
00:05:46,800 –> 00:05:48,800
یک قاب داده جدید ایجاد کنیم، اکنون لازم نیست
174
00:05:48,800 –> 00:05:49,919
این کار را انجام دهید،
175
00:05:49,919 –> 00:05:51,759
اگر می خواهید در واقع فقط
176
00:05:51,759 –> 00:05:53,280
چارچوب داده خود را لغو کنید، می توانید این کار را انجام دهید،
177
00:05:53,280 –> 00:05:55,600
اما گاهی اوقات من دوست دارم در واقع
178
00:05:55,600 –> 00:05:57,520
یک مورد جدید را جداگانه ایجاد می کنیم، بنابراین ما هنوز
179
00:05:57,520 –> 00:05:59,360
هم قدیمی را داریم که در صورت نیاز می توانیم به آن ارجاع دهیم
180
00:05:59,360 –> 00:06:00,400
181
00:06:00,400 –> 00:06:02,080
در این مورد، من فقط می خواهم
182
00:06:02,080 –> 00:06:04,840
آن را بازنویسی کنم، بنابراین می خواهم بگویم df برابر با
183
00:06:04,840 –> 00:06:07,520
df.reindex است و من میخواهم بگویم ستونهای ما
184
00:06:07,520 –> 00:06:08,319
185
00:06:08,319 –> 00:06:10,319
که میخواهیم به این قاب داده جدید بدهیم
186
00:06:10,319 –> 00:06:11,520
برابر t است o
187
00:06:11,520 –> 00:06:13,120
ستون های داده ای را که در اینجا قرار می دهیم، بنابراین
188
00:06:13,120 –> 00:06:14,639
کاری که انجام می دهد این است که اساساً فقط
189
00:06:14,639 –> 00:06:15,680
190
00:06:15,680 –> 00:06:17,520
یک قاب داده دیگر ایجاد می کند، اما در این مورد
191
00:06:17,520 –> 00:06:18,639
ما از همان نام استفاده می کنیم، بنابراین
192
00:06:18,639 –> 00:06:19,680
احتمالاً آن را
193
00:06:19,680 –> 00:06:20,639
لغو می کند
194
00:06:20,639 –> 00:06:22,319
و ما می خواهیم از این ستون ها استفاده کنیم. به این
195
00:06:22,319 –> 00:06:24,080
ترتیب، حالا اگر قرار بود
196
00:06:24,080 –> 00:06:27,520
دوباره df.head را چاپ کنم
197
00:06:28,240 –> 00:06:31,520
و این کار را بالای این هم انجام میدهم،
198
00:06:31,520 –> 00:06:34,479
بیایید این ترمینال را ببندیم تا
199
00:06:34,479 –> 00:06:37,759
واضحتر شود که اولین موردی
200
00:06:37,759 –> 00:06:40,160
که دوباره شناسه دارد را دریافت میکنیم، این یک مقدار
201
00:06:40,160 –> 00:06:42,240
کمی است. squiff روی صفحه نمایش من در آنجا می رویم
202
00:06:42,240 –> 00:06:46,080
id day و غیره و سپس ارز را
203
00:06:46,080 –> 00:06:46,880
در انتها
204
00:06:46,880 –> 00:06:49,520
داریم که آن را قرار می دهیم و ایمیل
205
00:06:49,520 –> 00:06:50,639
اکنون همان جایی است که آن را قرار داده ایم،
206
00:06:50,639 –> 00:06:52,680
بنابراین این یک راه خوب و آسان است فقط برای
207
00:06:52,680 –> 00:06:53,840
مرتب
208
00:06:53,840 –> 00:06:55,840
کردن مجدد ستون های داده های شما
209
00:06:55,840 –> 00:06:57,599
یک کار دیگر که ممکن است بخواهید انجام دهید این
210
00:06:57,599 –> 00:06:59,840
است که بخواهید بگویید خوب من
211
00:06:59,840 –> 00:07:01,199
به همه این داده ها
212
00:07:01,199 –> 00:07:03,599
نیاز ندارم، من فقط به این ستون ها نیاز دارم و نمی
213
00:07:03,599 –> 00:07:05,039
توانم فقط می توانم از شر آنها خلاص شوم اکنون می توانید
214
00:07:05,039 –> 00:07:06,880
ستون ها را از یک چارچوب داده
215
00:07:06,880 –> 00:07:08,960
اگر بخواهید کاملاً خوب است،
216
00:07:08,960 –> 00:07:10,960
اما گاهی اوقات انجام آن را ساده تر
217
00:07:10,960 –> 00:07:12,479
می دانم y به روشی متفاوت،
218
00:07:12,479 –> 00:07:14,400
بنابراین ما فقط میخواهیم
219
00:07:14,400 –> 00:07:15,680
این بیت داده را از اینجا حذف کنیم،
220
00:07:15,680 –> 00:07:16,960
تمام این تکه در وسط را حذف
221
00:07:16,960 –> 00:07:18,720
کنیم و یک قاب داده جدید
222
00:07:18,720 –> 00:07:20,960
با این بخش از دادهها ایجاد
223
00:07:20,960 –> 00:07:22,639
کنیم تا این کار را انجام دهیم. فقط این را
224
00:07:22,639 –> 00:07:24,880
حذف میکنم، دوباره میگویم فریم دادهای جدیدم،
225
00:07:24,880 –> 00:07:25,759
226
00:07:25,759 –> 00:07:27,680
شما فقط میتوانید دوباره df را انجام دهید تا
227
00:07:27,680 –> 00:07:28,960
اگر میخواهید آن را لغو کنید، اما من
228
00:07:28,960 –> 00:07:30,560
میخواهم انجام دهم فریم داده جدید
229
00:07:30,560 –> 00:07:34,400
برابر است با و سپس میگوییم
230
00:07:34,400 –> 00:07:37,520
df و سپس ستون های داده ما، بنابراین تمام
231
00:07:37,520 –> 00:07:39,199
کاری که ما انجام می دهیم این است که می گوییم بیایید
232
00:07:39,199 –> 00:07:40,800
یک قاب داده جدید
233
00:07:40,800 –> 00:07:42,639
با استفاده از اطلاعات این قاب ایجاد کنیم
234
00:07:42,639 –> 00:07:44,560
که در اینجا وجود دارد و
235
00:07:44,560 –> 00:07:47,039
فقط با استفاده از این ستون ها وارد کرده ایم، بنابراین حالا اگر
236
00:07:47,039 –> 00:07:49,280
237
00:07:49,280 –> 00:07:53,120
df جدید را چاپ کنم،
238
00:07:53,120 –> 00:07:56,319
ببخشید که تایپ می کنم. ما
239
00:07:56,319 –> 00:07:58,879
یک قاب داده جدید را در اینجا فقط با آن
240
00:07:58,879 –> 00:08:00,639
ستونهایی از دادههایی که میخواستیم دریافت میکنیم، توجه داشته باشید که
241
00:08:00,639 –> 00:08:01,280
من
242
00:08:01,280 –> 00:08:04,240
در اینجا ستون فهرست هنوز شناسه را تنظیم کردم
243
00:08:04,240 –> 00:08:05,680
، به همین دلیل است که
244
00:08:05,680 –> 00:08:07,840
اگر میخواهید ستون id را جابهجا کنید، همیشه اول است،
245
00:08:07,840 –> 00:08:10,160
فقط از شر این خط خلاص شوید. و از
246
00:08:10,160 –> 00:08:10,560
247
00:08:10,560 –> 00:08:12,240
شاخص صفر صفر یک دو سه چهار پنج
248
00:08:12,240 –> 00:08:14,400
برای خطوط شاخص سطر استفاده کنید
249
00:08:14,400 –> 00:08:16,080
تا به آنجا برویم که’ راه آسان دیگری برای
250
00:08:16,080 –> 00:08:17,440
انجام این کار است، بنابراین ما
251
00:08:17,440 –> 00:08:18,720
اساساً حجم زیادی از دادهها را که به آنها نیاز
252
00:08:18,720 –> 00:08:19,360
253
00:08:19,360 –> 00:08:21,120
نداریم حذف کردهایم، اما اگر دوباره به این نگاه کنیم، میبینیم
254
00:08:21,120 –> 00:08:24,080
که قیمت این علامت دلار را در اینجا دارد
255
00:08:24,080 –> 00:08:27,039
که به این معنی است که آن را نخواهد داشت. یک عدد صحیح باشد
256
00:08:27,039 –> 00:08:28,960
به این معنی که ما در واقع نمی توانیم
257
00:08:28,960 –> 00:08:30,879
با آن داده ها کاری انجام دهیم، بنابراین می خواهیم بتوانیم
258
00:08:30,879 –> 00:08:32,080
259
00:08:32,080 –> 00:08:35,120
این علامت دلار را از خود ستون قاب داده حذف
260
00:08:35,120 –> 00:08:36,399
261
00:08:36,399 –> 00:08:38,159
کنیم تا این کار را انجام دهیم، بنابراین باید به ستون اشاره کنیم،
262
00:08:38,159 –> 00:08:40,000
بنابراین می خواهم بگویم
263
00:08:40,000 –> 00:08:44,080
قیمت قاب داده جدید ما برابر با
264
00:08:44,080 –> 00:08:46,160
قیمت قاب داده جدید است زیرا ما
265
00:08:46,160 –> 00:08:47,760
فقط می خواهیم آن را بازنویسی کنیم
266
00:08:47,760 –> 00:08:49,600
بنابراین می خواهیم بگوییم که اکنون با این برابر خواهد شد
267
00:08:49,600 –> 00:08:50,800
268
00:08:50,800 –> 00:08:53,839
و اکنون می خواهیم dot را انجام دهیم
269
00:08:53,839 –> 00:08:55,760
اکنون این کار اساساً دقیقاً انجام می شود
270
00:08:55,760 –> 00:08:56,880
چیزی که می گوید
271
00:08:56,880 –> 00:08:59,519
هر چیزی را که اینجا می گوییم
272
00:08:59,519 –> 00:09:01,279
با هر کاری که انجام می دهیم جایگزین می کند، خوب است، بنابراین درست
273
00:09:01,279 –> 00:09:01,680
مثل
274
00:09:01,680 –> 00:09:03,680
اوم، درست مثل جایگزین معمولی در
275
00:09:03,680 –> 00:09:04,959
پایتون است، سپس به آن
276
00:09:04,959 –> 00:09:07,200
r می دهیم و سپس می گوییم چیزی را که می خواهیم
277
00:09:07,200 –> 00:09:09,920
جایگزین کنیم که علامت دلار
278
00:09:09,920 –> 00:09:12,000
یک کاما است. و سپس چیزی که ما می خواهیم
279
00:09:12,000 –> 00:09:13,040
آن را با در این مورد جایگزین کنیم،
280
00:09:13,040 –> 00:09:15,600
اکنون که w کار می کند، اما من می خواهم
281
00:09:15,600 –> 00:09:17,519
همزمان این ستون
282
00:09:17,519 –> 00:09:19,839
را به یک عدد ممیز شناور تبدیل
283
00:09:19,839 –> 00:09:21,600
کنم، بنابراین می خواهم
284
00:09:21,600 –> 00:09:26,399
نقطه را به عنوان نوع بگویم و این یک شناور بود،
285
00:09:26,399 –> 00:09:28,080
بنابراین کل این موضوع اساساً
286
00:09:28,080 –> 00:09:30,399
فقط به این معنی است که این ستون
287
00:09:30,399 –> 00:09:32,800
اکنون است. با این ستون برابر می شود
288
00:09:32,800 –> 00:09:34,160
زیرا ما آن را با همان داده ها جایگزین می کنیم،
289
00:09:34,160 –> 00:09:34,800
290
00:09:34,800 –> 00:09:36,399
اما علامت دلار را
291
00:09:36,399 –> 00:09:38,320
بیهوده از بین می بریم و آن را به یک شناور تغییر می دهیم
292
00:09:38,320 –> 00:09:39,120
،
293
00:09:39,120 –> 00:09:43,519
بنابراین اگر سر نقطه جدید df را چاپ کنم،
294
00:09:43,519 –> 00:09:47,360
باید بتوانیم برای دیدن
295
00:09:47,360 –> 00:09:50,720
اینکه علامت دلار از بین رفته است و
296
00:09:50,720 –> 00:09:52,560
ما قیمت خود را در آنجا داریم و این یک عدد ممیز
297
00:09:52,560 –> 00:09:54,640
شناور است،
298
00:09:54,640 –> 00:09:56,080
بنابراین کار بعدی که ممکن است بخواهید
299
00:09:56,080 –> 00:09:58,640
انجام دهید این است که ممکن است
300
00:09:58,640 –> 00:10:01,200
بخواهید فایلها را با هم اضافه کنید تا ممکن است
301
00:10:01,200 –> 00:10:03,040
چندین نمونه فایل داشته باشیم، مانند آنچه
302
00:10:03,040 –> 00:10:04,640
در آن ذکر شد. شروع کنید که ممکن است بخواهید
303
00:10:04,640 –> 00:10:06,560
کل قسمت را به هم بچسبانید
304
00:10:06,560 –> 00:10:09,200
تا بتوانید این کار را انجام دهید، بدیهی است که بهترین کار را
305
00:10:09,200 –> 00:10:10,880
زمانی انجام می دهد که ستون های منطبق داشته باشید،
306
00:10:10,880 –> 00:10:12,399
بنابراین اگر
307
00:10:12,399 –> 00:10:14,640
ستون های منطبق را ندارید و چندین فایل دارید،
308
00:10:14,640 –> 00:10:17,440
همه آنها را وارد کنید و سپس
309
00:10:17,440 –> 00:10:19,040
ستون ها را مانند من کار کنید. قبل از
310
00:10:19,040 –> 00:10:21,839
استفاده از این به شما نشان داد روشی که در اینجا وجود دارد تا آنها را به
311
00:10:21,839 –> 00:10:23,519