در این مطلب، ویدئو مواردی که اغلب با پایتون و Power BI خریداری می شوند 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: 00:11:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,240 –> 00:00:03,679
سلام، من میخواستم شما را از طریق یک
2
00:00:03,679 –> 00:00:06,960
موتور توصیه محبوبیت
3
00:00:06,960 –> 00:00:10,480
که با پایتون ساختهام و با تجسم
4
00:00:10,480 –> 00:00:11,519
و پاور بی
5
00:00:11,519 –> 00:00:15,280
در داشبوردی که آنچه را که
6
00:00:15,280 –> 00:00:15,759
7
00:00:15,759 –> 00:00:18,400
در آمازون میبینید هنگام خرید چیزی شبیهسازی میکند
8
00:00:18,400 –> 00:00:19,920
و لیست اقلامی که اغلب با هم خرید میکنید را مشاهده میکنید، معرفی
9
00:00:19,920 –> 00:00:22,400
کنم که میخواهم شما را با آن آشنا
10
00:00:22,400 –> 00:00:23,519
کنم.
11
00:00:23,519 –> 00:00:25,039
داشبورد شما را از طریق کد می گذرانم و به
12
00:00:25,039 –> 00:00:26,800
شما نشان می دهم که چگونه این و power bi را پیاده سازی کردم،
13
00:00:26,800 –> 00:00:30,000
بنابراین در سمت چپ
14
00:00:30,000 –> 00:00:31,760
ما مانند بخش افزودن به سبد خرید داریم
15
00:00:31,760 –> 00:00:34,239
و در حال حاضر من آیفون را
16
00:00:34,239 –> 00:00:35,680
انتخاب کرده
17
00:00:35,680 –> 00:00:37,920
ام، می توانید تصویر آیفون را ببینید
18
00:00:37,920 –> 00:00:39,040
آیا من آن را
19
00:00:39,040 –> 00:00:43,120
با استفاده از برخی از URL های وب آورده ام
20
00:00:43,120 –> 00:00:45,440
و سپس بخشی در اینجا دارم
21
00:00:45,440 –> 00:00:47,280
که توسط روایت هوشمند
22
00:00:47,280 –> 00:00:50,320
این نوع تقلیدها ساخته شده است که در آن
23
00:00:50,320 –> 00:00:52,559
تعریف آیتم وجود دارد اما من
24
00:00:52,559 –> 00:00:54,480
تعاریف را نداشتم و احساس نمی
25
00:00:54,480 –> 00:00:56,000
کردم نوشتن آنها
26
00:00:56,000 –> 00:00:59,120
به صورت دستی درست بالای آن دارای برخی معیارهای کلیدی است،
27
00:00:59,120 –> 00:01:00,559
28
00:01:00,559 –> 00:01:03,680
بنابراین این مورد انتخاب شده خواهد بود
29
00:01:03,680 –> 00:01:05,760
و سپس لیست کالاهایی که اغلب
30
00:01:05,760 –> 00:01:08,080
با هم خریداری می شوند را با آیفون
31
00:01:08,080 –> 00:01:09,920
می خواهیم تا بتوانیم ببینیم که
32
00:01:09,920 –> 00:01:12,240
کابل شارژ لایتنینگ شماره یک بوده است. موردی
33
00:01:12,240 –> 00:01:13,600
که با این خریده شده است
34
00:01:13,600 –> 00:01:15,680
و سپس هدفون سیمی
35
00:01:15,680 –> 00:01:16,799
و سپس
36
00:01:16,799 –> 00:01:20,479
آی پاد را پایین می آوریم و سپس دو نمونه از باتری را می بینید
37
00:01:20,479 –> 00:01:21,520
38
00:01:21,520 –> 00:01:24,240
که به این معنی است که آن دو بسته متفاوت است
39
00:01:24,240 –> 00:01:25,200
40
00:01:25,200 –> 00:01:27,600
بنابراین اگر به فرض تلفن google
41
00:01:27,600 –> 00:01:28,799
42
00:01:28,799 –> 00:01:31,439
برویم می توانیم شارژ USB را نیز ببینیم.
43
00:01:31,439 –> 00:01:33,040
کابل شماره یک چیزی بود که خریدیم و سپس
44
00:01:33,040 –> 00:01:34,960
هدفون
45
00:01:34,960 –> 00:01:38,560
را میبینیم، اگر بالا برویم تا فرض
46
00:01:38,560 –> 00:01:42,399
کنیم مانیتور فول اچدی خودمان را ببینیم، میتوانیم ببینیم با آن چه چیزی
47
00:01:42,399 –> 00:01:44,479
خریدهایم
48
00:01:44,479 –> 00:01:48,000
و سپس اگر داشته باشیم، مثلا
49
00:01:48,000 –> 00:01:50,560
تلویزیون صفحهتختمان، میتوانیم
50
00:01:50,560 –> 00:01:52,159
چیزهای مختلفی را نیز ببینیم. خریداری شده اند، بنابراین
51
00:01:52,159 –> 00:01:52,560
52
00:01:52,560 –> 00:01:55,920
موتور توصیه ای است که به شما نشان می دهد
53
00:01:55,920 –> 00:01:56,880
54
00:01:56,880 –> 00:01:59,280
با این کالای خاص چه چیزی خریداری
55
00:01:59,280 –> 00:02:00,240
شده است،
56
00:02:00,240 –> 00:02:01,360
بنابراین من شما را از طریق
57
00:02:01,360 –> 00:02:02,719
کد یاد می کنم و سپس به شما نشان می دهم که چگونه
58
00:02:02,719 –> 00:02:03,600
آن را در power bi پیاده سازی کردم،
59
00:02:03,600 –> 00:02:06,560
60
00:02:06,640 –> 00:02:10,800
بنابراین اولین کاری که باید انجام داد این بود برای
61
00:02:10,800 –> 00:02:12,720
وارد کردن کتابخانههای ضروری که میخواهیم
62
00:02:12,720 –> 00:02:14,720
از پانداها استفاده کنیم
63
00:02:14,720 –> 00:02:16,879
که برای دستکاری دادههای
64
00:02:16,879 –> 00:02:18,080
numpy
65
00:02:18,080 –> 00:02:21,120
برای هر matplotlib جبر خطی UH استفاده میشود
66
00:02:21,120 –> 00:02:23,120
که من در واقع از آن استفاده
67
00:02:23,120 –> 00:02:24,800
نکردم اما برای تجسم کردن است،
68
00:02:24,800 –> 00:02:27,360
سپس ابزارهای خطا اصلیترین چیزی است که استفاده میکنم.
69
00:02:27,360 –> 00:02:29,920
ایجاد آن جابجایی های مختلف
70
00:02:29,920 –> 00:02:32,560
از زمانی که یک کالا خریداری شده است، چه چیزی با آن
71
00:02:32,560 –> 00:02:32,959
خریداری شده است
72
00:02:32,959 –> 00:02:35,360
و تعداد دفعات
73
00:02:35,360 –> 00:02:36,560
آن
74
00:02:36,560 –> 00:02:38,720
و سپس مواجهه مجموعه ها،
75
00:02:38,720 –> 00:02:40,319
راه دیگری برای
76
00:02:40,319 –> 00:02:44,080
شمارش گروه بندی است که من از آن در گزارش استفاده نکردم
77
00:02:44,080 –> 00:02:46,080
اما می خواستم از آن استفاده کنم. فقط
78
00:02:46,080 –> 00:02:48,319
در صورتی که شما را از طریق آن
79
00:02:48,319 –> 00:02:50,000
بگذرانم، بنابراین اولین کاری که میخواستم انجام دهم این بود
80
00:02:50,000 –> 00:02:51,680
که تابعی ایجاد کنم
81
00:02:51,680 –> 00:02:54,720
که جفتها جفتها را
82
00:02:54,720 –> 00:02:58,400
پیدا کند و آنها را در یک ستون
83
00:02:58,400 –> 00:03:02,239
با استفاده از a و b به عنوان پایه فهرست کند، بنابراین
84
00:03:02,239 –> 00:03:04,959
من کاری که انجام دادم این بود. من آن
85
00:03:04,959 –> 00:03:05,599
تابع را ایجاد
86
00:03:05,599 –> 00:03:08,000
کردم، کاری که انجام می دهد ذخیره کردن چیزی به
87
00:03:08,000 –> 00:03:08,959
صورت جفت
88
00:03:08,959 –> 00:03:11,040
است و یک قاب داده بر
89
00:03:11,040 –> 00:03:13,519
اساس لیست جایگشت ها ایجاد می کند
90
00:03:13,519 –> 00:03:16,560
و من دوتا دارم و شما فقط
91
00:03:16,560 –> 00:03:20,080
از ستون a و b استفاده می کنید و سپس
92
00:03:20,080 –> 00:03:20,720
93
00:03:20,720 –> 00:03:24,159
جفت هایی را که بارگذاری کردم را برمی گرداند. مجموعه داده آن را در زیر مجموعه داده ذخیره کرد
94
00:03:24,159 –> 00:03:25,519
95
00:03:25,519 –> 00:03:27,360
زیرا این متغیر اصلی است
96
00:03:27,360 –> 00:03:29,360
که در پاور استفاده می شود
97
00:03:29,360 –> 00:03:32,640
و من فقط
98
00:03:32,640 –> 00:03:34,400
از دسامبر استفاده کردم
99
00:03:34,400 –> 00:03:38,480
زیرا اگر از مقدار زیادی استفاده می کردم نمی توانستم آن را به خوبی
100
00:03:38,480 –> 00:03:40,799
در power bi اجرا کنم. ماه های مختلف
101
00:03:40,799 –> 00:03:42,159
102
00:03:42,159 –> 00:03:43,680
و بعد مثل ما سر
103
00:03:43,680 –> 00:03:45,920
مجموعه داده را بررسی کنید تا بتوانید داده هایی را ببینید
104
00:03:45,920 –> 00:03:47,200
که در آن شناسه سفارش
105
00:03:47,200 –> 00:03:50,560
محصول را داریم، مقدار سفارش قیمت
106
00:03:50,560 –> 00:03:52,959
یا زمانی که در محل خرید سفارش داده شد
107
00:03:52,959 –> 00:03:55,519
108
00:03:55,840 –> 00:03:58,239
، اولین کاری که انجام دادم ایجاد
109
00:03:58,239 –> 00:04:00,319
متغیر دیگری به نام مجموعه داده های ترکیبی بود
110
00:04:00,319 –> 00:04:03,680
که این را گروه بندی کردم. داده ها با شناسه سفارش
111
00:04:03,680 –> 00:04:05,200
چون می
112
00:04:05,200 –> 00:04:07,360
خواستم ببینم چند مورد از این چیزها
113
00:04:07,360 –> 00:04:09,920
سفارش داده شده است، به عنوان مثال اگر شناسه سفارش را در اینجا می بینید
114
00:04:09,920 –> 00:04:10,640
115
00:04:10,640 –> 00:04:14,480
، این همان شناسه سفارش است و
116
00:04:14,480 –> 00:04:18,000
ما می توانیم این موارد را جفت کنیم و سپس
117
00:04:18,000 –> 00:04:20,798
فرکانس را دریافت
118
00:04:20,798 –> 00:04:24,639
کنیم و جفتی را که به دست آوردیم به دست آوردیم. جفتها با
119
00:04:24,639 –> 00:04:26,639
اعمال تابع
120
00:04:26,639 –> 00:04:30,240
و تنظیم مجدد شاخص در اینجا و سپس
121
00:04:30,240 –> 00:04:31,840
میدانید که
122
00:04:31,840 –> 00:04:33,759
بر اساس آنچه تابع
123
00:04:33,759 –> 00:04:36,800
در اینجا میگوید، یک چارچوب داده به ما میدهد و سپس یک
124
00:04:36,800 –> 00:04:39,440
ستون a و b دریافت میکنیم و سپس من فقط به سر نگاه میکنم.
125
00:04:39,440 –> 00:04:41,520
از آن قاب داده، بنابراین ما می
126
00:04:41,520 –> 00:04:42,720
توانیم a
127
00:04:42,720 –> 00:04:44,800
و b را ببینیم، بنابراین می توانیم همه جایگشت های مختلف را ببینیم
128
00:04:44,800 –> 00:04:46,720
که بر
129
00:04:46,720 –> 00:04:48,720
اساس خرید گروه بندی شده اند، بنابراین این یک
130
00:04:48,720 –> 00:04:51,199
خرید خواهد بود، این یک خرید است،
131
00:04:51,199 –> 00:04:54,240
بنابراین این گروه بندی ما است،
132
00:04:54,240 –> 00:04:56,479
بنابراین من می خواهم تعداد دفعات هر کالا را محاسبه
133
00:04:56,479 –> 00:04:58,000
134
00:04:58,000 –> 00:05:01,360
کنم occ urred با هر مورد b و ما از
135
00:05:01,360 –> 00:05:02,560
آن با تابع اندازه
136
00:05:02,560 –> 00:05:05,919
و گروه بندی استفاده می کنیم که
137
00:05:05,919 –> 00:05:07,840
بنابراین تمام کاری که من انجام دادم این بود که این ها را با هم گروه بندی کردم
138
00:05:07,840 –> 00:05:09,039
و
139
00:05:09,039 –> 00:05:12,240
سپس تعداد دفعاتی که گروه بندی شده اند را بدست آوریم،
140
00:05:12,240 –> 00:05:15,199
می توانید آن را در اینجا ببینید تا بتوانیم ببینیم که
141
00:05:15,199 –> 00:05:15,520
a
142