در این مطلب، ویدئو برش داده ها در پایتون با Mito 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: 00:06:38
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,320 –> 00:00:04,160
سلام، این jake از mido است،
2
00:00:04,160 –> 00:00:05,680
با تشکر از تماشای این ویدیو،
3
00:00:05,680 –> 00:00:06,879
من به شما نشان خواهم داد که چگونه می توانید
4
00:00:06,879 –> 00:00:07,759
به راحتی
5
00:00:07,759 –> 00:00:09,920
6
00:00:09,920 –> 00:00:11,519
با استفاده از بسته mito python داده های خود را برش داده و تاس کنید و تبدیل کنید، بنابراین
7
00:00:11,519 –> 00:00:12,639
اولین کاری که ما می خواهیم انجام دهیم این
8
00:00:12,639 –> 00:00:14,719
است که این دو را اجرا کنیم. خطوط کد را در اینجا وارد کنید، بنابراین
9
00:00:14,719 –> 00:00:16,480
صفحه miter و صفحه dot sheet من را وارد کنید و این صفحه
10
00:00:16,480 –> 00:00:16,880
11
00:00:16,880 –> 00:00:18,480
جلوی mito ما را رندر می کند،
12
00:00:18,480 –> 00:00:20,320
بنابراین قسمت جلویی miter همان چیزی
13
00:00:20,320 –> 00:00:22,160
است که یک صفحه گسترده برای
14
00:00:22,160 –> 00:00:22,880
پایتون
15
00:00:22,880 –> 00:00:24,560
در داخل نوت بوک jupyter است، بنابراین هر
16
00:00:24,560 –> 00:00:26,720
ویرایشی که در این انجام می دهیم front end در اینجا قرار است
17
00:00:26,720 –> 00:00:28,080
18
00:00:28,080 –> 00:00:30,080
پایتون معادل زیر را تولید کند. اولین کاری که
19
00:00:30,080 –> 00:00:31,359
20
00:00:31,359 –> 00:00:32,880
میکنیم این است که دادههایمان را وارد کنیم تا بتوانیم دادهها را به یکی از دو روش دریافت
21
00:00:32,880 –> 00:00:34,880
کنیم، یکی اینکه فقط میتوانیم فایلهای محلی خود را اینجا جستجو کنیم.
22
00:00:34,880 –> 00:00:37,440
23
00:00:37,440 –> 00:00:40,399
فایل csv نتفلیکس، بنابراین با مقداری داده در مورد
24
00:00:40,399 –> 00:00:41,200
چیزهای مختلف
25
00:00:41,200 –> 00:00:43,920
که می توانید در نتفلیکس تماشا کنید، بنابراین ما این
26
00:00:43,920 –> 00:00:44,800
کار را انجام می
27
00:00:44,800 –> 00:00:47,200
دهیم و می بینیم که وقتی این کار را انجام می دهیم
28
00:00:47,200 –> 00:00:48,079
، صفحه miter را
29
00:00:48,079 –> 00:00:50,960
با داده های ما از این فایل csv نتفلیکس پر می کند
30
00:00:50,960 –> 00:00:52,160
و در زیر
31
00:00:52,160 –> 00:00:54,079
آن کدی را ایجاد می کند که تبدیل شده است. که
32
00:00:54,079 –> 00:00:56,719
csv به a قاب داده
33
00:00:56,719 –> 00:00:57,760
راه دیگری که میتوانیم دادهها را به ابزار وارد کنیم این
34
00:00:57,760 –> 00:00:59,760
است که میتوانیم مستقیماً در یک قاب داده ارسال کنیم،
35
00:00:59,760 –> 00:01:00,879
بنابراین
36
00:01:00,879 –> 00:01:02,239
37
00:01:02,239 –> 00:01:03,359
اگر با فریمهای داده کار میکنید،
38
00:01:03,359 –> 00:01:04,559
بیش از
39
00:01:04,559 –> 00:01:05,920
هر چیزی که باید انجام دهید این است که در هر نقطه تجزیه و تحلیل خود را در صفحه میتر فراخوانی کنید. به
40
00:01:05,920 –> 00:01:07,760
نام قاب داده به عنوان آرگومان برای این
41
00:01:07,760 –> 00:01:09,760
sheet.sheetcall فرعی و
42
00:01:09,760 –> 00:01:11,520
43
00:01:11,520 –> 00:01:13,600
قبل از اینکه به جلو برویم برگه را پر می کند فقط روش هایی که می توانید
44
00:01:13,600 –> 00:01:15,040
45
00:01:15,040 –> 00:01:16,799
با استفاده از mido واقعاً داده های خود را تجزیه و تحلیل و درک کنید. اجازه دهید من فقط به شما نشان دهم که چگونه
46
00:01:16,799 –> 00:01:18,479
می توانید واقعاً آن را نصب کنید. به سرعت، بنابراین تنها
47
00:01:18,479 –> 00:01:20,080
کاری که باید انجام دهید این است که این سه دستور را
48
00:01:20,080 –> 00:01:21,520
در اینجا از اسناد
49
00:01:21,520 –> 00:01:22,799
ما انجام دهید، ما میخواهیم نصبکننده mito را
50
00:01:22,799 –> 00:01:24,640
نصب کنیم، سپس دستور install را
51
00:01:24,640 –> 00:01:26,159
از داخل نصبکننده اجرا کنیم و سپس فقط
52
00:01:26,159 –> 00:01:29,119
آزمایشگاه jupyter را باز کنید و میتوانید
53
00:01:29,119 –> 00:01:31,520
به mido برگردید. ما اطلاعاتی
54
00:01:31,520 –> 00:01:32,799
در مورد عناوین
55
00:01:32,799 –> 00:01:33,680
مختلف داریم، چیزهای مختلفی که میتوانید در نتفلیکس تماشا کنید،
56
00:01:33,680 –> 00:01:34,799
بنابراین
57
00:01:34,799 –> 00:01:36,560
برنامهها و فیلمهای تلویزیونی وجود دارد، بدیهی است که بیایید به
58
00:01:36,560 –> 00:01:37,920
سرعت به آمار خلاصهای
59
00:01:37,920 –> 00:01:39,680
برای تفکیک بین
60
00:01:39,680 –> 00:01:40,960
برنامههای تلویزیونی و فیلمها نگاه کنیم.
61
00:01:40,960 –> 00:01:41,600
اطلاعات خود را
62
00:01:41,600 –> 00:01:44,079
بهتر بفهمم، به برگه آمار خلاصه میروم،
63
00:01:44,079 –> 00:01:44,720
64
00:01:44,720 –> 00:01:46,880
میتوانیم ببینیم که تعداد فیلمهای بیشتری
65
00:01:46,880 –> 00:01:48,000
66
00:01:48,000 –> 00:01:50,560
67
00:01:50,560 –> 00:01:52,560
داریم
68
00:01:52,560 –> 00:01:53,680
. علاقهمندم
69
00:01:53,680 –> 00:01:56,000
به اینجا رتبهبندی است، بنابراین دوباره به این
70
00:01:56,000 –> 00:01:57,840
فیلمها و برنامههای تلویزیونی رتبهبندی میشود، من
71
00:01:57,840 –> 00:01:59,280
میخواهم به آمار خلاصه برای
72
00:01:59,280 –> 00:02:00,240
کسانی که
73
00:02:00,240 –> 00:02:03,840
در اینجا میتوانیم ببینیم tvma tv 14 و
74
00:02:03,840 –> 00:02:05,439
tvpg رایجترین رتبهبندیها هستند و دوباره
75
00:02:05,439 –> 00:02:06,960
میتوانیم دقیق را ببینیم. مقادیر برای هر یک از
76
00:02:06,960 –> 00:02:07,520
آنها
77
00:02:07,520 –> 00:02:09,919
در برچسب هایی که ظاهر می شوند، بنابراین آنچه که من
78
00:02:09,919 –> 00:02:11,520
می خواهم اکنون اینجا انجام دهم این است
79
00:02:11,520 –> 00:02:13,200
که رابطه را کمی بهتر درک کنم تا واقعاً
80
00:02:13,200 –> 00:02:15,040
داده های خود را به گونه ای برش دهم و تاس بزنم که
81
00:02:15,040 –> 00:02:16,480
بینش هایی به من بدهد، بنابراین می خواهم این کار را
82
00:02:16,480 –> 00:02:17,840
انجام دهم. جدول محوری که روشی عالی برای
83
00:02:17,840 –> 00:02:18,560
انجام آن است
84
00:02:18,560 –> 00:02:20,879
، اولین کاری که میتوانم اینجا انجام دهم
85
00:02:20,879 –> 00:02:22,160
این است که
86
00:02:22,160 –> 00:02:25,360
رتبهبندیها را به عنوان ردیف خود اضافه میکنم و بهعنوان ستونها
87
00:02:25,360 –> 00:02:26,800
، نوع را قرار نمیدهم، بنابراین هر دو
88
00:02:26,800 –> 00:02:28,400
میروند. نمایش تلویزیونی یا فیلم باشد و به عنوان
89
00:02:28,400 –> 00:02:28,879
90
00:02:28,879 –> 00:02:31,760
مقدار دوباره رتبه بندی را انتخاب می کنم و
91
00:02:31,760 –> 00:02:33,200
فقط aggr را قرار می دهم نوع egation به عنوان
92
00:02:33,200 –> 00:02:35,599
شمارش و آنچه که وجود دارد این است که
93
00:02:35,599 –> 00:02:37,120
این را در اینجا پر می کند، بنابراین
94
00:02:37,120 –> 00:02:39,519
من اکنون این جدول محوری را می بندم و اکنون این
95
00:02:39,519 –> 00:02:40,959
96
00:02:40,959 –> 00:02:44,080
جدول محوری به روز رسانی بسیار عالی را با قابلیت ویرایش در داخل
97
00:02:44,080 –> 00:02:46,640
خودم ساخته ایم تا بتوانیم به عنوان مثال
98
00:02:46,640 –> 00:02:48,400
رتبه بندی تلویزیون 14 را ببینیم.
99
00:02:48,400 –> 00:02:52,239
نمایه نتفلیکس دارای 1272 فیلم
100
00:02:52,239 –> 00:02:54,800
است که این رتبه بندی را دارند و 659 برنامه تلویزیونی
101
00:02:54,800 –> 00:02:55,840
دارای این رتبه بندی هستند
102
00:02:55,840 –> 00:02:57,280
و همانطور که قبلاً گفتم هر کاری که
103
00:02:57,280 –> 00:02:58,800
در اینجا انجام می دهیم
104
00:02:58,800 –> 00:03:00,480
کد معادل زیر را ایجاد می کند ، بنابراین وقتی این جدول محوری را در
105
00:03:00,480 –> 00:03:01,360
106
00:03:01,360 –> 00:03:04,720
زیر می سازم ، کدی را ایجاد می کند
107
00:03:04,720 –> 00:03:08,159
که همان
108