در این مطلب، ویدئو تفکر در پانداها: تجزیه و تحلیل داده های پایتون به روش صحیح | پادکست واقعی پایتون شماره 16 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: 1:02:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:02,820
به پادکست واقعی پایتون خوش آمدید،
2
00:00:02,820 –> 00:00:05,580
این قسمت 16 است، آیا از
3
00:00:05,580 –> 00:00:07,890
پانداهای کتابخانه پایتون به درستی استفاده میکنید،
4
00:00:07,890 –> 00:00:09,750
آیا نمیدانید عملکرد بهتری داشته باشید
5
00:00:09,750 –> 00:00:11,730
یا چگونه دادههای خود را برای
6
00:00:11,730 –> 00:00:14,309
تجزیه و تحلیل بهینه کنید و
7
00:00:14,309 –> 00:00:16,230
عادیسازی این هفته در برنامه ما
8
00:00:16,230 –> 00:00:18,510
صادقانه Banach چیست؟ درباره کتاب جدید او در مورد
9
00:00:18,510 –> 00:00:20,910
تفکر پانداها بحث کنید. الهام بخش
10
00:00:20,910 –> 00:00:22,350
کتاب هانا از
11
00:00:22,350 –> 00:00:25,410
سخنرانی او در PyCon U.s حاصل شد. در سال 2019 عنوان شد
12
00:00:25,410 –> 00:00:27,210
مانند پاندا فکر می کنم همه چیزهایی
13
00:00:27,210 –> 00:00:29,400
که برای استفاده صحیح از پانداها باید بدانید.
14
00:00:29,400 –> 00:00:31,410
ما چندین مفهوم اصلی را
15
00:00:31,410 –> 00:00:32,850
که در این کتاب پوشش داده شده است مورد بحث قرار دادیم و او
16
00:00:32,850 –> 00:00:34,500
تکنیک هایی را برای دستیابی به عملکرد بیشتر
17
00:00:34,500 –> 00:00:36,899
هنگام کار با داده ها در پانداها به اشتراک می گذارد. ما همچنین
18
00:00:36,899 –> 00:00:39,180
در مورد PyCon اخیر صحبت کردیم. U.S.
19
00:00:39,180 –> 00:00:41,309
ارائه آنلاین در مورد پایگاه های داده و
20
00:00:41,309 –> 00:00:43,620
مهاجرت در یک یادداشت برنامه نویسی
21
00:00:43,620 –> 00:00:44,610
، این هفته ضبط کمی نویز داشت،
22
00:00:44,610 –> 00:00:46,050
من تمام تلاشم را برای
23
00:00:46,050 –> 00:00:48,270
ویرایش آن انجام دادم، اما مراقب باشید ممکن است
24
00:00:48,270 –> 00:00:50,070
کمی نویز از اتصال آنا بشنوید،
25
00:00:50,070 –> 00:00:54,380
خوب، بیایید شروع کنیم
26
00:00:54,380 –> 00:01:12,040
[موسیقی ]
27
00:01:12,040 –> 00:01:14,630
نام من کریستوفر بیلی است میزبان شما
28
00:01:14,630 –> 00:01:17,150
پادکست واقعی پایتون یک
29
00:01:17,150 –> 00:01:19,430
مکالمه هفتگی در مورد استفاده از پایتون در
30
00:01:19,430 –> 00:01:21,290
دنیای واقعی است. مصاحبه با
31
00:01:21,290 –> 00:01:23,030
متخصصان جامعه و بحث در مورد
32
00:01:23,030 –> 00:01:25,070
موضوعات مقالات و دوره هایی که
33
00:01:25,070 –> 00:01:27,890
پس از پادکست در کام پایتون واقعی یافت می شوند به
34
00:01:27,890 –> 00:01:30,080
ما بپیوندید و واقعی را یاد بگیرید. -مهارت های جهانی پایتون
35
00:01:30,080 –> 00:01:32,299
با انجمنی از متخصصان در
36
00:01:32,299 –> 00:01:34,070
پایتون واقعی سلام هانا
37
00:01:34,070 –> 00:01:37,130
سلام به پادکست خوش آمدید
38
00:01:37,130 –> 00:01:38,810
اوه کمی در مورد کار برای New Relic به من بگویید
39
00:01:38,810 –> 00:01:41,450
آنجا چه می کنید من در
40
00:01:41,450 –> 00:01:44,300
تیم اتوماسیون امنیتی هستم خوب و بنابراین ما
41
00:01:44,300 –> 00:01:47,720
اساساً همه چیز را می نویسیم امنیت در
42
00:01:47,720 –> 00:01:51,770
ابزارهای کشور هر چه که مطمئن هستند، بنابراین
43
00:01:51,770 –> 00:01:54,319
اساساً در حال حاضر من در حال کار بر روی
44
00:01:54,319 –> 00:01:57,560
نوعی مانند تعمیر یک برنامه وب موجود
45
00:01:57,560 –> 00:02:00,530
است که توسط یک
46
00:02:00,530 –> 00:02:03,289
کارمند قبلی و من با یک
47
00:02:03,289 –> 00:02:05,600
نفر دیگر کار می کنیم، بنابراین تیم ما فقط دو نفر است
48
00:02:05,600 –> 00:02:08,508
وای خیلی کوچک است، حدس می زنم برای
49
00:02:08,508 –> 00:02:10,699
ارتباطات جالب است بله نه قطعاً
50
00:02:10,699 –> 00:02:13,420
متفاوت است
51
00:02:15,459 –> 00:02:18,680
بله بنابراین مانند یک برنامه فلاسک است
52
00:02:18,680 –> 00:02:21,410
و سپس یک bouge s brennan
53
00:02:21,410 –> 00:02:23,930
خوب است چقدر است چیزهای جاوا اسکریپت آیا
54
00:02:23,930 –> 00:02:26,150
در حال حاضر باید به خوبی با آنها کار کنید،
55
00:02:26,150 –> 00:02:28,880
ما فقط بر روی پشتیبان تمرکز کرده ایم، بنابراین
56
00:02:28,880 –> 00:02:31,400
وقتی من چند ماه پیش شروع کردم، آنها
57
00:02:31,400 –> 00:02:33,470
در واقع در حال انتقال استقرار خود
58
00:02:33,470 –> 00:02:38,660
از آمازون به سیستم استقرار داخلی New Relic بودند
59
00:02:38,660 –> 00:02:42,470
و در این فرآیند تصمیم گرفتیم
60
00:02:42,470 –> 00:02:45,470
که برای سری بعدی کارهای بعدی
61
00:02:45,470 –> 00:02:47,720
ما در واقع به یک قسمت جلویی نیاز نداشتیم
62
00:02:47,720 –> 00:02:50,420
، بله، بنابراین ما فقط آن را به تعویق انداختیم
63
00:02:50,420 –> 00:02:52,579
و تصمیم گرفتیم برای لحظه ای روی قسمت پشتی تمرکز
64
00:02:52,579 –> 00:02:54,380
کنیم و قسمت جلویی را مجدداً مستقر
65
00:02:54,380 –> 00:02:56,150
کنیم و کارهایی در جلو انجام دهیم.
66
00:02:56,150 –> 00:02:57,769
احتمالاً به عنوان پایان تابستان
67
00:02:57,769 –> 00:03:00,170
خوب است، من می خواستم در مورد دو چیز متفاوت با شما صحبت کنم،
68
00:03:00,170 –> 00:03:01,970
یکی کتاب شما است که به
69
00:03:01,970 –> 00:03:04,459
تازگی در پانداها فکر می کنید و
70
00:03:04,459 –> 00:03:06,260
سپس اگر وقت داشته باشیم
71
00:03:06,260 –> 00:03:08,930
کمی در مورد P صحبت خواهیم کرد. بحث آنلاین yCon 2020
72
00:03:08,930 –> 00:03:11,120
که شما در مورد پایگاه های داده دنباله
73
00:03:11,120 –> 00:03:15,049
کیمیاگری و مهاجرت انجام دادید، بله،
74
00:03:15,049 –> 00:03:17,060
برای شروع صحبت در مورد فکر کردن و
75
00:03:17,060 –> 00:03:18,889
ISM کتابی که به تازگی منتشر شده است این است که درست است
76
00:03:18,889 –> 00:03:23,330
بله بله همین آخر هفته بسیار جالب است،
77
00:03:23,330 –> 00:03:25,129
من قطعاً پیوندهایی را به آن اضافه خواهم
78
00:03:25,129 –> 00:03:25,310
کرد.
79
00:03:25,310 –> 00:03:28,430
درست است، بله خوب، پس چه کسی
80
00:03:28,430 –> 00:03:31,640
خواننده مورد نظر برای کتاب شما خواهد بود،
81
00:03:31,640 –> 00:03:35,989
بنابراین بیشتر برای مبتدیان هدف قرار می گیرد، اما من
82
00:03:35,989 –> 00:03:38,480
فکر می کنم چیزی در آن برای
83
00:03:38,480 –> 00:03:41,230
کاربران پیشرفته یا متوسط وجود دارد، همچنین مع
84
00:03:41,230 –> 00:03:43,790
ولاً وقتی صحبت می کنید یا کتاب هایی در
85
00:03:43,790 –> 00:03:46,550
ورد پاندا می خوانید، اینطور نیست. خیلی روی عملکرد تمرکز می
86
00:03:46,550 –> 00:03:50,090
کنم و کتاب من واقعاً دوست دارد
87
00:03:50,090 –> 00:03:52,220
در سطوح عمیق عملکرد کاوش کند،
88
00:03:52,220 –> 00:03:55,099
بله، مثل اینکه در مورد ساختارهای داده
89
00:03:55,099 –> 00:03:57,980
در پایتون صحبت می کند و ساختار داده
90
00:03:57,980 –> 00:04:00,560
این است که پانداها بر روی آن ساخته شده اند
91
00:04:00,560 –> 00:04:02,450
و مانند این است که روی numpy ساخته شده اند، بنابراین وقتی وارد می
92
00:04:02,450 –> 00:04:03,830
شود و در مورد اینکه شما
93
00:04:03,830 –> 00:04:07,100
عملکرد خود numpy را میدانید و
94
00:04:07,100 –> 00:04:08,720
میدانید که عملکرد سختافزاری را نیز لمس میکنید،
95
00:04:08,720 –> 00:04:11,420
بنابراین فکر
96
00:04:11,420 –> 00:04:13,580
میکنم این احتمالاً جالبترین
97
00:04:13,580 –> 00:04:15,830
بخش کتاب است که تمرکز کمتری دارد. از
98
00:04:15,830 –> 00:04:18,380
همه راههای مختلفی که میتوانید از آن در
99
00:04:18,380 –> 00:04:20,510
همه Apiهای مختلف استفاده کنید و بیشتر
100
00:04:20,510 –> 00:04:22,820
روی نحوه استفاده صحیح از آن و
101
00:04:22,820 –> 00:04:25,160
گرفتن بهترین عملکرد از آن تمرکز کنید، بله،
102
00:04:25,160 –> 00:04:27,200
قطعاً در محل کار قبلی که در
103
00:04:27,200 –> 00:04:29,570
آنجا با برخی از دانشمندان داده کار میکردم، آن را دیدهام.
104
00:04:29,570 –> 00:04:31,150
و
105
00:04:31,150 –> 00:04:34,130
گاهی اوقات میتوانستم ببینم که میدانی آنها فقط شانههایشان را بالا میاندازند
106
00:04:34,130 –> 00:04:35,960
و میگویند خوب این کار
107
00:04:35,960 –> 00:04:38,510
آهسته میشود و من همیشه
108
00:04:38,510 –> 00:04:40,729
در پشت سرم تعجب میکنم
109
00:04:40,729 –> 00:04:41,810
که آیا نمیتوانستند
110
00:04:41,810 –> 00:04:43,250
کاری انجام دهند تا این کار کمی انجام شود.
111
00:04:43,250 –> 00:04:45,979
کارآمدتر است و نه فقط مثل اینکه
112
00:04:45,979 –> 00:04:47,150
خوب می دانید من فقط اجازه می دهم یک شبه اجرا شود
113
00:04:47,150 –> 00:04:50,750
و این چیزها بله بله کاملاً
114
00:04:50,750 –> 00:04:53,630
طول می کشد و من فکر می کنم
115
00:04:53,630 –> 00:04:56,270
واقعاً به نوعی مانند یک پایگاه کاربر مربوط
116
00:04:56,270 –> 00:04:58,970
می شود. بسیاری از کاربرانی که از
117
00:04:58,970 –> 00:05:01,370
پانداها استفاده میکنند،
118
00:05:01,370 –> 00:05:02,840
لزوماً مانند یک پسزمینه توسعهدهنده نرمافزار
119
00:05:02,840 –> 00:05:04,430
ندارند، بنابراین لزوماً آن را دریافت نمیکنند،
120
00:05:04,430 –> 00:05:06,620
میدانید که پسزمینه مانند
121
00:05:06,620 –> 00:05:09,440
ساختار دادهها و عملکرد است
122
00:05:09,440 –> 00:05:12,229
و میدانید چگونه از آن استفاده کنید.
123
00:05:12,229 –> 00:05:14,240
مدیریت حافظه مانند اوه، شما همه
124
00:05:14,240 –> 00:05:17,330
آن جزئیات را می دانید، بنابراین واقعاً سعی می کند
125
00:05:17,330 –> 00:05:19,400
روی آن تمرکز کند و نوع استفاده از آن را
126
00:05:19,400 –> 00:05:22,130
توضیح دهد که چرا پانداها
127
00:05:22,130 –> 00:05:24,500
در شرایط خاص اینگونه عمل می کنند، خوب است، بنابراین
128
00:05:24,500 –> 00:05:26,240
اگر می خواهید کمی شیرجه بزنید، به طور خلاصه به آن اشاره کردید.
129
00:05:26,240 –> 00:05:27,530
صحبت عمیقتر در
130
00:05:27,530 –> 00:05:28,700
مورد
131
00:05:28,700 –> 00:05:31,190
فناوری زیربنایی پانداها بله، بنابراین
132
00:05:31,190 –> 00:05:34,940
منظورم این است که از آن استفاده میکند از numpy استفاده میکند و از
133
00:05:34,940 –> 00:05:37,770
یک داور برجسته در زیر استفاده میکند و
134
00:05:37,770 –> 00:05:41,520
در اصل مانند آن از آرایههای C استفاده میکند بله
135
00:05:41,520 –> 00:05:45,630
و بنابراین C میدانید که همه آنها انتظار دارند این
136
00:05:45,630 –> 00:05:48,210
باشد. همان نوع، به طوری که مانند یک عملکرد بزرگ
137
00:05:48,210 –> 00:05:49,229
138
00:05:49,229 –> 00:05:51,060
است که به خودی خود باید به آن توجه کرد، مانند این است
139
00:05:51,060 –> 00:05:53,849
که اگر انواع مختلفی برای
140
00:05:53,849 –> 00:05:56,580
ستونهای خود دارید که میتواند
141
00:05:56,580 –> 00:05:58,830
به خودی خود یک کاهش عملکرد بزرگ باشد، بله
142
00:05:58,830 –> 00:06:01,530
، چیزی است که تقریباً بلافاصله در مورد آن صحبت میکنم،
143
00:06:01,530 –> 00:06:03,300
اما پس از آن عملکرد دیگری وجود دارد.
144
00:06:03,300 –> 00:06:05,910
مزایا و همچنین
145
00:06:05,910 –> 00:06:08,610
مانند وجود numpy بر روی
146
00:06:08,610 –> 00:06:11,430
ثبات های برداری ساخته شده است که به شما امکان می دهد محاسبات یکسانی را در چندین ستون به طور همزمان انجام دهید،
147
00:06:11,430 –> 00:06:14,639
148
00:06:14,639 –> 00:06:16,650
بنابراین در واقع مانند یک افزایش سرعت سخت افزاری است.
149
00:06:16,650 –> 00:06:18,990
بنابراین بهجای اینکه
150
00:06:18,990 –> 00:06:22,770
هر بار یک به یک مقدار
151
00:06:22,770 –> 00:06:25,110
اضافه کنید، میتوانید
152
00:06:25,110 –> 00:06:27,060
در یک زمان مانند چهار مقدار در داخل
153
00:06:27,060 –> 00:06:29,909
CPU خود، یکی را به مجموعهای از مقادیر اضافه کنید، بنابراین این مورد نیز در آنجا ذکر شده است
154
00:06:29,909 –> 00:06:31,830
، بله میتوانم شما را برای یک ثانیه متوقف کنم.
155
00:06:31,830 –> 00:06:33,300
من قبلاً نشنیدم که کسی در
156
00:06:33,300 –> 00:06:35,130
مورد آن صحبت کند و به نظر
157
00:06:35,130 –> 00:06:37,319
واقعاً جالب است، بنابراین یک برداری
158
00:06:37,319 –> 00:06:39,810
یعنی ثبات ها در مورد مناطق حافظه صحبت می کنند،
159
00:06:39,810 –> 00:06:42,719
بله در داخل CPU
160
00:06:42,719 –> 00:06:47,039
شما درست است، شما حافظه خود را در ثبات ها بارگیری می کنید و
161
00:06:47,039 –> 00:06:48,990
بله ظروف حافظه ما را
162
00:06:48,990 –> 00:06:51,389
در داخل خود ثبت می کنید. CPU که در آن
163
00:06:51,389 –> 00:06:54,210
محاسبات در واقع اجرا میشوند و
164
00:06:54,210 –> 00:06:56,099
سپس دوباره در یک ثبات نوشته میشوند و
165
00:06:56,099 –> 00:06:59,130
بعد از آن درست مانند
166
00:06:59,130 –> 00:07:00,750
آن مقدار ثبات را میگیرد و در نهایت
167
00:07:00,750 –> 00:07:02,009
میخواهد دوباره آن را به حافظه
168
00:07:02,009 –> 00:07:04,289
169
00:07:04,289 –> 00:07:07,440
بازنویسی کند، اما بله، بنابراین این چیزی است که باید در ذهن داشته باشید و بیحسی
170
00:07:07,440 –> 00:07:09,870
استفاده از آن است، بنابراین مانند حافظه به
171
00:07:09,870 –> 00:07:12,150
طور کلی چیز دیگری برای
172
00:07:12,150 –> 00:07:13,830
استفاده از آن است، مانند اینکه شما می خواهید انجام دهید
173
00:07:13,830 –> 00:07:15,780
، با مجموعه داده های بزرگ کار می کنید و
174
00:07:15,780 –> 00:07:19,289
بنابراین می خواهید کارهایی را که
175
00:07:19,289 –> 00:07:22,409
نمی خواهید انجام دهید. برای ادامه بارگذاری حافظه در
176
00:07:22,409 –> 00:07:25,409
CPU خود که بسیار گران است و بنابراین
177
00:07:25,409 –> 00:07:26,759
می خواهید مانند یک تکه از
178
00:07:26,759 –> 00:07:28,560
حافظه را بردارید، بله و یک سری
179
00:07:28,560 –> 00:07:30,180
محاسبات روی آن انجام دهید و سپس آن را
180
00:07:30,180 –> 00:07:31,319
دوباره در حافظه بنویسید و سپس تکه بعدی را بارگیری کنید
181
00:07:31,319 –> 00:07:33,150
و این یک جور است مانند جایی
182
00:07:33,150 –> 00:07:35,069
که ممکن است خط اشتباهی را بشنوید،
183
00:07:35,069 –> 00:07:37,349
بنابراین مانند حافظه نهان مانند استفاده
184
00:07:37,349 –> 00:07:39,539
از اندازه حافظه پنهان شما و چیزی که
185
00:07:39,539 –> 00:07:40,770
در مورد آن صحبت می کند مانند صحبت در مورد
186
00:07:40,770 –> 00:07:42,900
بارگیری آن حافظه در حافظه نهان
187
00:07:42,900 –> 00:07:45,210
که بسیار نزدیک به CPU شما است و سپس
188
00:07:45,210 –> 00:07:46,560
اجرای محاسبات روی آن است. سپس
189
00:07:46,560 –> 00:07:47,580
آن را دوباره بنویسید
190
00:07:47,580 –> 00:07:49,090
تا
191
00:07:49,090 –> 00:07:51,639
از تکرار در کل
192
00:07:51,639 –> 00:07:53,110
قاب داده خودداری کنید، مطمئن باشید که
193
00:07:53,110 –> 00:07:55,510
هر محاسباتی همه
194
00:07:55,510 –> 00:07:58,510
چیز با numpy اتفاق میافتد که
195
00:07:58,510 –> 00:08:00,850
بیشتر در سطح دریا نوشته است تا در پایتون
196
00:08:00,850 –> 00:08:03,720
بله، بنابراین همه در numpy و
197
00:08:03,720 –> 00:08:06,400
پسوندهای numpy هستند. مانند
198
00:08:06,400 –> 00:08:08,470
عبارت enum این کار را انجام میدهد، اما
199
00:08:08,470 –> 00:08:10,720
کتابخانههای دیگری از نویسنده
200
00:08:10,720 –> 00:08:13,960
پانداها وجود دارد که تلاش میکند به
201
00:08:13,960 –> 00:08:16,330
نوعی مانند شاخهای است که او امیدوار است
202
00:08:16,330 –> 00:08:18,100
در نهایت مانند آن شود.
203
00:08:18,100 –> 00:08:20,860
و این همان چیزی است که او سعی
204
00:08:20,860 –> 00:08:23,110
دارد در آنجا انجام دهد، زیرا پانداها در
205
00:08:23,110 –> 00:08:25,270
ابتدا با چنین معماری مشابهی
206
00:08:25,270 –> 00:08:27,700
در ذهن نوشته نشده بودند، اما واقعاً اینجاست
207
00:08:27,700 –> 00:08:30,220
که شما ملاقات های عملکردی خوبی خواهید داشت
208
00:08:30,220 –> 00:08:32,710
، اگر بتوانید چنین کارهایی را انجام دهید.
209
00:08:32,710 –> 00:08:36,159
تجزیه و تحلیل مبتنی بر تکه بله برای من منطقی است
210
00:08:36,159 –> 00:08:38,620
مانند پردازش بر اساس تکه ها
211
00:08:38,620 –> 00:08:40,809
در مقابل شما می دانید مانند مواردی که من به
212
00:08:40,809 –> 00:08:44,169
صورت ردیف به ردیف گفتم یا با ستون فراخوانی کردم
213
00:08:44,169 –> 00:08:46,990
بله بله، و منظورم این است که این
214
00:08:46,990 –> 00:08:49,420
جوهری است مانند چیزی که اغلب می شنوید که
215
00:08:49,420 –> 00:08:52,270
مردم در مورد آن صحبت می کنند. پانداها وقتی می
216
00:08:52,270 –> 00:08:54,520
گویند که می دانی دوست داری روی
217
00:08:54,520 –> 00:08:56,290
چارچوب داده پاندا خود حلقه بزنی، این
218
00:08:56,290 –> 00:08:59,050
همان مفهومی است که بله، انجام کارهایی مانند
219
00:08:59,050 –> 00:09:01,209
تا حدودی موازی راست یا به
220
00:09:01,209 –> 00:09:03,970
صورت تکه تکه در مقابل درست مانند سطر به سطر یا
221
00:09:03,970 –> 00:09:05,770
ستون به ستون، بله، من حدس می زنم که بتوانیم
222
00:09:05,770 –> 00:09:08,650
در بحث آیکون 2019 خود کمی به این موضوع بروید
223
00:09:08,650 –> 00:09:11,589
که من پیوندهایی را برای
224
00:09:11,589 –> 00:09:13,600
انگیزه شما برای ورود
225
00:09:13,600 –> 00:09:16,870
به نوشتن کتاب درج خواهم کرد بله شما در مورد
226
00:09:16,870 –> 00:09:20,920
عدم استفاده از آن صحبت
227
00:09:20,920 –> 00:09:22,930
می کنید. برخی از
228
00:09:22,930 –> 00:09:26,830
تفکرات وجود دارد بله، بنابراین اعمال دقیقاً همان
229
00:09:26,830 –> 00:09:28,570
چیزی است که ما در مورد آن صحبت میکردیم، جایی
230
00:09:28,570 –> 00:09:31,450
که در کتاب من روی ردیفها و ستونها تکرار میشود،
231
00:09:31,450 –> 00:09:33,910
در فصل اعمال، من
232
00:09:33,910 –> 00:09:37,810
در واقع یک نمونه کد از کد دارم
233
00:09:37,810 –> 00:09:41,440
که دقیقاً پیادهسازی
234
00:09:41,440 –> 00:09:43,990
کاربردی در داخل پانداها است و فقط یک
235
00:09:43,990 –> 00:09:47,950
حلقه که در آن مانند soul funk
236
00:09:47,950 –> 00:09:49,930
یا هر چیز دیگری فراخوانی می کند که
237
00:09:49,930 –> 00:09:51,940
تابعی است که برای اعمال ارسال کرده اید، بنابراین
238
00:09:51,940 –> 00:09:54,459
به معنای واقعی کلمه روی ردیف ها یا ستون ها حلقه می زند
239
00:09:54,459 –> 00:09:56,290
و ممکن است آن تابع را فراخوانی
240
00:09:56,290 –> 00:09:58,150
کند تا بدانید که
241
00:09:58,150 –> 00:10:00,640
به راحتی می توانید پیاده سازی را دوست داشته باشید. که خارج
242
00:10:00,640 –> 00:10:02,620
از طرح داستانی در مورد خودتان
243
00:10:02,620 –> 00:10:04,360
واقعاً تفاوت چندانی ندارد، اما بله
244
00:10:04,360 –> 00:10:06,370
، چیزی است که من در مورد آن زیاد صحبت می کنم،
245
00:10:06,370 –> 00:10:08,320
این چیزی است که بسیاری از
246
00:10:08,320 –> 00:10:10,720
کاربران پانداهای مبتدی مانند پانداهای مبتدی،
247
00:10:10,720 –> 00:10:12,040
برای آنها منطقی است که می دانید اگر
248
00:10:12,040 –> 00:10:14,020
مورد استفاده قرار می گیرید. برای برنامه نویسی احتمالاً
249
00:10:14,020 –> 00:10:16,000
عادت دارید که روی مجموعه داده های خود
250
00:10:16,000 –> 00:10:17,860
با استفاده از یک حلقه درست تکرار کنید، بنابراین بسیار آشنا است
251
00:10:17,860 –> 00:10:20,200
و احتمالاً فکر می
252
00:10:20,200 –> 00:10:22,570
کنید در ذهن خود می دانید مانند oh I need to you know
253
00:10:22,570 –> 00:10:24,490
run این تابع روی هر شماره تماس در
254
00:10:24,490 –> 00:10:27,100
هر ردیف است، بنابراین بسیار آشنا و آسان است،
255
00:10:27,100 –> 00:10:30,550
اما این چیزی نیست که شما
256
00:10:30,550 –> 00:10:32,680
باید آن را انجام دهید، بلکه در
257
00:10:32,680 –> 00:10:34,900
هنگام کار با پانداها بسیار معکوس فکر می کند
258
00:10:34,900 –> 00:10:38,500
و من در کتابم به
259
00:10:38,500 –> 00:10:40,330
مثال های مختلفی که می دانید
260
00:10:40,330 –> 00:10:42,910
مانند آن می پردازم. در اینجا موردی وجود دارد که شخصی
261
00:10:42,910 –> 00:10:44,770
از App استفاده می کند و در اینجا چیزی است که
262
00:10:44,770 –> 00:10:46,870
احتمالاً باید به جای آن انجام دهد و
263
00:10:46,870 –> 00:10:49,390
گزینه های مختلف زیادی برای این کار وجود دارد
264
00:10:49,390 –> 00:10:51,880
مانند برخی از آنها فقط
265
00:10:51,880 –> 00:10:54,130
من در ارائه خود در مورد این موضوع صحبت کردم.
266
00:10:54,130 –> 00:10:57,190
267
00:10:57,190 –> 00:10:59,380
در عملکرد درست خارج از
268
00:10:59,380 –> 00:11:02,740
قاب داده پاندا یا در کتابم
269
00:11:02,740 –> 00:11:06,610
مثالی از استفاده از تکرار آرایه ناقص
270
00:11:06,610 –> 00:11:09,240
به جای آن یا مانند درک فهرست ارائه میدهم
271
00:11:09,240 –> 00:11:13,420
که در واقع بسیار سریع است، بنابراین
272
00:11:13,420 –> 00:11:15,940
درک فهرستها به نوعی
273
00:11:15,940 –> 00:11:17,890
شبیه انجام یک حلقه هستند و آنها را ببینید.
274
00:11:17,890 –> 00:11:20,650
در پایتون تا آن سطح بهینه شده است،
275
00:11:20,650 –> 00:11:24,480
بنابراین مفسر
276
00:11:24,480 –> 00:11:29,020
مفسر بایت کد را برای درک لیست بهینه می کند تا
277
00:11:29,020 –> 00:11:31,720
بیشتر شبیه مهر و موم باشد، بله، در
278
00:11:31,720 –> 00:11:33,810
آن سناریو مانند و درک لیست
279
00:11:33,810 –> 00:11:36,550
ممکن است کاملاً با نیازهای شما مطابقت داشته باشد و
280
00:11:36,550 –> 00:11:37,210
بسیار سریع باشد،
281
00:11:37,210 –> 00:11:39,490
بنابراین من به این فکر می کنم که چگونه
282
00:11:39,490 –> 00:11:42,130
نوشته شود تا به یک
283
00:11:42,130 –> 00:11:46,060
مثال خاص وارد نشویم، اما معمولاً
284
00:11:46,060 –> 00:11:47,650
افراد در داخل پانداها کار می کنند یا
285
00:11:47,650 –> 00:11:49,990
بیشتر چیزهای دیگر در داخل یک نمونه خاص هستند.
286
00:11:49,990 –> 00:11:53,080
قاب داده بله و بنابراین در یک
287
00:11:53,080 –> 00:11:56,890
مورد خاص که میخواهید پردازش کنید، مثلاً یک
288
00:11:56,890 –> 00:11:58,750
ستون خاص که میگویید اوه،
289
00:11:58,750 –> 00:12:00,820
میخواهم با استفاده از روش آهستهتر روی آن اعمال
290
00:12:00,820 –> 00:12:04,000
291
00:12:04,000 –> 00:12:06,460
کنم.
292
00:12:06,460 –> 00:12:08,620
بله و به جای اینکه بدانید
293
00:12:08,620 –> 00:12:09,940
از طریق قاب داده حلقه بزنید و
294
00:12:09,940 –> 00:12:11,950
از آن عبور کنید، این مقادیر را در هر یک
295
00:12:11,950 –> 00:12:14,260
از ستون ها می دانید، این به نوعی انتقال
296
00:12:14,260 –> 00:12:16,040
داده ها به درک لیست
297
00:12:16,040 –> 00:12:18,410
و سپس قرار دادن داده
298
00:12:18,410 –> 00:12:20,389
ها در قاب داده است، بله دقیقاً
299
00:12:20,389 –> 00:12:22,100
نوعی مثل اینکه شما یک جورهایی دارید
300
00:12:22,100 –> 00:12:24,440
کناری را انجام می دهید بله بله دقیقاً
301
00:12:24,440 –> 00:12:26,480
ممکن است و من فکر می کنم موارد زیادی وجود دارد
302
00:12:26,480 –> 00:12:30,500
که من به عنوان یک
303
00:12:30,500 –> 00:12:33,639
توسعه دهنده نرم افزار می گویم هک
304
00:12:33,639 –> 00:12:36,380
است و خیلی زیبا نیست زیرا شما می
305
00:12:36,380 –> 00:12:38,899
دانید داده های خود را در این یک فرمت داشته باشید
306
00:12:38,899 –> 00:12:40,579
و پس از آن شما مانند اوه، اما صبر کنید،
307
00:12:40,579 –> 00:12:44,029
من آن را در قالب دیگری قرار می دهم و
308
00:12:44,029 –> 00:12:46,040
کاری را در اینجا انجام می دهم و سپس آن را
309
00:12:46,040 –> 00:12:48,079
دوباره به داخل می برم و کمی عجیب است اما
310
00:12:48,079 –> 00:12:50,779
در عین حال می تواند ذخیره کند. مطمئناً ثانیه های زیادی را دوست دارید،
311
00:12:50,779 –> 00:12:53,839
بنابراین مطمئناً ارزش
312
00:12:53,839 –> 00:12:55,370
انجام دادن آن را دارد،
313
00:12:55,370 –> 00:12:59,420
بله، اما در کل منظورم این است
314
00:12:59,420 –> 00:13:01,399
که موقعیت دیگری که می دانید این است که باید از
315
00:13:01,399 –> 00:13:03,649
application درست استفاده کنید مثل اینکه انتخابی ندارید
316
00:13:03,649 –> 00:13:05,779
یا هر دلیلی فکر می کنم او
317
00:13:05,779 –> 00:13:08,240
مثال هایی مانند نشستن تقریباً مانند یک
318
00:13:08,240 –> 00:13:10,339
عبارت سوئیچ موردی مانند تنظیم
319
00:13:10,339 –> 00:13:13,339
سطوح بله بله مقادیر یا هر
320
00:13:13,339 –> 00:13:15,079
نمره یا من فکر می کنم چیزی شبیه به
321
00:13:15,079 –> 00:13:17,899
آن بود بله در موارد خاصی که
322
00:13:17,899 –> 00:13:20,449
به معنای واقعی کلمه دوست دارید چاره ای ندارید می توانید
323
00:13:20,449 –> 00:13:24,260
مانند خود را بنویسید
324
00:13:24,260 –> 00:13:25,970
پیاده سازی سفارشی و چیزی شبیه به
325
00:13:25,970 –> 00:13:29,149
آه یا چیزی شبیه به nuba که
326
00:13:29,149 –> 00:13:32,329
اساساً آن را به C تبدیل می کند و
327
00:13:32,329 –> 00:13:35,480
شبیه به درک لیست است، بنابراین
328
00:13:35,480 –> 00:13:38,120
ممکن است شما
329
00:13:38,120 –> 00:13:40,459
فقط روی یک ستون سمت راست کار نکنید، ممکن
330
00:13:40,459 –> 00:13:41,810
است مانند چندین ستون داشته باشید.
331
00:13:41,810 –> 00:13:43,100
332
00:13:43,100 –> 00:13:45,500
شما می توانید مانند آن چیزهای خوب را پردازش کنید. اوم شما می توانید همچنین
333
00:13:45,500 –> 00:13:48,440
فکر می کنم در مثالی
334
00:13:48,440 –> 00:13:50,060
که در PyCon ارائه کردم، در واقع بعد از
335
00:13:50,060 –> 00:13:51,680
آن یک سوال وجود داشت و من واقعاً احساس
336
00:13:51,680 –> 00:13:53,990
وحشتناکی می کردم زیرا من اصلاً نمی توانستم یک
337
00:13:53,990 –> 00:13:56,660
شخص را بشنوم اما بعداً آنها آنها
338
00:13:56,660 –> 00:13:58,760
اشاره کردند که شما می توانید مانند
339
00:13:58,760 –> 00:14:02,149
یک پرس و جو در جدول داده های خود عمل کنید
340
00:14:02,149 –> 00:14:04,370
و آن را به گونه ای جایگزین کنید که کاملا
341
00:14:04,370 –> 00:14:06,889
معتبر است، بنابراین به جای استفاده از اعمال مانند
342
00:14:06,889 –> 00:14:08,930
در موردی مانند عبارت switch مانند
343
00:14:08,930 –> 00:14:11,899
آن، در واقع می توانید مانند
344
00:14:11,899 –> 00:14:13,459
یک عبارت متفاوت استفاده کنید. یک روش متفاوت که
345
00:14:13,459 –> 00:14:15,800
کاملاً خوب است، بله، بنابراین به نظر می رسد که
346
00:14:15,800 –> 00:14:17,420
شما انواع مختلفی از این تکنیک ها را
347
00:14:17,420 –> 00:14:21,069
در کتاب خود پوشش می دهید، آیا
348
00:14:21,069 –> 00:14:23,120
با چند
349
00:14:23,120 –> 00:14:26,089
مثال مختلف وارد پیاده سازی سطح دریا می شوید بله بله، من قطعاً بله قطعاً بله،
350
00:14:26,089 –> 00:14:26,510
351
00:14:26,510 –> 00:14:28,730
زیرا می توانم تصور کنم که ممکن است
352
00:14:28,730 –> 00:14:30,089
برای برخی از مبتدیان ترسناک باشد
353
00:14:30,089 –> 00:14:33,329
در ابتدا بله خنده دار، من در واقع آن را مطرح کردم،
354
00:14:33,329 –> 00:14:35,839
بنابراین یک
355
00:14:35,839 –> 00:14:38,809
گروه بحث پاندا در PyCon در آن سال وجود داشت و
356
00:14:38,809 –> 00:14:40,889
کسی در مورد آن سوال می پرسید
357
00:14:40,889 –> 00:14:43,350
و من و من آن را آوردیم. در
358
00:14:43,350 –> 00:14:45,899
آن گروه بسیار خوب است و
359
00:14:45,899 –> 00:14:48,059
وقتی گفتم ببینم آنها خیلی محتاط بودند که اوه
360
00:14:48,059 –> 00:14:50,189
خدای من باید بدون دیدن و مثل
361
00:14:50,189 –> 00:14:53,399
نه نه نه می توانید آن را در پایتون بنویسید
362
00:14:53,399 –> 00:14:56,309
خوب است لازم نیست بدانید C شما هستید فقط
363
00:14:56,309 –> 00:14:58,559
باید آن را کامپایل کنید، بسیار
364
00:14:58,559 –> 00:15:01,170
ساده است، اما بله، فقط می دانید که
365
00:15:01,170 –> 00:15:04,860
تغییر زبان ها می تواند ترسناک باشد
366
00:15:04,860 –> 00:15:06,930
و باز هم تغییر
367
00:15:06,930 –> 00:15:08,879
زبان درست نیست، اما دقیقاً
368
00:15:08,879 –> 00:15:11,279
مانند چیزی است که شما هیچ اشاره ای به آن ندارید،
369
00:15:11,279 –> 00:15:15,800
درست است ترسناک به نظر می رسد
370
00:15:16,160 –> 00:15:19,199
بله، یکی از نویسندگانی که در
371
00:15:19,199 –> 00:15:21,870
پایتون واقعی آنتونی شاو به تازگی کارش را تمام می
372
00:15:21,870 –> 00:15:25,319
کند، در واقع کتابش با
373
00:15:25,319 –> 00:15:27,269
مترجم سی پایتون انجام شده است،
374
00:15:27,269 –> 00:15:29,370
بله، این یکی از آن چیزهایی است
375
00:15:29,370 –> 00:15:32,040
که حتی خودم بودم.
376
00:15:32,040 –> 00:15:34,529
و شما می دانید
377
00:15:34,529 –> 00:15:38,249
مانند کامپایل کردن پایتون از زبان
378
00:15:38,249 –> 00:15:40,379
C Python و می دانید که من
379
00:15:40,379 –> 00:15:41,429
کمی برنامه نویسی به زبان C انجام داده
380
00:15:41,429 –> 00:15:44,490
ام زیرا
381
00:15:44,490 –> 00:15:46,199
از همان اوایل
382
00:15:46,199 –> 00:15:50,129
قبل از اینکه آنها به سمت استفاده از سوئیفت حرکت کنند به برنامه های توسعه آیفون علاقه مند بودم. h
383
00:15:50,129 –> 00:15:51,360
کمی بیشتر شبیه پایتون یا
384
00:15:51,360 –> 00:15:53,189
جاوا اسکریپت است و چیزهایی که می
385
00:15:53,189 –> 00:15:54,749
دانید متفاوت است و می دانید که باید
386
00:15:54,749 –> 00:15:56,009
حافظه خود را مدیریت کنید و در مورد
387
00:15:56,009 –> 00:15:57,480
آن چیزها فکر کنید، اما به نظر می رسد که
388
00:15:57,480 –> 00:15:59,129
شما در آنجا مثال های مناسبی
389
00:15:59,129 –> 00:16:02,370
ارائه می کنید تا به مردم پاسخ دهید.
390
00:16:02,370 –> 00:16:03,600
میدانید شروع کردن به چه شکلی است،
391
00:16:03,600 –> 00:16:06,899
بله، کاملاً، بنابراین یکی
392
00:16:06,899 –> 00:16:11,149
از حوزههای کلیدی که روی آن تمرکز میکنید،
393
00:16:11,149 –> 00:16:13,980
عادیسازی دادهها است و بسیار معمول است که
394
00:16:13,980 –> 00:16:15,449
وارد آن شوید، مثلاً چیزی که دادههای شما را عادی میکند،
395
00:16:15,449 –> 00:16:18,600
بله، منظورم شماست. بسیاری
396
00:16:18,600 –> 00:16:22,290
از انواع دادههای خام سازمانیافته را دریافت کنید،
397
00:16:22,290 –> 00:16:24,300
مطمئناً میدانید که باید
398
00:16:24,300 –> 00:16:26,819
برخی از ستونها را بیرون بیاورید یا ممکن است
399
00:16:26,819 –> 00:16:29,360
شامل استانداردسازی ستونها یا
400
00:16:29,360 –> 00:16:31,999
ادغام دادهها از چندین منبع باشد،
401
00:16:31,999 –> 00:16:34,620
اما در پایان روز مانند آنها
402
00:16:34,620 –> 00:16:36,420
میدانید ملاحظات باید
403
00:16:36,420 –> 00:16:40,160
مانند استاندارد کردن آن در قالبی
404
00:16:40,160 –> 00:16:43,660
مانند و سپس فقط
405
00:16:43,660 –> 00:16:45,430
ذکر نوع قالبی باشد که برای چارچوب داده خود می خواهید
406
00:16:45,430 –> 00:16:47,530
و همانطور که همیشه
407
00:16:47,530 –> 00:16:49,810
در فرآیندهای تجزیه و تحلیل داده ها ذکر شده است.
408
00:16:49,810 –> 00:16:51,580
میخواهید
409
00:16:51,580 –> 00:16:53,620
مانند هر مرحله از آن فرآیند، دادههای خود را ذخیره کنید
410
00:16:53,620 –> 00:16:55,690
تا همیشه
411
00:16:55,690 –> 00:16:57,490
بتوانید مانند دادههای خام به عقب برگردید، اما
412
00:16:57,490 –> 00:16:59,080
همچنین میخواهید مانند آن را ذخیره کنید تا دادهها عادی شود
413
00:16:59,080 –> 00:17:01,210
و سپس
414
00:17:01,210 –> 00:17:03,310
در حین انجام تجزیه و تحلیل میدانید مانند شما می خواهید
415
00:17:03,310 –> 00:17:05,650
هر یک از آن تجزیه و تحلیل ها را برای شما ذخیره کنید
416
00:17:05,650 –> 00:17:07,690
، شما یک قالب ترجیحی دارید که دوست دارید
417
00:17:07,690 –> 00:17:09,460
موارد خود را در حین کار ذخیره کنید، این واقعاً
418
00:17:09,460 –> 00:17:12,430
فقط به داده هایی بستگی دارد که من معمولاً
419
00:17:12,430 –> 00:17:15,460
مانند فریم های داده چند شاخصه به آن تمایل دارم،
420
00:17:15,460 –> 00:17:19,150
اما واقعاً به شما بستگی دارد.
421
00:17:19,150 –> 00:17:20,230
اطلاعاتی که با آنها کار می کنید را بدانید و
422
00:17:20,230 –> 00:17:21,819
اینکه آیا این منطقی است یا خیر، مطمئناً مواردی وجود دارد
423
00:17:21,819 –> 00:17:23,619
که من دوست دارم یک
424
00:17:23,619 –> 00:17:26,710
حس چند شاخصی ده مگاواتی داشته باشم
425
00:17:26,710 –> 00:17:28,240
و این با ثابت ماندن آن مقایسه می شود،
426
00:17:28,240 –> 00:17:28,900
427
00:17:28,900 –> 00:17:31,810
بله دقیقاً من می بینم که افراد زیادی تمایل
428
00:17:31,810 –> 00:17:34,720
به کار دارند. با قابهای داده مسطح مانند من
429
00:17:34,720 –> 00:17:37,060
در سئول، واقعاً
430
00:17:37,060 –> 00:17:38,800
برای ما مفید بود که یک قاب داده چند شاخص داشته باشیم
431
00:17:38,800 –> 00:17:40,570
فقط با دادههایی
432
00:17:40,570 –> 00:17:41,830
که با آنها کار میکنیم، با
433
00:17:41,830 –> 00:17:45,490
گروههای زیادی تجزیه و تحلیل مبتنی بر گروه کار میکنیم و
434
00:17:45,490 –> 00:17:47,350
گروههای زیادی را انجام میدهیم. خرید می کند و
435
00:17:47,350 –> 00:17:49,600
وقتی دیدید که خریدهای گروهی زیادی انجام میدهید،
436
00:17:49,600 –> 00:17:53,590
به طور کلی راحتتر
437
00:17:53,590 –> 00:17:54,970
است، زیرا نمودار چند شاخصهای دارید، زیرا
438
00:17:54,970 –> 00:17:56,770
قبلاً گروهبندی شده است و همچنین میتوانید
439
00:17:56,770 –> 00:17:58,480
آن را به گونهای قالببندی کنید که مانند
440
00:17:58,480 –> 00:17:59,680
خرید گروه شما، آن را انجام ندهید. در واقع باید یک
441
00:17:59,680 –> 00:18:01,870
خرید گروهی انجام دهید، فقط می توانید آن را قالب بندی کنید و
442
00:18:01,870 –> 00:18:03,490
فکر کردم این چیزی است که من در مورد آن صحبت کردم، من
443
00:18:03,490 –> 00:18:05,470
فکر می کنم مانند صحبت هایم در مورد
444
00:18:05,470 –> 00:18:08,260
کتابم نیز این است که بتوانم خرید گروهی را تغییر داده
445
00:18:08,260 –> 00:18:09,490
و آن را به طور کامل حذف کنم
446
00:18:09,490 –> 00:18:11,470
زیرا چشم های گروهی بسیار کند هستند و
447
00:18:11,470 –> 00:18:13,330
وقت گیر هستند و همچنین خیلی
448
00:18:13,330 –> 00:18:16,540
ساده و آسان نیستند که به طور کلی به آنها نگاه کنید،
449
00:18:16,540 –> 00:18:20,320
بله خوب است، بنابراین برای ارائه یک
450
00:18:20,320 –> 00:18:22,210
پس زمینه کلی در مورد
451
00:18:22,210 –> 00:18:24,760
مفهوم داشتن چندین شاخص می
452
00:18:24,760 –> 00:18:28,060
توانید مثالی را در نظر بگیرید، مطمئنا بله، بنابراین
453
00:18:28,060 –> 00:18:30,780
مثالی که من استفاده می کنم در صحبت من این است که شما
454
00:18:30,780 –> 00:18:32,860
دادههای بازرسی سلامت رستوران را
455
00:18:32,860 –> 00:18:34,960
دارید و میخواهید رستورانها را بهطور منحصربهفرد
456
00:18:34,960 –> 00:18:37,930
شناسایی کنید، بله خوب است، بنابراین
457
00:18:37,930 –> 00:18:41,350
روشی که در آنجا انجام میشود مانند
458
00:18:41,350 –> 00:18:43,450
نام رستوران و
459
00:18:43,450 –> 00:18:45,100
مکان رستوران است و ما میگوییم که که به
460
00:18:45,100 –> 00:18:47,350
طور منحصربهفرد یک رستوران را شناسایی میکند و
461
00:18:47,350 –> 00:18:50,350
سپس از آنجا میتوانید تجزیه و تحلیلهای مشابهی
462
00:18:50,350 –> 00:18:53,080
را بر اساس هر رستوران انجام دهید، به طوری که
463
00:18:53,080 –> 00:18:56,080
شاخص سطح بالای بله برای من برای رسیدن به
464
00:18:56,080 –> 00:18:56,590
465
00:18:56,590 –> 00:18:59,980
نوبت برای آن، نامی باشد در
466
00:18:59,980 –> 00:19:01,779
مورد بسیاری از رستورانها که ممکن است چندین عدد داشته باشند.
467
00:19:01,779 –> 00:19:04,360
مکانها بله بله و بنابراین
468
00:19:04,360 –> 00:19:06,730
بسیاری از رستورانها ممکن است درست نباشند و بنابراین
469
00:19:06,730 –> 00:19:08,590
این صورتحساب این انعطافپذیری را دارد که در
470
00:19:08,590 –> 00:19:10,870
آنجا یک شاخص دوم کمتر
471
00:19:10,870 –> 00:19:13,029
از موقعیت مکانی واقعی است که من
472
00:19:13,029 –> 00:19:14,740
فکر میکنم شما از نوعی تغییر یافته استفاده میکنید
473
00:19:14,740 –> 00:19:17,669
، مانند نسخهای مانند یک
474
00:19:17,669 –> 00:19:22,330
موقعیت جغرافیایی یا هر چیز دیگری بله بله اما
475
00:19:22,330 –> 00:19:23,470
منطقی است که می تواند مانند یک
476
00:19:23,470 –> 00:19:24,760
آدرس یا چیزی شبیه به آن یا خیابان
477
00:19:24,760 –> 00:19:26,350
یا چیزی شبیه به آن بله
478
00:19:26,350 –> 00:19:28,539
بله کاملاً یا مانند
479
00:19:28,539 –> 00:19:30,940
مثال دیگری مانند این است که اگر شما کاربرانی
480
00:19:30,940 –> 00:19:33,970
دارید درست مانند یک جدول کاربری دارید ممکن است بخواهید اطلاعاتی
481
00:19:33,970 –> 00:19:36,909
مانند دادههای کاربر را داشته
482
00:19:36,909 –> 00:19:40,210
باشید که به هر دلیلی در چارچوب دادههای شما نگهداری شوند،
483
00:19:40,210 –> 00:19:42,850
اما شما همچنین باید بتوانید به
484
00:19:42,850 –> 00:19:46,539
طور منحصربهفرد یک کاربر را شناسایی کنید یا حتی مانند
485
00:19:46,539 –> 00:19:49,630
گروهی از کاربران بگویید درست است من اینتل را دریافت کردم.
486
00:19:49,630 –> 00:19:52,830
شناسایی منحصر به فرد یک نوع
487
00:19:52,830 –> 00:19:55,330
پلتفرم که ما در حال آزمایش آن بودیم و بنابراین
488
00:19:55,330 –> 00:19:57,210
پلتفرم های مختلف زیادی در
489
00:19:57,210 –> 00:20:00,570
آنجا وجود دارد، اما به نظر من به
490
00:20:00,570 –> 00:20:04,419
چهار یا پنج معیار مختلف مانند
491
00:20:04,419 –> 00:20:08,200
حافظه و نسخه CPU و این
492
00:20:08,200 –> 00:20:10,299
چیزها خوب است و ما می گوییم پلتفرم شما. دوباره
493
00:20:10,299 –> 00:20:11,890
در مورد آن صحبت می کنید مانند این است که شما
494
00:20:11,890 –> 00:20:14,200
سیستم های کامپیوتری را می شناسید که در
495
00:20:14,200 –> 00:20:16,659
آن ها می تواند موبایل باشد، بله بسیار خوب،
496
00:20:16,659 –> 00:20:17,830
بله، زیرا آنها نسل های زیادی را
497
00:20:17,830 –> 00:20:21,630
با تمام دریاچه ها طی می کنند،
498
00:20:24,120 –> 00:20:27,309
بنابراین یکی از چیزهای دیگری که
499
00:20:27,309 –> 00:20:30,610
در مورد آن صحبت کردید نه تنها شاخص ها از یکی می گویند. در سمت راست،
500
00:20:30,610 –> 00:20:34,360
اما شاید داشتن نمایههایی در امتداد
501
00:20:34,360 –> 00:20:36,970
بالا به نوعی ایندکس کردن
502
00:20:36,970 –> 00:20:38,110
ستونها را دوست داشته باشد، من سعی میکنم به
503
00:20:38,110 –> 00:20:40,260
هر چیزی فکر کنم، بله، من از
504
00:20:40,260 –> 00:20:44,470
نمایههای چند ستونی خوشم میآید، بله، بنابراین در
505
00:20:44,470 –> 00:20:47,169
این مورد فکر میکنم شما از تاریخ استفاده میکردید.
506
00:20:47,169 –> 00:20:50,380
به عنوان اولی و سپس و سپس به
507
00:20:50,380 –> 00:20:52,090
نوعی مانند نمرات یا چیزهای دیگر
508
00:20:52,090 –> 00:20:54,429
در زیر وجود دارد بله بله، بنابراین مانند
509
00:20:54,429 –> 00:20:57,190
رستوران می تواند چندین امتیاز
510
00:20:57,190 –> 00:20:59,590
مرتبط با آنها داشته باشد و شما فقط
511
00:20:59,590 –> 00:21:01,710
نمی خواستید امتیاز بگیرید b آخرین امتیاز را
512
00:21:01,710 –> 00:21:04,270
بی جهت به این دلیل است که برای
513
00:21:04,270 –> 00:21:06,220
مثال معمولاً نحوه عملکرد بازرسیهای بهداشتی است
514
00:21:06,220 –> 00:21:08,720
515
00:21:08,720 –> 00:21:10,010
که بازرس درست به رستوران میرود
516
00:21:10,010 –> 00:21:12,470
و یادداشتهای خود را میگیرند یا هر چیزی
517
00:21:12,470 –> 00:21:14,000
که به آنها نمره میدهند و سپس
518
00:21:14,000 –> 00:21:16,190
رستوران فرصت دارد آن را درست کند، بنابراین
519
00:21:16,190 –> 00:21:18,890
ممکن است در نهایت به نتیجه برسید. مثلاً به عنوان کاربر این
520
00:21:18,890 –> 00:21:22,010
دادهها ممکن است در موقعیتهای زیادی
521
00:21:22,010 –> 00:21:25,160
قرار بگیرید، مانند رفتن به یک رستوران که ممکن است
522
00:21:25,160 –> 00:21:27,170
همه تخلفات خود را برطرف کند و
523
00:21:27,170 –> 00:21:30,050
سپس به آنها اجازه دهید دوباره به حالت
524
00:21:30,050 –> 00:21:32,900
بسیار ناسالم بروند و مانند
525
00:21:32,900 –> 00:21:34,520
مصرفکننده دادههایی که ممکن است
526
00:21:34,520 –> 00:21:37,640
لزوماً فقط نمره ثابتی را که میدانید نمیخواهید،
527
00:21:37,640 –> 00:21:39,740
مثلاً ممکن است بخواهید بدانید
528
00:21:39,740 –> 00:21:42,200
که رستوران مایل است چه چیزی را
529
00:21:42,200 –> 00:21:42,950
530
00:21:42,950 –> 00:21:48,470
531
00:21:48,470 –> 00:21:50,540
532
00:21:50,540 –> 00:21:52,640
دوست داشته باشد.
533
00:21:52,640 –> 00:21:53,420
حدس می زنم
534
00:21:53,420 –> 00:21:56,120
بله بله قطعا بله بله
535
00:21:56,120 –> 00:21:58,490
هم اتاقی من در واقع یک سرآشپز است و بنابراین او
536
00:21:58,490 –> 00:22:01,550
گفت که مدتی قبل در حال تماشای آن برنامه
537
00:22:01,550 –> 00:22:03,140
بود و او مثل اوه بله
538
00:22:03,140 –> 00:22:06,020
رستوران ما قرار است استخراج شود.
539
00:22:06,020 –> 00:22:07,880
میدانی هفته بعد که سر
540
00:22:07,880 –> 00:22:09,410
کار میآید، اوه، بله،
541
00:22:09,410 –> 00:22:16,790
بازرس این است که در پورتلند، بله،
542
00:22:16,790 –> 00:22:18,920
تعجب میکردم چون شنیدم که شما در مورد آن صحبت کردید
543
00:22:18,920 –> 00:22:20,360
و سپس سعی کردم
544
00:22:20,360 –> 00:22:22,010
آن وبسایتی را پیدا کنم که شما اشاره کردید و
545
00:22:22,010 –> 00:22:23,750
من نمیدانم توانستم
546
00:22:23,750 –> 00:22:25,370
آدرس مناسبی را برای آن پیدا کنم تا دادهها را پیدا
547
00:22:25,370 –> 00:22:28,580
کنم یا نه، اما برایم جالب بود که بله، این
548
00:22:28,580 –> 00:22:33,500
کار توسط دوست پسر سابقم انجام شد و او به
549
00:22:33,500 –> 00:22:36,470
من گفت که فکر میکنم تقریباً پنج یا
550
00:22:36,470 –> 00:22:38,150
شش ماه است. قبل از این بود که اوه، من دارم
551
00:22:38,150 –> 00:22:40,490
آن را پایین میآورم، من نمیتوانم آنجا مثل پنج
552
00:22:40,490 –> 00:22:42,500
دلار چیزی بپردازم تا آن را ادامه دهم، و من
553
00:22:42,500 –> 00:22:49,340
مثل اوه نه اشارهای به بله ممکن
554
00:22:49,340 –> 00:22:51,650
است دیگر وجود نداشته باشد، اما میدانید که اگر
555
00:22:51,650 –> 00:22:56,510
افراد زیادی اذیت میکنند او شاید
556
00:22:56,510 –> 00:22:58,220
خوب من حدس میزنم که شما
557
00:22:58,220 –> 00:23:00,290
دادههای عمومی را درست میدانید، بنابراین فقط برای
558
00:23:00,290 –> 00:23:01,970
یافتن این اطلاعات مرتبط است.
559
00:23:01,970 –> 00:23:05,350
560
00:23:05,350 –> 00:23:06,470
561
00:23:06,470 –> 00:23:09,440
562
00:23:09,440 –> 00:23:12,200
بنابراین مانند
563
00:23:12,200 –> 00:23:13,670
نیویورک واقعاً به راحتی می توان
564
00:23:13,670 –> 00:23:16,610
از آن استفاده کرد اما مانند سلامت اورگان من
565
00:23:16,610 –> 00:23:17,990
دادههای بازرسی کمی سختتر است،
566
00:23:17,990 –> 00:23:19,880
آنها با فرمت خوبی ارائه نمیشوند،
567
00:23:19,880 –> 00:23:22,509
بله، من با
568
00:23:22,509 –> 00:23:24,969
گروه خنک کلرادو، فنرهای بالا ملاقات داشتم،
569
00:23:24,969 –> 00:23:26,979
زیرا این کلرادو اسپرینگز است، بله،
570
00:23:26,979 –> 00:23:30,969
آنها دادههای کلرادو را انجام دادند و
571
00:23:30,969 –> 00:23:34,419
از ارائهدهندهای که داشتند استفاده میکردند. یک API کامل
572
00:23:34,419 –> 00:23:37,029
و همه این چیزها واقعاً
573
00:23:37,029 –> 00:23:39,279
راه خوبی برای به دست آوردن آن داده های عمومی بود، حداقل برای
574
00:23:39,279 –> 00:23:41,379
کلرادو، دولت آنها
575
00:23:41,379 –> 00:23:45,070
شهر محلی هستند.
576
00:23:45,070 –> 00:23:48,039
577
00:23:48,039 –> 00:23:50,109
578
00:23:50,109 –> 00:23:52,029
بازی با ما اخیراً
579
00:23:52,029 –> 00:23:53,229
جشنواره کیمبرلی را در پادکست داشتیم تا در مورد
580
00:23:53,229 –> 00:23:55,719
خراش دادن وب صحبت کنیم. من فکر می کنم داده های Yelp
581
00:23:55,719 –> 00:23:58,419
یکی از آن موقعیت هایی است که در
582
00:23:58,419 –> 00:24:00,729
آن چیزی نیست که شما فقط می توانید
583
00:24:00,729 –> 00:24:01,839
سوپ زیبایی بر روی آن بریزید و
584
00:24:01,839 –> 00:24:03,940
احتمالاً باید از چیزی شبیه به آن استفاده کنید.
585
00:24:03,940 –> 00:24:07,059
سلنیوم به عنوان یک مرورگر عمل می کند تا
586
00:24:07,059 –> 00:24:09,429
آن درخواست ها و چیزهای متعدد را دریافت کند،
587
00:24:09,429 –> 00:24:11,619
بله، زیرا آن را به این ترتیب تولید می
588
00:24:11,619 –> 00:24:14,679
کند، بله، بله، من فکر می کنم پورتلند
589
00:24:14,679 –> 00:24:18,489
وظیفه حذف داده ها را دارد،
590
00:24:18,489 –> 00:24:21,339
زمان زیادی طول کشید. hink در ابتدا
591
00:24:21,339 –> 00:24:24,249
واقعاً سرورهایشان خراب
592
00:24:24,249 –> 00:24:26,769
شد زیرا بله،
593
00:24:26,769 –> 00:24:30,669
درخواست های زیادی برای آن بسیار نزدیک به هم بود بله
594
00:24:30,669 –> 00:24:38,440
بله قطعاً خوب است وقتی می دانید
595
00:24:38,440 –> 00:24:40,389
که منبع داده آن را آسان و
596
00:24:40,389 –> 00:24:42,579
در دسترس می کند و آن را به
597
00:24:42,579 –> 00:24:44,409
خوبی مانند CSV یا پست می کنید. چیزی که می توانید
598
00:24:44,409 –> 00:24:46,899
آن را پایین بیاورید، اما بله قطعا همیشه اینطور نیست
599
00:24:46,899 –> 00:24:47,440
،
600
00:24:47,440 –> 00:24:50,949
متأسفانه بله، بنابراین یکی از
601
00:24:50,949 –> 00:24:52,059
چیزهایی که برای بازگشت
602
00:24:52,059 –> 00:24:54,819
به موضوع عادی سازی فکر می کردم، قرار دادن
603
00:24:54,819 –> 00:24:58,839
چیزها در قالب هایی از نوع ناقص
604
00:24:58,839 –> 00:25:01,449
به جای درست مثل من است. نمی دانم پس من
605
00:25:01,449 –> 00:25:03,369
فکر می کنم اصطلاح عادی برای آن یک
606
00:25:03,369 –> 00:25:05,649
شی است بله پاندا شی درست است
607
00:25:05,649 –> 00:25:08,349
بله دقیقاً بله بنابراین واقعاً عجیب
608
00:25:08,349 –> 00:25:10,029
است که شما باید به انواع آن فکر
609
00:25:10,029 –> 00:25:12,759
کنید خوب بله من انواع بی حس را دوست دارم
610
00:25:12,759 –> 00:25:15,399
بنابراین می خواهید مطمئن شوید که انواع
611
00:25:15,399 –> 00:25:17,440
شما ‘ در حال استفاده با C سازگار هستند و
612
00:25:17,440 –> 00:25:20,129
بسیاری از مواقع وقتی فقط به
613
00:25:20,129 –> 00:25:23,169
پانداهایی که CSV میخوانند یا هر بارگیری دادهای
614
00:25:23,169 –> 00:25:25,779
که استفاده میکنید تکیه میکنید،
615
00:25:25,779 –> 00:25:29,079
انواع را در نوشتن مانند اشیایی
616
00:25:29,079 –> 00:25:31,179
که کاملاً مانند P هستند نشان میدهد. ظروف اشیای ython
617
00:25:31,179 –> 00:25:32,469
بنابراین می توانند هر چیزی باشند
618
00:25:32,469 –> 00:25:35,960
که سازگار با C
619
00:25:35,960 –> 00:25:39,410
نیستند و کارایی ندارند و بسیار بزرگ هستند،
620
00:25:39,410 –> 00:25:41,270
بنابراین بخشی از مرحله عادی سازی این است
621
00:25:41,270 –> 00:25:43,970
که تصمیم بگیرید که می خواهید چه نوع
622
00:25:43,970 –> 00:25:46,460
هایی باشند و احتمالاً همراه با
623
00:25:46,460 –> 00:25:48,200
مواردی مانند عادی سازی
624
00:25:48,200 –> 00:25:52,130
دادههایی به گونهای که در آن نوع قرار میگیرند، مثلاً اگر
625
00:25:52,130 –> 00:25:54,740
مقادیر تهی داشته باشید، این
626
00:25:54,740 –> 00:25:56,690
یک مشکل بسیار رایج است و در واقع
627
00:25:56,690 –> 00:25:58,160
چیزی است که آنها سعی کردهاند
628
00:25:58,160 –> 00:26:00,890
با پانداهای 1.0 به آن رسیدگی کنند، یکی از تغییرات عمدهای است
629
00:26:00,890 –> 00:26:03,590
که وجود دارد مانند اجازه دادن و مانند
630
00:26:03,590 –> 00:26:06,170
اینکه آنها خود را ساختهاند. آنها اساساً مانند
631
00:26:06,170 –> 00:26:09,770
نوع nan یا نوع تهی در pandas 1.0 هستند
632
00:26:09,770 –> 00:26:11,690
و آنها به عنوان مثال
633
00:26:11,690 –> 00:26:15,260
رشته ها و آرایه های بولی را معرفی کردند که می توانند
634
00:26:15,260 –> 00:26:18,890
مقادیر nan داشته باشند یا مانند آن که پانداها
635
00:26:18,890 –> 00:26:21,280
در آنها تایپ می کنند که یک پیروزی بزرگ برای
636
00:26:21,280 –> 00:26:23,930
عملکرد است بله من می توانم فکر کنم بنابراین بله
637
00:26:23,930 –> 00:26:26,570
دوست دارم. معمولاً خوب است که بتوانیم
638
00:26:26,570 –> 00:26:29,390
آن را مانند یک شی کامل نداشته باشیم، فقط
639
00:26:29,390 –> 00:26:32,060
به این دلیل که تعدادی اعداد nan یا
640
00:26:32,060 –> 00:26:34,820
مقادیر nan در آن وجود دارد، در حالی که
641
00:26:34,820 –> 00:26:37,100
ممکن است فقط یک بولی یا yo باشد. شما می دانید یا
642
00:26:37,100 –> 00:26:40,040
بله یک عدد صحیح کوچکتر یا چیزی بله
643
00:26:40,040 –> 00:26:42,110
خوب است و بسیاری از موارد مانند شما می
644
00:26:42,110 –> 00:26:43,850
دانید که می تواند شگفت انگیز
645
00:26:43,850 –> 00:26:47,210
باشد اگر آنها را مانند یک شیء
646
00:26:47,210 –> 00:26:49,790
بگذارید مانند اگر ستونی دارید که انتظار دارید
647
00:26:49,790 –> 00:26:53,030
یک عدد باشد اما در واقع یک شی است. و
648
00:26:53,030 –> 00:26:55,730
ناگهان شما مانند یک رشته خالی
649
00:26:55,730 –> 00:26:57,710
در آنجا هستید، به عنوان مثال بله و
650
00:26:57,710 –> 00:26:59,450
اعدادی را با هم جمع می کنید که
651
00:26:59,450 –> 00:27:00,860
قطعاً می تواند مقادیر بسیار
652
00:27:00,860 –> 00:27:05,630
جالبی را به همراه داشته باشد، بله، می توانم تصور کنم
653
00:27:05,630 –> 00:27:08,320
که کسی را به یاد می آورم و
654
00:27:08,320 –> 00:27:11,900
فرض کنید این یک موضوع بازرسی بهداشتی است
655
00:27:11,900 –> 00:27:13,730
مانند ما صحبت می کنیم در مورد قبل از اینکه ممکن
656
00:27:13,730 –> 00:27:15,140
است یکی از ستونها یک کد پستی یا
657
00:27:15,140 –> 00:27:17,090
چیزی شبیه به آن باشد و میدانید وقتی
658
00:27:17,090 –> 00:27:20,120
به آن دادهها نگاه میکنید به
659
00:27:20,120 –> 00:27:21,890
طور بالقوه میتوانید این را به یک عدد صحیح تغییر دهم،
660
00:27:21,890 –> 00:27:23,840
اما راه دیگری برای نگاه کردن به
661
00:27:23,840 –> 00:27:26,600
آن شاید شناسایی تمام اطلاعات باشد.
662
00:27:26,600 –> 00:27:29,180
انواع مختلفی که استفاده می شوند و به نوعی
663
00:27:29,180 –> 00:27:31,670
آنها را طبقه بندی می کنند بله بله، این روش دیگری است که می
664
00:27:31,670 –> 00:27:33,350
665
00:27:33,350 –> 00:27:35,780
توانید داده های خود را به نوعی ساده کنید تا
666
00:27:35,780 –> 00:27:37,700
کمی عملکرد بهتری داشته باشد بله بله، بنابراین
667
00:27:37,700 –> 00:27:39,440
تعداد زیادی از آنها وجود دارد. ملاحظاتی
668
00:27:39,440 –> 00:27:41,360
که باید در آنجا رعایت شود، منظورم این است
669
00:27:41,360 –> 00:27:42,740
که شما میدانید که همیشه میتوانید
670
00:27:42,740 –> 00:27:47,270
ابردادههای خود را کاملاً مانند حذف کنید و میدانید که
671
00:27:47,270 –> 00:27:49,400
فقط مانند شناسههای منحصربهفرد
672
00:27:49,400 –> 00:27:52,100
پانداها بسیار شبیه پایگاههای داده کار میکنند، بنابراین اگر
673
00:27:52,100 –> 00:27:54,050
با پایگاههای اطلاعاتی آشنا هستید، میدانید که
674
00:27:54,050 –> 00:27:55,340
من به نوعی مانند تکنیکهایی که در آنجا استفاده میکنند
675
00:27:55,340 –> 00:27:57,530
، شما کاملاً میتوانید
676
00:27:57,530 –> 00:28:00,710
فریمهای داده پانداهایتان را نیز به کار ببرید، بله،
677
00:28:00,710 –> 00:28:03,550
فکر میکنم بسیاری از مردم در
678
00:28:03,550 –> 00:28:05,330
حال کار در یک
679
00:28:05,330 –> 00:28:06,980
نوتبوک مشتری و همه چیز بسیار بصری هستند و
680
00:28:06,980 –> 00:28:09,110
میدانید که ممکن است شما ندانید به
681
00:28:09,110 –> 00:28:11,600
این موارد فکر کنید. راههای بالقوه برای دوست
682
00:28:11,600 –> 00:28:14,180
داشتن یک مهندس پایگاه داده یا کسی ممکن است
683
00:28:14,180 –> 00:28:17,270
فکر کند که به نوعی به آنها میدهید بله،
684
00:28:17,270 –> 00:28:18,740
شما میدانید نوعی Lube با
685
00:28:18,740 –> 00:28:21,830
پسزمینه اوه، اوکی، و سپس
686
00:28:21,830 –> 00:28:23,720
بلافاصله میدانید مانند نشان دادن تفاوتها
687
00:28:23,720 –> 00:28:27,650
در ردپای حافظه به آنها، بله، میتواند
688
00:28:27,650 –> 00:28:29,660
یک
689
00:28:29,660 –> 00:28:31,700
یکی از چیزهایی که من
690
00:28:31,700 –> 00:28:33,530
می خواهم در مورد یکی از آنها صحبت کنم این بود که شما
691
00:28:33,530 –> 00:28:35,540
در مورد مزایای یک
692
00:28:35,540 –> 00:28:39,550
لودر خاص نسبت به یک یا
693
00:28:39,550 –> 00:28:44,210
دیگر کوچکتر صحبت کنید. بله Mia loader تا حد زیادی
694
00:28:44,210 –> 00:28:47,030
کامل ترین ویژگی است که با بیشترین
695
00:28:47,030 –> 00:28:50,390
گزینه ها بسیار خوب است، بنابراین بسیاری از لودرهای پاندا
696
00:28:50,390 –> 00:28:53,150
به شما اجازه می دهند کارهایی مانند تایپ کست
697
00:28:53,150 –> 00:28:56,540
و حتی در برخی موارد مانند تعیین یک
698
00:28:56,540 –> 00:28:59,840
قاب داده چند شاخصی در حین بارگذاری خوب انجام دهید
699
00:28:59,840 –> 00:29:01,700
تا بتوانید این کار را انجام دهید. همه از قبل بله
700
00:29:01,700 –> 00:29:03,950
مهم بله قطعاً مانند
701
00:29:03,950 –> 00:29:06,650
حذف سطرها یا ستون ها یا
702
00:29:06,650 –> 00:29:09,620
تبدیل مقادیر خاص به سمت راست Nan هستند،
703
00:29:09,620 –> 00:29:11,570
مثلاً اگر رشته های مختلفی داشته باشید که
704
00:29:11,570 –> 00:29:13,730
همه آنها اساساً مقادیر انسانی هستند که این کارها را انجام می دهند
705
00:29:13,730 –> 00:29:16,670
، برخی مانند
706
00:29:16,670 –> 00:29:19,550
زمان های تاریخ بیماری برای مثال تبدیل فوری آن
707
00:29:19,550 –> 00:29:21,680
ها و مشخص کردن آن ها هستند. فرمت می تواند
708
00:29:21,680 –> 00:29:24,410
سرعت پردازش را افزایش دهد،
709
00:29:24,410 –> 00:29:26,110
بسیار خوب، گزینه های مختلف زیادی وجود دارد و
710
00:29:26,110 –> 00:29:28,130
متأسفانه آنها
711
00:29:28,130 –> 00:29:29,780
در همه لودرهای مختلف استاندارد نیستند، بنابراین
712
00:29:29,780 –> 00:29:31,520
واقعاً بستگی به بارگیری دارد که شما از آن
713
00:29:31,520 –> 00:29:34,750
استفاده می کنید، اما من قطعاً تقریباً تمام CSE را مرور می کنم.
714
00:29:34,750 –> 00:29:38,000
715
00:29:38,000 –> 00:29:41,120
گزینه های لودر در کتاب من بسیار گسترده است
716
00:29:41,120 –> 00:29:43,310
زیرا تعداد زیادی از آنها وجود دارد و برخی از
717
00:29:43,310 –> 00:29:46,160
آنها مانند پارامترهای بسیار جالب هستند.
718
00:29:46,160 –> 00:29:48,050
719
00:29:48,050 –> 00:29:53,780
پارامترهای matsu بله خوب این چیزی است که یک
720
00:29:53,780 –> 00:29:55,070
جور خنده دار است مانند من فکر می کنم بسیاری از مردم
721
00:29:55,070 –> 00:29:58,490
ممکن است شما بدانید که از آن عبور می کنند و من
722
00:29:58,490 –> 00:30:00,500
فکر می کنم این ممکن است شما بدانید فقط
723
00:30:00,500 –> 00:30:02,370
اگر فکر می کنید
724
00:30:02,370 –> 00:30:05,340
یک قدم می توانید انجام دهید تا زندگی خود را بسازید
725
00:30:05,340 –> 00:30:08,400
سادهتر است و این عزیزم بله و بسیاری از
726
00:30:08,400 –> 00:30:10,380
آنها واقعاً منجر به بهبود عملکرد میشوند،
727
00:30:10,380 –> 00:30:12,840
مثلاً اگر
728
00:30:12,840 –> 00:30:15,150
تمام موارد مشابه را نادیده بگیرید، پارامترهای CSV را بخوانید و
729
00:30:15,150 –> 00:30:18,570
فقط دادههای خام خود را در پانداها بارگذاری کنید، مثل
730
00:30:18,570 –> 00:30:21,030
اینکه ممکن است حتی نتوانید آنها را در پانداها بارگیری کنید.
731
00:30:21,030 –> 00:30:23,670
برای مبتدیانی مانند شما
732
00:30:23,670 –> 00:30:25,890
ممکن است حافظه کافی برای انجام
733
00:30:25,890 –> 00:30:28,559
این کار نداشته باشید، بنابراین می دانید که استفاده از
734
00:30:28,559 –> 00:30:30,540
آنها می تواند یک بهبود عملکرد بزرگ باشد،
735
00:30:30,540 –> 00:30:33,720
بله کاملا منطقی است
736
00:30:33,720 –> 00:30:35,260
[موسیقی]
737
00:30:35,260 –> 00:30:37,670
این هفته من می خواهم در
738
00:30:37,670 –> 00:30:39,680
یک دوره ویدیویی واقعی پایتون تمرکز کنم.
739
00:30:39,680 –> 00:30:41,900
به نام یافتن ویرایشگر کد پایتون عالی
740
00:30:41,900 –> 00:30:44,210
توسط مربی واقعی پایتون در
741
00:30:44,210 –> 00:30:47,000
مهمان پادکست قبلی مارتین رویس
742
00:30:47,000 –> 00:30:48,560
آیا میخواهید
743
00:30:48,560 –> 00:30:50,750
راهاندازی کامل توسعه پایتون را برای نوشتن پایتون با استفاده از
744
00:30:50,750 –> 00:30:53,240
Idol یا ریپل پایتون پیدا کنید. برای
745
00:30:53,240 –> 00:30:55,160
چیزهای ساده عالی است اما برای
746
00:30:55,160 –> 00:30:56,780
پروژه های برنامه نویسی بزرگتر ایده آل نیست با این
747
00:30:56,780 –> 00:30:58,130
دوره، مروری بر رایج ترین
748
00:30:58,130 –> 00:31:00,200
محیط های کدنویسی پایتون
749
00:31:00,200 –> 00:31:02,300
خواهید داشت که به شما کمک می کند تصمیمی آگاهانه بگیرید و در این
750
00:31:02,300 –> 00:31:03,800
دوره با نحوه انتخاب
751
00:31:03,800 –> 00:31:05,780
محیط ویرایش پایتون آشنا خواهید شد. این
752
00:31:05,780 –> 00:31:07,760
برای شما مناسب است که چگونه کارهای رایجی
753
00:31:07,760 –> 00:31:09,080
مانند ایجاد کدهای در حال اجرا و
754
00:31:09,080 –> 00:31:11,120
اشکال زدایی را انجام دهید و در بهینه سازی تنظیمات ویرایش خود عمیق تر کاوش خواهید کرد.
755
00:31:11,120 –> 00:31:13,250
756
00:31:13,250 –> 00:31:14,720
757
00:31:14,720 –> 00:31:17,240
758
00:31:17,240 –> 00:31:19,310
759
00:31:19,310 –>