در این مطلب، ویدئو ناهار مهندس داده شماره 21: ابزار پایتون ETL 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: 00:48:51
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,560 –> 00:00:02,720
سلام به همه خوش آمدید به
2
00:00:02,720 –> 00:00:05,120
راه اندازی مهندسین داده شماره 21.
3
00:00:05,120 –> 00:00:08,480
اوه ما تقریباً در نیمه راه
4
00:00:08,480 –> 00:00:10,400
5
00:00:10,400 –> 00:00:12,160
ناهار مهندسین داده یکساله هستیم، بنابراین از همه شما برای
6
00:00:12,160 –> 00:00:12,880
پیوستن به ما
7
00:00:12,880 –> 00:00:14,960
و ادامه همراهی ما در این
8
00:00:14,960 –> 00:00:17,039
سفر متشکرم موضوع
9
00:00:17,039 –> 00:00:20,720
امروز قرار است در مورد ابزارهای پایتون etl
10
00:00:20,720 –> 00:00:22,960
و سخنران آن Obi خواهد بود
11
00:00:22,960 –> 00:00:27,599
و او یک مهندس در اینجا در an و در
12
00:00:27,840 –> 00:00:29,920
حال حاضر برگزارکننده اصلی این
13
00:00:29,920 –> 00:00:31,679
رویداد راهول
14
00:00:31,679 –> 00:00:34,160
راهول به دنبال سازمان دهندگان مشترک است و
15
00:00:34,160 –> 00:00:35,600
اساساً کاری که شما به عنوان
16
00:00:35,600 –> 00:00:36,559
یک سازمان دهنده انجام
17
00:00:36,559 –> 00:00:39,280
می دهید کمک به گسترش این رویداد است. و به جذب حامیان مالی کمک کنید
18
00:00:39,280 –> 00:00:40,879
19
00:00:40,879 –> 00:00:42,320
و اگر به
20
00:00:42,320 –> 00:00:44,239
سازماندهی علاقه دارید، میتوانید
21
00:00:44,239 –> 00:00:47,840
با rahul در rahul adenau.us تماس بگیرید،
22
00:00:47,840 –> 00:00:50,640
ما بخشی از جامعه داده dc هستیم که
23
00:00:50,640 –> 00:00:51,440
24
00:00:51,440 –> 00:00:55,120
جامعهای از سازمانها
25
00:00:55,120 –> 00:00:58,960
و گروههای ملاقات با دستگاههای مختلف بدون توجه به
26
00:00:58,960 –> 00:01:02,320
جنسیت نژاد شما است. یک
27
00:01:02,320 –> 00:01:05,438
جامعه فراگیر uh هستند، بنابراین همیشه با
28
00:01:05,438 –> 00:01:06,080
29
00:01:06,080 –> 00:01:09,760
خیال راحت بیایید و
30
00:01:09,760 –> 00:01:11,760
جامعه داده داده dc نیز از
31
00:01:11,760 –> 00:01:13,920
گروه های مختلف دیگری تشکیل شده است
32
00:01:13,920 –> 00:01:16,320
که ما داده هایی داریم که همیشه دارای
33
00:01:16,320 –> 00:01:17,360
34
00:01:17,360 –> 00:01:19,680
آمار رویدادها هستند. سمینارهای علم اطلاعات کامل پشته
35
00:01:19,680 –> 00:01:20,880
dc
36
00:01:20,880 –> 00:01:23,759
of us data wranglers dc بنابراین اگر
37
00:01:23,759 –> 00:01:24,479
38
00:01:24,479 –> 00:01:27,119
به هر یک از این جلسات سازمانی دیگر
39
00:01:27,119 –> 00:01:28,159
که
40
00:01:28,159 –> 00:01:31,200
زیر چتر جامعه داده dc قرار دارند علاقه مند هستید،
41
00:01:31,200 –> 00:01:34,759
می توانید در datacommunitydc.org اطلاعات بیشتری کسب کنید
42
00:01:34,759 –> 00:01:36,079
43
00:01:36,079 –> 00:01:37,840
و می توانید رویدادهایی را بیابید که این
44
00:01:37,840 –> 00:01:39,759
سازمانهای دیگر یا در
45
00:01:39,759 –> 00:01:40,560
46
00:01:40,560 –> 00:01:45,200
meetup یا events.datacommunitydc.org برگزار میکنند،
47
00:01:45,360 –> 00:01:47,920
بنابراین چه چیزی را در اینجا پوشش میدهیم، اساساً
48
00:01:47,920 –> 00:01:48,880
49
00:01:48,880 –> 00:01:52,159
هر مهندسی داده را پوشش میدهیم، بنابراین اگر
50
00:01:52,159 –> 00:01:54,720
شامل پاکسازی دادهها، پردازش دادهها و
51
00:01:54,720 –> 00:01:56,240
غیره
52
00:01:56,240 –> 00:01:59,680
گرفتن دادهها از یک خروجی ورودی
53
00:01:59,680 –> 00:02:02,159
باشد، دانشمندان داده به چه چیزی نیاز دارند،
54
00:02:02,159 –> 00:02:04,560
آن دادهها را آماده میکنیم. بنابراین چگونه میتوانیم
55
00:02:04,560 –> 00:02:08,160
با استفاده از مهندسی داده این کار را انجام دهیم، بسیاری از
56
00:02:08,160 –> 00:02:10,160
مواردی که تاکنون پوشش
57
00:02:10,160 –> 00:02:13,680
دادهایم، فقط ساختارهای داده سازمانی سطح بالا
58
00:02:13,680 –> 00:02:16,400
و همچنین برخی از
59
00:02:16,400 –> 00:02:18,160
ابزارهای خط فرمان است که میتواند به شما کمک کند تا کمی زندگی شما را
60
00:02:18,160 –> 00:02:20,000
آسانتر کند
61
00:02:20,000 –> 00:02:22,800
و ما به راه رفتن ادامه میدهیم. از طریق مهندسان داده،
62
00:02:22,800 –> 00:02:23,680
63
00:02:23,680 –> 00:02:27,120
نقشه راه و امم،
64
00:02:27,120 –> 00:02:31,200
برای ارائه مسیری از آنچه می توانید
65
00:02:31,200 –> 00:02:33,840
یاد بگیرید و مطالعه کنید و تبدیل به یک
66
00:02:33,840 –> 00:02:37,120
مهندس داده تمام عیار شوید،
67
00:02:37,120 –> 00:02:40,160
این یک راه حل کلی است.
68
00:02:40,160 –> 00:02:41,760
69
00:02:41,760 –> 00:02:43,920
en.
70
00:02:43,920 –> 00:02:45,280
71
00:02:45,280 –> 00:02:49,200
72
00:02:49,200 –> 00:02:52,959
73
00:02:52,959 –> 00:02:54,800
74
00:02:54,800 –> 00:02:56,160
75
00:02:56,160 –> 00:02:57,599
و کاری که آنها با
76
00:02:57,599 –> 00:03:00,239
مهندسی دادههای مهندسی انجام میدهند یا امیدوارند به
77
00:03:00,239 –> 00:03:02,879
طور بالقوه از آن خارج شوند یا حتی اگر چیزی وجود داشته باشد
78
00:03:02,879 –> 00:03:04,560
که بتوانید در
79
00:03:04,560 –> 00:03:07,200
اوم ارائه دهید، من کسی را انتخاب نمیکنم زیرا تعداد زیادی
80
00:03:07,200 –> 00:03:08,560
81
00:03:08,560 –> 00:03:10,319
افراد جدید در اینجا داریم، اما اگر به آنها
82
00:03:10,319 –> 00:03:12,400
علاقه دارید فقط با سلام
83
00:03:12,400 –> 00:03:16,000
و احوالپرسی و آه با چه چیزی با
84
00:03:16,000 –> 00:03:16,800
مهندسی داده کار می کنید یا به
85
00:03:16,800 –> 00:03:18,080
طور بالقوه با چه چیزی می توانید ارائه
86
00:03:18,080 –> 00:03:20,720
دهید می توانید ادامه دهید
87
00:03:22,159 –> 00:03:25,599
سلام نام من لیزا هالمن است و اوم
88
00:03:25,599 –> 00:03:28,640
من به
89
00:03:28,640 –> 00:03:33,040
تازگی راه حل های جدید
90
00:03:33,040 –> 00:03:35,920
aws خود را دریافت کرده ام و به دنبال آن هستم. واقعاً
91
00:03:35,920 –> 00:03:37,840
در زمینه مهندسی داده حرکت
92
00:03:37,840 –> 00:03:38,640
93
00:03:38,640 –> 00:03:40,879
کنم، زیرا من 22 سال را به عنوان یک مجموعه
94
00:03:40,879 –> 00:03:42,879
آمار زیستی گذراندم
95
00:03:42,879 –> 00:03:45,680
و بنابراین می خواهم بدانم چه چیزی
96
00:03:45,680 –> 00:03:46,000
لازم است
97
00:03:46,000 –> 00:03:49,280
تا به عنوان یک مهندس داده ماهر و کاملاً کارآمد شوم و
98
00:03:49,280 –> 00:03:52,239
99
00:03:53,599 –> 00:03:57,200
اگر کسی برتر باشد. مواردی که
100
00:03:57,200 –> 00:04:00,239
فکر میکنم میتوانم آنها را ارائه کنم، میخواهم
101
00:04:00,239 –> 00:04:03,040
از شما تشکر کنم، بله، بله،
102
00:04:03,040 –> 00:04:04,159
اگر علاقه دارید در
103
00:04:04,159 –> 00:04:07,439
مورد هر چیز عاقلانه یا
104
00:04:07,439 –> 00:04:08,879
چیزی مرتبط با آن صحبت کنید، بنابراین اگر میخواهید
105
00:04:08,879 –> 00:04:10,640
چیزی یاد بگیرید و سپس آن را ارائه
106
00:04:10,640 –> 00:04:11,200
107
00:04:11,200 –> 00:04:13,360
دهید، میتوانید انجام دهید. همچنین می
108
00:04:13,360 –> 00:04:15,760
توانید یک ایمیل به راهول راهول ارسال کنید
109
00:04:15,760 –> 00:04:18,880
نه ما یا می توانید آن را برای من بفرستید و
110
00:04:18,880 –> 00:04:19,600
111
00:04:19,600 –> 00:04:21,440
امیدواریم بتوانیم شما را در صف جایی قرار دهیم
112
00:04:21,440 –> 00:04:23,440
و من ادامه می دهم و آن ایمیل ها را
113
00:04:23,440 –> 00:04:26,080
در چت می
114
00:04:26,840 –> 00:04:28,000
گذارم.
115
00:04:28,000 –> 00:04:30,960
تو لیزا هر کس
116
00:04:30,960 –> 00:04:32,160
دیگری که می خواهد
117
00:04:32,160 –> 00:04:43,840
بگوید سلام، درست است،
118
00:04:46,880 –> 00:04:49,759
من هیچ دندانی نمی کشم آه،
119
00:04:49,759 –> 00:04:50,080
سلام،
120
00:04:50,080 –> 00:04:51,919
اسم من مایک است، من با سمینارهای سیسکو dc هستم.
121
00:04:51,919 –> 00:04:54,000
122
00:04:54,000 –> 00:04:56,639
123
00:04:56,639 –> 00:04:57,600
124
00:04:57,600 –> 00:05:01,360
صحبتی برای ارائه راهول
125
00:05:01,360 –> 00:05:03,520
در چند هفته دیگر، اما
126
00:05:03,520 –> 00:05:04,800
127
00:05:04,800 –> 00:05:06,560
اگر کسی علاقه مند باشد، این پنج شنبه رویدادی برگزار می کنم که در رشته
128
00:05:06,560 –> 00:05:08,479
هاست و من فقط یک چت ارسال کردم
129
00:05:08,479 –> 00:05:12,000
یا می توانید با من در لینکدین ارتباط برقرار کنید.
130
00:05:12,000 –> 00:05:15,199
خیلی ممنون مایک ام
131
00:05:15,199 –> 00:05:18,240
متشکرم بنابراین قوانین گروه به طور کلی اگر
132
00:05:18,240 –> 00:05:19,280
سوالی
133
00:05:19,280 –> 00:05:21,199
دارید در پرسیدن دریغ نکنید زیرا w اگر
134
00:05:21,199 –> 00:05:22,479
در اینجا یک جامعه هستید
135
00:05:22,479 –> 00:05:25,120
، هرچه دانش بیشتری در مورد یک
136
00:05:25,120 –> 00:05:27,600
موضوع خاص داشته باشید، به همه کمک می
137
00:05:27,600 –> 00:05:30,400
کند تا دانش درونی خود را افزایش دهند، به طور کلی
138
00:05:30,400 –> 00:05:33,039
با دیگران مودب و مؤدب باشند،
139
00:05:33,039 –> 00:05:34,880
اگر سؤالی دارید که یک گوینده در حال
140
00:05:34,880 –> 00:05:37,039
صحبت کردن است، بسته به گوینده ای که
141
00:05:37,039 –> 00:05:38,080
ممکن است از نظر ترجیحی
142
00:05:38,080 –> 00:05:40,880
داشته باشد. اگر آنها ترجیح می دهند که شما آن را
143
00:05:40,880 –> 00:05:42,479
در چت بپرسید و سپس
144
00:05:42,479 –> 00:05:44,320
وقتی به یک نقطه توقف خوب رسیدند به آن می رسند
145
00:05:44,320 –> 00:05:46,560
یا اوم، می توانید ادامه دهید و صحبت کنید،
146
00:05:46,560 –> 00:05:48,720
اما بسته به گوینده،
147
00:05:48,720 –> 00:05:50,080
آنها در ابتدای صحبت نظرات خود را خواهند داشت.
148
00:05:50,080 –> 00:05:52,080
ارائه را و دوباره آنچه را که می دانید با ما به اشتراک بگذارید،
149
00:05:52,080 –> 00:05:53,919
این یک انجمن است،
150
00:05:53,919 –> 00:05:56,960
بنابراین دریغ نکنید
151
00:05:56,960 –> 00:05:59,840
که اگر چیزی می دانید با ما تماس بگیرید یا صحبت کنید.
152
00:05:59,840 –> 00:06:03,280
اوه اینجا در anat
153
00:06:03,280 –> 00:06:06,560
اوه، ما روی
154
00:06:06,560 –> 00:06:09,440
پلتفرم های جهانی تجزیه و تحلیل داده های پیرامون
155
00:06:09,440 –> 00:06:11,440
فناوری هایی مانند cassandra spark و
156
00:06:11,440 –> 00:06:12,479
کافکا،
157
00:06:12,479 –> 00:06:15,759
بنابراین مهندسی داده دقیقاً در
158
00:06:15,759 –> 00:06:18,800
کاری که ما روزانه انجام میدهیم نقش دارد، داده sax
159
00:06:18,800 –> 00:06:19,120
160
00:06:19,120 –> 00:06:22,800
شریک و حامی این رویداد است
161
00:06:22,880 –> 00:06:25,600
دانشگاه gw نیز حامی مالی است، بنابراین وقتی
162
00:06:25,600 –> 00:06:26,960
رویدادهای حضوری داریم
163
00:06:26,960 –> 00:06:29,360
معمولاً gw به ما کمک میکند. فضای محل برگزاری را مشاهده کنید
164
00:06:29,360 –> 00:06:32,160
تا بتوانیم شخصاً ملاقات
165
00:06:32,160 –> 00:06:34,639
کنیم، ما چند
166
00:06:34,639 –> 00:06:37,520
حامی سازمانی و سازمانی داریم
167
00:06:37,520 –> 00:06:39,919
و سپس در اینجا ما هر گونه
168
00:06:39,919 –> 00:06:42,960
اطلاعیه ای داریم که کسی می خواهد
169
00:06:42,960 –> 00:06:45,440
صحبت کند، بنابراین اگر به دنبال شغل
170
00:06:45,440 –> 00:06:46,160
هستید یا اگر
171
00:06:46,160 –> 00:06:48,400
شغلی را پیشنهاد می کنید، می توانید ادامه دهید و
172
00:06:48,400 –> 00:06:50,000
صحبت کنید یا آن را در چت بیندازید تا
173
00:06:50,000 –> 00:06:51,039
مردم بتوانند
174
00:06:51,039 –> 00:06:52,960
مانند مایک ببینند اگر ملاقات یا
175
00:06:52,960 –> 00:06:54,560
رویدادی دارید،
176
00:06:54,560 –> 00:06:57,759
دوباره صحبت کنید یا آن را در چت
177
00:06:57,759 –> 00:07:00,840
بیندازید.
178
00:07:00,840 –> 00:07:03,840
179
00:07:13,360 –> 00:07:16,479
180
00:07:16,479 –> 00:07:18,800
رویدادهای آتی که ما برای این
181
00:07:18,800 –> 00:07:19,520
182
00:07:19,520 –> 00:07:22,639
ناهار مهندسان داده خاص داریم آه ما
183
00:07:22,639 –> 00:07:25,520
داریم فکر می کنم او در حال تماس است یا او
184
00:07:25,520 –> 00:07:26,000
بود
185
00:07:26,000 –> 00:07:29,120
اما می خواهد هفته آینده در مورد پرومتئوس سخنرانی کند
186
00:07:29,120 –> 00:07:30,960
187
00:07:30,960 –> 00:07:33,919
و راهول نیز در مورد thanos سخنرانی خواهد
188
00:07:33,919 –> 00:07:34,960
189
00:07:34,960 –> 00:07:37,840
کرد. بعد و سپس ما
190
00:07:37,840 –> 00:07:38,800
191
00:07:38,800 –> 00:07:41,440
موضوعات به روز شده را
192
00:07:41,440 –> 00:07:42,080
برای ماه مه
193
00:07:42,080 –> 00:07:44,720
در رویداد یا صفحه ملاقات قرار خواهیم داد
194
00:07:44,720 –> 00:07:47,680
تا بتوانید آنها را
195
00:07:47,680 –> 00:07:49,759
احتمالاً این هفته برای آنچه در ماه آینده در راه است پیدا
196
00:07:49,759 –> 00:07:52,479
197
00:07:53,039 –> 00:07:57,120
کنید و با آن عبور خواهیم کرد. آن را
198
00:07:57,120 –> 00:07:58,319
بیش از t o obi
199
00:07:58,319 –> 00:08:02,319
و obi همه چیز مال شماست.
200
00:08:02,319 –> 00:08:05,360
201
00:08:05,360 –> 00:08:12,800
202
00:08:12,800 –> 00:08:16,639
203
00:08:16,639 –> 00:08:19,919
204
00:08:19,919 –> 00:08:23,440
205
00:08:23,440 –> 00:08:24,800
206
00:08:24,800 –> 00:08:26,560
اکنون
207
00:08:26,560 –> 00:08:29,280
من امروز در مورد ابزارهای پایتون etl صحبت می کنم
208
00:08:29,280 –> 00:08:30,720
python به
209
00:08:30,720 –> 00:08:33,519
طور کلی زبان انتخابی
210
00:08:33,519 –> 00:08:36,320
من است زیرا من دوست دارم موارد یادگیری ماشینی را انجام دهم
211
00:08:36,320 –> 00:08:39,760
و نوعی ابزار
212
00:08:39,760 –> 00:08:41,599
etl را برای کارهایی مانند
213
00:08:41,599 –> 00:08:43,519
پیش پردازش داده ها و تمیز کردن آنها آماده کنم.
214
00:08:43,519 –> 00:08:47,600
چیزهای مفیدی هستند،
215
00:08:47,600 –> 00:08:49,200
بنابراین امروز ما در مورد
216
00:08:49,200 –> 00:08:51,680
چند ابزار etl به طور کلی صحبت خواهیم کرد
217
00:08:51,680 –> 00:08:53,120
که چگونه هستند و چه
218
00:08:53,120 –> 00:08:55,760
کاری می توانند انجام دهند و نمی توانند انجام دهند
219
00:08:55,760 –> 00:08:58,080
و ایده در اینجا این است که مجموعه ای
220
00:08:58,080 –> 00:08:59,279
از گفتگوهای آینده را تنظیم
221
00:08:59,279 –> 00:09:00,480
کنیم که در آن ما
222
00:09:00,480 –> 00:09:04,399
با جزئیات کمی بیشتر با نسخههای نمایشی
223
00:09:06,000 –> 00:09:08,160
به سراغ هر یک میرویم، بنابراین شروع کردن فقط etl به طور کلی
224
00:09:08,160 –> 00:09:10,480
مخفف عبارت extract transform load
225
00:09:10,480 –> 00:09:14,080
um است که به
226
00:09:14,080 –> 00:09:16,959
ابزارها کمک میکند یا به شما کمک میکنند
227
00:09:16,959 –> 00:09:18,240
خطوط لوله خود را تنظیم کنید
228
00:09:18,240 –> 00:09:20,800
تا اتصالات شما را به
229
00:09:20,800 –> 00:09:22,240
جایی انجام دهند. داده های شما
230
00:09:22,240 –> 00:09:24,720
پایگاه داده یا انواع فایل ها هستند شما می توانید
231
00:09:24,720 –> 00:09:28,000
به طور معمول با پایتون پایه تعامل داشته
232
00:09:28,000 –> 00:09:30,240
باشید یا می خواهید آنها به مدیریت این
233
00:09:30,240 –> 00:09:31,279
تعاملات کمک کنند
234
00:09:31,279 –> 00:09:33,040
تا بارگذاری استخراج
235
00:09:33,040 –> 00:09:34,320
داده ها را انجام
236
00:09:34,320 –> 00:09:36,640
دهند. آنها منابعی برای تبدیل داده های خاص
237
00:09:36,640 –> 00:09:37,760
238
00:09:37,760 –> 00:09:39,839
دارند
239
00:09:39,839 –> 00:09:41,040
240
00:09:41,040 –> 00:09:42,880
241
00:09:42,880 –> 00:09:44,720
. ممکن است لازم
242
00:09:44,720 –> 00:09:46,160
باشد یکی دیگر را زیرنویس کنید
243
00:09:46,160 –> 00:09:50,240
یا از قابلیتهای داخلی پایتون استفاده کنید
244
00:09:50,240 –> 00:09:54,000
تا این کار را انجام دهید تا آنها
245
00:09:54,000 –> 00:09:55,760
بتوانند ترتیب گامهای شما را
246
00:09:55,760 –> 00:09:57,279
در خط لوله مدیریت
247
00:09:57,279 –> 00:10:00,959
کنند، درست مانند نوشتن به ترتیب
248
00:10:00,959 –> 00:10:03,360
آنچه در کد شما اتفاق میافتد، اما میتوانند
249
00:10:03,360 –> 00:10:04,800
تعدادی از کارها را انجام دهند. مراحل اجرای
250
00:10:04,800 –> 00:10:07,279
آنها به ترتیب زمانی که هر یک تکمیل می شود،
251
00:10:07,279 –> 00:10:09,519
گاهی اوقات اجرای
252
00:10:09,519 –> 00:10:11,200
آن خطوط لوله را برنامه ریزی می
253
00:10:11,200 –> 00:10:13,440
کنند و اغلب منابع محاسباتی شما را مدیریت
254
00:10:13,440 –> 00:10:15,200
می کنند تا کارهای شما
255
00:10:15,200 –> 00:10:17,360
اغلب با اجرای مراحل
256
00:10:17,360 –> 00:10:19,200
موازی در همان رایانه
257
00:10:19,200 –> 00:10:23,120
یا توزیع به مجموعه ای از رایانه ها
258
00:10:23,120 –> 00:10:25,360
به سرعت اجرا شود. اوم وقتی از
259
00:10:25,360 –> 00:10:26,640
برنامه های توزیع شده استفاده می کنید،
260
00:10:26,640 –> 00:10:28,959
بنابراین ابزارهایی که
261
00:10:28,959 –> 00:10:30,240
امروز در مورد آنها
262
00:10:30,240 –> 00:10:33,760
pygram utl صحبت می کنیم
263
00:10:33,760 –> 00:10:37,279
پانداهای پتل بونوبو پی جرقه هوا و
264
00:10:37,279 –> 00:10:38,240
لوئیجی
265
00:10:38,240 –> 00:10:40,480
اوه و من این سه مورد آخر را گروه بندی می کنم
266
00:10:40,480 –> 00:10:41,839
زیرا آنها چیزهایی هستند که
267
00:10:41,839 –> 00:10:43,519
قبلاً در اینجا در مورد آنها صحبت کرده
268
00:10:43,519 –> 00:10:46,880
ایم بنابراین بارها در مورد جرقه
269
00:10:46,880 –> 00:10:50,160
270
00:10:50,320 –> 00:10:52,000
صحبت می کنیم زیرا ما کارهای زیادی انجام می دهیم
271
00:10:52,000 –> 00:10:53,600
جرقه در اینجا و پردازش دادههای توزیعشده
272
00:10:53,600 –> 00:10:55,200
چیزی
273
00:10:55,200 –> 00:10:57,360
است که اخیراً درباره آن زیاد صحبت کردهایم
274
00:10:57,360 –> 00:10:59,600
و سپس من و آنجل
275
00:10:59,600 –> 00:11:01,120
در مورد جریان هوا صحبت
276
00:11:01,120 –> 00:11:03,920
کردهایم و من نیز در مورد luigi
277
00:11:03,920 –> 00:11:05,440
278
00:11:05,440 –> 00:11:06,800
صحبت کردهام. اما نه بیش از حد، زیرا
279
00:11:06,800 –> 00:11:09,600
محتوای خاص خود را دارند،
280
00:11:09,839 –> 00:11:12,800
بنابراین شروع کردن در pygram طبقهبندی ما و
281
00:11:12,800 –> 00:11:13,760
غیره
282
00:11:13,760 –> 00:11:16,800
، شامل کلاسهایی برای پر کردن
283
00:11:16,800 –> 00:11:18,399
جداول واقعیت است که
284
00:11:18,399 –> 00:11:20,480
نمایش دادههای داخلی
285
00:11:20,480 –> 00:11:22,800
آنها است و آنها کلاسهای داخلی خود را
286
00:11:22,800 –> 00:11:25,839
برای دستکاری آنهایی
287
00:11:25,839 –> 00:11:27,760
برای انجام تبدیل دادهها در مرحله تبدیل
288
00:11:27,760 –> 00:11:29,279
289
00:11:29,279 –> 00:11:31,360
و سپس دارند. همچنین آنها برای انجام مراحل استخراج و بارگذاری شما به
290
00:11:31,360 –> 00:11:34,079
پایگاه داده های خارجی و سیستم های فایل اتصال دارند،
291
00:11:34,079 –> 00:11:36,720
292
00:11:36,720 –> 00:11:39,120
293
00:11:39,120 –> 00:11:41,279
بنابراین نحوه صحبت آنها در مورد کلاس هایی است که
294
00:11:41,279 –> 00:11:42,240
295
00:11:42,240 –> 00:11:44,079
شما برای آنها استفاده می کنید.
296
00:11:44,079 –> 00:11:46,240
چیزهایی دارید که شما منابع داده ای برای دسترسی به
297
00:11:46,240 –> 00:11:47,519
منابع داده های مختلف خود دارید
298
00:11:47,519 –> 00:11:50,560
پایگاه داده های شما سیستم های فایل شما
299
00:11:50,560 –> 00:11:53,440
apis شما جدول هایی برای دسترسی به
300
00:11:53,440 –> 00:11:54,320
آن اطلاعات
301
00:11:54,320 –> 00:11:57,839
دارید مانند آن داده های
302
00:11:57,839 –> 00:12:00,880
ذخیره شده، می توانید در یک
303
00:12:00,880 –> 00:12:01,839
دستگاه
304
00:12:01,839 –> 00:12:03,920
موازی سازی کنید. نه یک سیستم توزیع شده، بلکه
305
00:12:03,920 –> 00:12:05,360
306
00:12:05,360 –> 00:12:11,600
روی یک ماشین موازی است
307
00:12:11,600 –> 00:12:14,480
و همچنین از لفاف اتصال jython استفاده می کند
308
00:12:14,480 –> 00:12:16,240
که اکنون در مورد آن صحبت می کنند،
309
00:12:16,240 –> 00:12:18,560
بنابراین شما نیز می توانید از کلاس های جاوا خود
310
00:12:18,560 –> 00:12:20,959
311
00:12:20,959 –> 00:12:24,560
با این ابزار etl استفاده کنید،
312
00:12:24,560 –> 00:12:26,639
فرآیندهای فردی در خط لوله شما
313
00:12:26,639 –> 00:12:28,399
به عنوان مراحل تعریف می شوند
314
00:12:28,399 –> 00:12:30,880
و سپس همچنین اولین و اولین پیام شما را به شما ارائه می دهد
315
00:12:30,880 –> 00:12:32,240
316
00:12:32,240 –> 00:12:35,360
317
00:12:35,360 –> 00:12:38,000
تا بیشتر از موارد مشابهی که
318
00:12:38,000 –> 00:12:40,480
در پایتون پایه موجود هستند
319
00:12:40,480 –> 00:12:43,760
ترتیب پردازش را تعیین کنید
320
00:12:45,200 –> 00:12:48,639
و سپس petl
321
00:12:48,639 –> 00:12:51,920
دیگری است که با
322
00:12:51,920 –> 00:12:53,920
تعدادی از منابع داده ادغام می شود و sql را همگام می کند.
323
00:12:53,920 –> 00:12:57,760
پانداهای کیمیاگری اوه خوب که به طرز
324
00:12:57,760 –> 00:12:59,760
خندهداری غلط املایی میشود،
325
00:12:59,760 –> 00:13:01,519
مطمئنم که باید بگویم
326
00:13:01,519 –> 00:13:05,120
numpy اوه
327
00:13:05,120 –> 00:13:08,880
، با فایلهای اکسل ادغام میشود csv
328
00:13:08,880 –> 00:13:10,240
همه چیزهایی برای بارگذاری g
329
00:13:10,240 –> 00:13:12,480
دادههای شما را استخراج میکند
330
00:13:12,480 –> 00:13:16,160
و دارای تغییراتی برای دریافت
331
00:13:16,160 –> 00:13:19,440
زیربخشهایی مانند تبدیل دادههای شما
332
00:13:19,440 –> 00:13:21,440
و فیلتر کردن دادهها از طریق توابع لامبدا تعریفشده توسط کاربر،
333
00:13:21,440 –> 00:13:22,639
334
00:13:22,639 –> 00:13:27,600
توابع لامبدا واقعی پایتون داخلی است،
335
00:13:27,600 –> 00:13:30,560
اما میتوانید از آنها در کنار این برای
336
00:13:30,560 –> 00:13:31,760
نقشهبرداری و فیلتر کردن
337
00:13:31,760 –> 00:13:34,160
و همه چیزهای خوب استفاده کنید. واقعاً
338
00:13:34,160 –> 00:13:34,880
339
00:13:34,880 –> 00:13:38,079
تطبیق regex را انجام دهید و به um ملحق شوید تا بتوانید
340
00:13:38,079 –> 00:13:40,160
یکسری پردازش داده را با این کار انجام دهید
341
00:13:40,160 –> 00:13:41,760
و با
342
00:13:41,760 –> 00:13:43,680
تعداد زیادی
343
00:13:43,680 –> 00:13:46,800
منبع داده و همگامسازی ادغام میشود، اما شاید نه
344
00:13:46,800 –> 00:13:48,240
به اندازهای که شما میخواهید، شاید
345
00:13:48,240 –> 00:13:50,079
نه آنهایی که میخواهید.
346
00:13:50,079 –> 00:13:54,160
um so pandas
347
00:13:54,160 –> 00:13:57,440
منبع باز دیگری است
348
00:13:57,440 –> 00:14:00,240
، خب، لزوماً یک کتابخانه etl نیست، مثل
349
00:14:00,240 –> 00:14:01,760
اینکه نمیتواند خودش را به عنوان یکی تبلیغ کند،
350
00:14:01,760 –> 00:14:02,880
351
00:14:02,880 –> 00:14:04,399
اما نوعی ساختار
352
00:14:04,399 –> 00:14:06,480
داده و ابزار تجزیه و تحلیل داده
353
00:14:06,480 –> 00:14:08,399
است و ویژگی اصلی آن،
354
00:14:08,399 –> 00:14:09,600
نمایش دادهای است
355
00:14:09,600 –> 00:14:13,279
که منتشر میکند. فریم های داده ام، شما می توانید
356
00:14:13,279 –> 00:14:13,760
داده ها
357
00:14:13,760 –> 00:14:16,079
را در فریم های داده پانداها از csv از انواع
358
00:14:16,079 –> 00:14:17,920
دیگر پایتون بارگذاری کنید،
359
00:14:17,920 –> 00:14:20,880
اما
360
00:14:20,880 –> 00:14:22,240
توانایی خروج و اتصال به
361
00:14:22,240 –> 00:14:25,360
پایگاه های داده مختلف را ندارد. ممکن است بخواهید
362
00:14:25,360 –> 00:14:27,360
دادههایی را از آنها دریافت
363
00:14:27,360 –> 00:14:31,519
کنید، میتوانید دادهها را از پانداها بارگیری کنید،
364
00:14:31,519 –> 00:14:33,360
بنابراین اگر دادههای شما در یک قاب داده پاندا هستند،
365
00:14:33,360 –> 00:14:35,519
میتوانید آنها را
366
00:14:35,519 –> 00:14:38,399
به تعدادی فرمت دیگر از جمله
367
00:14:38,399 –> 00:14:39,680
csv
368
00:14:39,680 –> 00:14:42,480
pickle که نمایش پایتون است صادر
369
00:14:42,480 –> 00:14:43,360
کنید.
370
00:14:43,360 –> 00:14:47,120
371
00:14:47,120 –> 00:14:50,160
مشابه json میتوانید
372
00:14:50,160 –> 00:14:51,600
آن را به html
373
00:14:51,600 –> 00:14:53,839
صادر کنید و در واقع میتوانید آن را به
374
00:14:53,839 –> 00:14:54,880
پایگاههای اطلاعاتی
375
00:14:54,880 –> 00:14:58,959
خاصی صادر
376
00:14:58,959 –> 00:15:01,199
377
00:15:01,199 –> 00:15:02,800
378
00:15:02,800 –> 00:15:06,160
379
00:15:06,160 –> 00:15:06,560
380
00:15:06,560 –> 00:15:10,320
کنید.
381
00:15:10,320 –> 00:15:13,680
برای حذف null در یک دسته،
382
00:15:13,680 –> 00:15:15,440
می توانید موارد تکراری را حذف کنید، می توانید فیلتر
383
00:15:15,440 –> 00:15:17,120
کنید.
384
00:15:17,120 –> 00:15:19,360
385
00:15:19,360 –> 00:15:20,720
386
00:15:20,720 –> 00:15:21,360
387
00:15:21,360 –> 00:15:25,600
388
00:15:25,600 –> 00:15:29,040
389
00:15:29,040 –> 00:15:31,360
دادهها را پخش میکند و این باعث
390
00:15:31,360 –> 00:15:32,720
میشود که ما در واقع
391
00:15:32,720 –> 00:15:34,240
کمی بعد نمونهای از bonobos را مرور کنیم
392
00:15:34,240 –> 00:15:35,120
و این
393
00:15:35,120 –> 00:15:36,639
عواقب دارد
394
00:15:36,639 –> 00:15:40,399
اما اغلب در یک ردیف در یک زمان پردازش میشود.
395
00:15:40,399 –> 00:15:41,440
396
00:15:41,440 –> 00:15:44,639
اوم و برای هدف قرار دادن
397
00:15:44,639 –> 00:15:48,000
کارهای کوچک داده در مقیاس کوچک است، اما داده های بزرگ نیست،
398
00:15:48,000 –> 00:15:50,480
بنابراین اگر شما 60 80 گیگابایت داده دارید
399
00:15:50,480 –> 00:15:51,040
400
00:15:51,040 –> 00:15:52,480
اما هیچ کس دیگری نمی تواند آن را مدیریت
401
00:15:52,480 –> 00:15:54,160
کند، اما اگر
402
00:15:54,160 –> 00:15:56,079
خیلی بیشتر دارید، احتمالاً می
403
00:15:56,079 –> 00:15:58,160
خواهید از چیز دیگری استفاده کنید.
404
00:15:58,160 –> 00:16:01,040
اما nobus عمدتاً چارچوبی برای
405
00:16:01,040 –> 00:16:02,880
بسته بندی کد پایتون دیگر شما به
406
00:16:02,880 –> 00:16:04,240
گونه ای است که
407
00:16:04,240 –> 00:16:08,079
برای etl شما مانند pipeline um به درستی اجرا شود،
408
00:16:08,079 –> 00:16:10,240
بنابراین بیشتر باعث می شود که فقط آن خط لوله را مدیریت کند
409
00:16:10,240 –> 00:16:11,519
410
00:16:11,519 –> 00:16:13,920
و کد تعریف واقعی باید
411
00:16:13,920 –> 00:16:14,639
از شما گرفته شود
412
00:16:14,639 –> 00:16:16,720
و اینکه آیا از آن استفاده می شود یا خیر.
413
00:16:16,720 –> 00:16:18,560
انواع پایتون استاندارد شما و در حال اجرا با
414
00:16:18,560 –> 00:16:19,199
آن
415
00:16:19,199 –> 00:16:22,480
یا استفاده از برخی نمایش داده های دیگر
416
00:16:22,480 –> 00:16:24,320
مانند پانداها برای دریافت بخشی از
417
00:16:24,320 –> 00:16:25,839
این پردازش
418
00:16:25,839 –> 00:16:28,959
اضافی، این به شما بستگی دارد
419
00:16:30,000 –> 00:16:31,920
برخی از ابزارهایی که
420
00:16:31,920 –> 00:16:34,160
قبلاً در مورد مهندسان داده lunch
421
00:16:34,160 –> 00:16:36,000
pi spark که پایتون است بحث کردیم. پوسته و
422
00:16:36,000 –> 00:16:37,519
api برای اسپارک
423
00:16:37,519 –> 00:16:40,240
که یک موتور تجزیه و تحلیل توزیع شده است،
424
00:16:40,240 –> 00:16:41,759
به این معنی که
425
00:16:41,759 –> 00:16:43,120
426
00:16:43,120 –> 00:16:45,120
اگر شما با محدودیتهای اندازه در bonobos مواجه میشوید، همزمان روی چندین کامپیوتر اجرا میشود
427
00:16:45,120 –> 00:16:46,800
428
00:16:46,800 –> 00:16:48,800
. همین چند ثانیه پیش ذکر
429
00:16:48,800 –> 00:16:50,880
شد، احتمالاً توصیه میکند که
430
00:16:50,880 –> 00:16:53,600
به موتور تحلیلی اسپارک
431
00:16:55,440 –> 00:16:58,480
یا سایر موتورهای تحلیلی توزیعشده کلان داده بروید،
432
00:16:58,480 –> 00:17:01,680
این موتور همچنین دارای یک
433
00:17:01,680 –> 00:17:03,519
نمایش داده داخلی به نام فریمهای داده است
434
00:17:03,519 –> 00:17:05,599
که پردازش شما را قادر
435
00:17:05,599 –> 00:17:08,160
میسازد با فیلتر کردن همه این
436
00:17:08,160 –> 00:17:10,400
موارد
437
00:17:10,559 –> 00:17:14,240
بهعنوان یک نوع از نسل، به گروه بپیوندد. mapreduce
438
00:17:14,240 –> 00:17:17,439
airflow یک برنامه گردش کار پایتون است و
439
00:17:17,439 –> 00:17:21,039
همچنین
440
00:17:21,039 –> 00:17:24,400
نمودارهای غیرچرخه وظایف را اجرا میکند، بنابراین مانند bonobos
441
00:17:24,400 –> 00:17:26,720
شما ترتیب اجرای تمام
442
00:17:26,720 –> 00:17:29,039
وابستگیها را مشخص میکنید و همه این موارد
443
00:17:29,039 –> 00:17:32,240
از طریق نمودارها و جریان هوا نیز
444
00:17:32,240 –> 00:17:34,160
زمانبندی هستند، بنابراین میتواند اجرای آنها را با استفاده از برنامه زمانبندی کند.
445
00:17:34,160 –> 00:17:35,039
446
00:17:35,039 –> 00:17:36,880
یک نوع حملات محتوا اگر می
447
00:17:36,880 –> 00:17:38,960
خواهید کاری هر روز یا هر دو
448
00:17:38,960 –> 00:17:40,640
روز یا هر ماه
449
00:17:40,640 –> 00:17:42,559
یا هر دقیقه اجرا شود، می تواند
450
00:17:42,559 –> 00:17:44,960
چنین مواردی را مدیریت کند
451
00:17:44,960 –> 00:17:47,200
و روش هایی برای تعریف
452
00:17:47,200 –> 00:17:48,000
داده های ارسال شده
453
00:17:48,000 –> 00:17:50,880
بین کارها دارد، اما فکر نمی کنم چنین باشد.
454
00:17:50,880 –> 00:17:53,039
یک نمایش داده داخلی
455
00:17:53,039 –> 00:17:55,600
برای کمک به etl، بنابراین شما
456
00:17:55,600 –> 00:17:56,880
می توانید
457
00:17:56,880 –> 00:17:58,640
داده ها و تحولاتی را که
458
00:17:58,640 –> 00:18:00,000
در واقع باید با ot اتفاق بیفتد مدیریت کنید.
459
00:18:00,000 –> 00:18:02,320
کد پایتون او
460
00:18:02,320 –> 00:18:05,600
و سپس luigi یک
461
00:18:05,600 –> 00:18:08,240
بسته پایتون برای مدیریت خطوط لوله
462
00:18:08,240 –> 00:18:09,679
کارهای دستهای است،
463
00:18:09,679 –> 00:18:13,440
بنابراین luigi همچنین دارای یک نوع
464
00:18:13,440 –> 00:18:16,080
رابط داگ است که وظایف و
465
00:18:16,080 –> 00:18:18,080
نمودارهای خود را با وابستگیهای آنها تنظیم میکنید
466
00:18:18,080 –> 00:18:19,919
و سپس دادهها به طور کلی
467
00:18:19,919 –> 00:18:22,720
بین وظایف شما در فایلها منتقل میشوند،
468
00:18:22,720 –> 00:18:26,160
اما آنها دارند. نوع خاصی از گره های ورودی
469
00:18:26,160 –> 00:18:28,720
و خروجی روی نمودار
470
00:18:28,720 –> 00:18:32,799
که به عنوان اتصال
471
00:18:32,799 –> 00:18:35,039
به پایگاه های داده مختلف و
472
00:18:35,039 –> 00:18:37,360
انواع فایل های مختلف
473
00:18:37,360 –> 00:18:39,360
و مکان هایی که احتمالاً داده های شما در آنجا هستند
474
00:18:39,360 –> 00:18:40,799
475
00:18:40,799 –> 00:18:42,559
به جای اینکه قبلاً در پرونده ها باشد
476
00:18:42,559 –> 00:18:44,240
477
00:18:44,240 –> 00:18:46,799
و در داده های خود وجود ندارد عمل می کنند.
478
00:18:46,799 –> 00:18:48,240
479
00:18:48,240 –> 00:18:51,520
480
00:18:51,520 –> 00:18:52,960
شما باید خودتان این
481
00:18:52,960 –> 00:18:55,280
کار را انجام دهید، بنابراین
482
00:18:55,280 –> 00:18:56,000
483
00:18:56,000 –> 00:18:57,760
اگر سؤالی وجود داشت، اکنون زمان آن رسیده است که
484
00:18:57,760 –> 00:18:59,520
آنها را بنویسید.
485
00:18:59,520 –> 00:19:01,200
اما اگر
486
00:19:01,200 –> 00:19:03,039
میخواهید آنها را در چت قرار دهید که
487
00:19:03,039 –> 00:19:04,799
خوب است،
488
00:19:04,799 –> 00:19:06,799
من یک سوال دارم، بنابراین شما اشاره کرده بودید
489
00:19:06,799 –> 00:19:08,799
که اسپارک pi میتواند
490
00:19:08,799 –> 00:19:13,120
مجموعهای از دادههای بسیار بزرگ را مدیریت کند،
491
00:19:13,200 –> 00:19:15,679
بنابراین چگونه کار میکند؟ در اینجا
492
00:19:15,679 –> 00:19:16,000
مانند
493
00:19:16,000 –> 00:19:18,799
[Music]
494
00:19:18,799 –> 00:19:21,760
um این کار را انجام می دهد مانند تجزیه مجموعه داده ها در
495
00:19:21,760 –> 00:19:22,240
جایی
496
00:19:22,240 –> 00:19:24,880
یا اینکه مجموعه داده ها در واقع
497
00:19:24,880 –> 00:19:27,039
مانند یک نقطه موقت یا شاید یک
498
00:19:27,039 –> 00:19:30,080
ابر یا چیزی ذخیره می شود، به طوری
499
00:19:30,080 –> 00:19:30,960
500
00:19:30,960 –> 00:19:34,080
که وقتی محیط خود را برای آن تنظیم می کنید، آن جرقه کار می کند.
501
00:19:34,080 –> 00:19:35,679
این نرمافزاری
502
00:19:35,679 –> 00:19:38,240
است که قبلاً توزیع شده
503
00:19:38,240 –> 00:19:39,679
است، روی دستهای از رایانههای مختلف میرود
504
00:19:39,679 –> 00:19:41,840
شما گره اصلی خود را
505
00:19:41,840 –> 00:19:43,280
راهاندازی میکنید و گرههای کارگر خود را روی
506
00:19:43,280 –> 00:19:45,200
دستهای از سیستمهای دیگر راهاندازی میکنید
507
00:19:45,200 –> 00:19:49,039
و سپس گره اصلی خود را زمانی که
508
00:19:49,039 –> 00:19:51,760
مانند آماده شدن برای اجرای کدتان است.
509
00:19:51,760 –> 00:19:54,240
آن را به وظایف فردی تقسیم میکند،
510
00:19:54,240 –> 00:19:56,160
مشخص میکند کدام داده با هر کار همراه است
511
00:19:56,160 –> 00:19:57,440
و نوع بستهای که با هم میآید و
512
00:19:57,440 –> 00:20:00,480
برای کارگران ارسال میشود،
513
00:20:00,880 –> 00:20:02,880
بنابراین هر یک از کارگرانی که به
514
00:20:02,880 –> 00:20:06,960
دادههای خاصی نیاز دارند، آن دادهها را داشته باشند،
515
00:20:06,960 –> 00:20:09,760
اما لازم نیست دادهها
516
00:20:09,760 –> 00:20:10,480
باشد.
517
00:20:10,480 –> 00:20:12,159
به طور خاص در هر گرهای که میخواهد
518
00:20:12,159 –> 00:20:14,000
روی چیزهایی کار کند کپی میشود،
519
00:20:14,000 –> 00:20:16,640
بنابراین اسپارک اسپارک در آنجا استفاده میکند
520
00:20:16,640 –> 00:20:19,360
آن را روی چندین ماشین توزیع میکند، در
521
00:20:19,360 –> 00:20:21,520
حالی که پانداها فقط از یک ماشین پشتیبانی میکنند،
522
00:20:21,520 –> 00:20:23,440
523
00:20:23,440 –> 00:20:26,640
بله، اما اغلب اوقات گفته میشود.
524
00:20:26,640 –> 00:20:29,600
فقط گرفتن یک ماشین بزرگتر
525
00:20:29,600 –> 00:20:32,320
راه حل خوبی برای محدودیت های حافظه است
526
00:20:32,320 –> 00:20:35,840
که منصفانه است، خیلی خوب است،
527
00:20:39,200 –> 00:20:41,919
من اکنون می خواهم به یک
528
00:20:41,919 –> 00:20:45,280
نمونه bonobos بپردازم،
529
00:20:46,640 –> 00:20:49,679
بنابراین من این را در get pod um اجرا می کنم
530
00:20:49,679 –> 00:20:51,840
که اگر pod قبلاً باز
531
00:20:51,840 –> 00:20:53,679
شده است، می توانید به معنای واقعی کلمه این دکمه را فشار دهید و
532
00:20:53,679 –> 00:20:54,720
533
00:20:54,720 –> 00:20:58,799
پس از تنظیم آن وارد شوید.
534
00:20:58,799 –> 00:21:02,080
اوم من
535
00:21:02,080 –> 00:21:04,400
فایل docker را که این را میسازد برای نصب graphis تغییر دادهام،
536
00:21:04,400 –> 00:21:06,640
زیرا ما به آن نیاز داریم،
537
00:21:06,640 –> 00:21:09,840
اما من واقعاً آن را نصب
538
00:21:09,840 –> 00:21:12,640
539
00:21:12,640 –> 00:21:13,520
نکردهام bonobos، بنابراین اگر
540
00:21:13,520 –> 00:21:15,440
یک بار از آن در gitpod استفاده میکنید باز می شود شما فقط می خواهید
541
00:21:15,440 –> 00:21:18,799
نصب pip را اجرا کنید، اما
542
00:21:19,360 –> 00:21:21,360
گراف lenovo و همچنین احتمالاً pip install گراف این است
543
00:21:21,360 –> 00:21:22,880
که شما به رابط بخش پایتون نیاز دارید
544
00:21:22,880 –> 00:21:26,159
545
00:21:26,159 –> 00:21:28,080
تا خطوط لوله شما با گرافیک ها تعامل داشته باشند،
546
00:21:28,080 –> 00:21:29,600
بنابراین شما واقعاً می توانید نمودارها را ببینید.
547
00:21:29,600 –> 00:21:32,000
548
00:21:34,880 –> 00:21:36,720
549
00:21:36,720 –> 00:21:37,919
وقتی همه چیز را
550
00:21:37,919 –> 00:21:40,400
نصب کردیم این کار را انجام می دهیم این است که
551
00:21:40,400 –> 00:21:42,000
ابتدا ساده ترین نوع آموزشی آنها را
552
00:21:42,000 –> 00:21:45,600
از نوع خط لوله نگاه می کنیم
553
00:21:45,600 –> 00:21:47,760
تا
554
00:21:52,080 –> 00:21:56,640
در آن bonobo باشد،
555
00:22:00,159 –> 00:22:02,559
بنابراین فقط به معنای واقعی کلمه فایل پایتون خود را تولید کنید
556
00:22:02,559 –> 00:22:03,360
557
00:22:03,360 –> 00:22:05,200
و اگر به داخل نگاه کنید در واقع
558
00:22:05,200 –> 00:22:06,640
فقط شبیه به
559
00:22:06,640 –> 00:22:09,280
شاید 1 0 خط کد در اینجا
560
00:22:09,280 –> 00:22:12,159
فضای زیادی وجود دارد و نظرات جایگ