در این مطلب، ویدئو پاندای پایتون – کار با داده های سری TIME & Date | تاریخ و مهر زمان 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: 00:20:00
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,220
سلام من جو جیمز هستم در این ویدیو ما می
2
00:00:02,220 –> 00:00:04,470
خواهیم یاد بگیریم که با
3
00:00:04,470 –> 00:00:07,109
داده های سری زمانی در پانداها کار کنیم، داده های سری زمانی زیادی وجود دارد،
4
00:00:07,109 –> 00:00:08,940
بنابراین امیدوارم این
5
00:00:08,940 –> 00:00:11,610
ویدیو بسیار مفیدی باشد و به
6
00:00:11,610 –> 00:00:13,440
طور خاص تاریخ پانداها را بررسی کنیم. زمان
7
00:00:13,440 –> 00:00:16,650
برای انجام این کار با
8
00:00:16,650 –> 00:00:19,439
ایمپورتهایمان، از پانداهای کتابخانهای numpy استفاده میکنیم
9
00:00:19,439 –> 00:00:23,340
، البته از کتابخانه تاریخ/زمان پایتون استاندارد
10
00:00:23,340 –> 00:00:25,019
که از
11
00:00:25,019 –> 00:00:27,660
پانداها جدا است و همچنین
12
00:00:27,660 –> 00:00:30,150
کتابخانه تصادفی را وارد میکنیم تا بتوانیم لیستهای تصادفی از آنها را تولید کنیم.
13
00:00:30,150 –> 00:00:34,710
اعداد بنابراین اولین چیزی
14
00:00:34,710 –> 00:00:36,059
که می خواهیم در اینجا بفهمیم این است
15
00:00:36,059 –> 00:00:38,780
که در پانداها یک تابع تاریخ/زمان وجود
16
00:00:38,780 –> 00:00:42,239
دارد که می توانیم از آن برای تبدیل
17
00:00:42,239 –> 00:00:45,960
انواع ورودی های مختلف به
18
00:00:45,960 –> 00:00:48,059
اشیاء تاریخ/زمان پاندا استفاده کنیم تا بتوانیم یک
19
00:00:48,059 –> 00:00:50,190
رشته در انواع مختلف بگیریم. فرمت کنید تا
20
00:00:50,190 –> 00:00:51,690
بتوانید ببینید که اینها با اسلش یا خط تیره از هم جدا شده اند
21
00:00:51,690 –> 00:00:55,410
یا نگاه کنید که این یک
22
00:00:55,410 –> 00:00:57,750
شی تاریخ/زمان پایتون معمولی است، سپس این
23
00:00:57,750 –> 00:01:00,420
اشیاء تاریخ/زمان خالی هستند، بنابراین می
24
00:01:00,420 –> 00:01:03,510
تواند همه این دو پاندا
25
00:01:03,510 –> 00:01:07,560
شی تاریخ/زمان را تبدیل کند، بنابراین بیایید ببینیم آیا ما این کار را انجام
26
00:01:07,560 –> 00:01:12,030
دهید و سپس a1 یک date/ti دریافت می کنیم
27
00:01:12,030 –> 00:01:16,830
حالا وقتی در این لیست
28
00:01:16,830 –> 00:01:19,500
می گذریم، این اساساً یک لیست پایتون است از آنچه
29
00:01:19,500 –> 00:01:22,860
پانداها می توانند به عنوان زمان تشخیص دهند که
30
00:01:22,860 –> 00:01:24,330
آنها را به اشیاء تاریخ/زمان
31
00:01:24,330 –> 00:01:26,159
تبدیل می کند و سپس آن
32
00:01:26,159 –> 00:01:28,740
اشیاء روز را در یک لیست به
33
00:01:28,740 –> 00:01:32,070
فهرست تاریخ/زمان تبدیل می کند. شما می توانید در یک
34
00:01:32,070 –> 00:01:37,439
قاب داده استفاده کنید تا اینها تاریخ/زمان باشند. 64
35
00:01:37,439 –> 00:01:40,439
اشیاء همان چیزی است که هستند و به
36
00:01:40,439 –> 00:01:46,079
یک فهرست تاریخ/زمان و پانداها تبدیل می شود، بنابراین پانداها
37
00:01:46,079 –> 00:01:48,360
تمام تلاش خود را برای تفسیر آنچه ارسال
38
00:01:48,360 –> 00:01:50,220
می کنید و تبدیل آن به
39
00:01:50,220 –> 00:01:52,079
صورت خودکار انجام می دهند و شما می توانید ببینید در این
40
00:01:52,079 –> 00:01:56,040
مورد میتواند تشخیص دهد که آیا / یا – و
41
00:01:56,040 –> 00:01:58,680
در برخی موارد ما سال آخر را قرار میدهیم
42
00:01:58,680 –> 00:02:02,369
و در برخی موارد، پانداهای راست را اولین سال قرار میدهیم،
43
00:02:02,369 –> 00:02:05,460
در تشخیص آن بسیار خوب است،
44
00:02:05,460 –> 00:02:09,149
اما میدانید که گاهی اوقات این کمک
45
00:02:09,149 –> 00:02:11,550
میکند که در استدلالی برای توضیح
46
00:02:11,550 –> 00:02:13,330
اینکه دقیقاً چه قالبی
47
00:02:13,330 –> 00:02:15,750
تاریخ شماست فقط برای جلوگیری از هر گونه سردرگمی
48
00:02:15,750 –> 00:02:18,370
برای جلوگیری از خراب شدن پانداها در
49
00:02:18,370 –> 00:02:22,600
آنجا، اما شما نمی توانید در یک آرگومان
50
00:02:22,600 –> 00:02:24,550
رشته ای را برای توضیح
51
00:02:24,550 –> 00:02:26,140
قالب بندی تاریخ خود بفرستید،
52
00:02:26,140 –> 00:02:28,420
مثلاً فرض کنید که شما یک سال دارید و سپس روز و
53
00:02:28,420 –> 00:02:30,760
سپس ماه و پانداها ممکن است نتوانند آن
54
00:02:30,760 –> 00:02:33,750
را بفهمند، بنابراین کاری که ما میتوانیم انجام دهیم این است که
55
00:02:33,750 –> 00:02:45,400
PD تا زمان تاریخ و سپس لیستی از اشیاء
56
00:02:45,400 –> 00:02:50,230
را بگذاریم، بگذارید یک سال / یک تاریخ و سپس یک ماه بگذاریم.
57
00:02:50,230 –> 00:02:55,570
58
00:02:55,570 –> 00:03:01,870
بسیار خوب، اکنون ما اساساً لیستی
59
00:03:01,870 –> 00:03:04,450
از تاریخ ها داریم که در قالب غیرعادی هستند
60
00:03:04,450 –> 00:03:07,570
و می خواهیم به داده های پانداها بگوییم تا
61
00:03:07,570 –> 00:03:10,540
بتوانند آن را به درستی تفسیر کنند.
62
00:03:10,540 –> 00:03:13,080
63
00:03:13,080 –> 00:03:16,720
64
00:03:16,720 –> 00:03:17,650
نقلقولهای اطراف آن
65
00:03:17,650 –> 00:03:20,650
ما با نیم درصد سرمایه y هستیم و این به
66
00:03:20,650 –> 00:03:22,660
حروف بزرگ و کوچک است و سپس میبینیم
67
00:03:22,660 –> 00:03:24,190
که ما یک اسلش
68
00:03:24,190 –> 00:03:31,260
بین تاریخهای خود و سپس درصد D و
69
00:03:31,260 –> 00:03:35,500
سپس درصد M داریم، اینها به حروف بزرگ حساس هستند،
70
00:03:35,500 –> 00:03:39,730
بنابراین D کوچک به معنای de و حروف کوچک M
71
00:03:39,730 –> 00:03:42,459
به این معنی است که پانداهای ماه اکنون می توانند
72
00:03:42,459 –> 00:03:44,830
آن را به درستی تفسیر کنند و بیایید یک
73
00:03:44,830 –> 00:03:51,430
دو را انجام دهیم تا شاخص زمان تاریخ را برای ما دریافت کند
74
00:03:51,430 –> 00:03:54,220
و می توانید ببینید که فرمت این دو
75
00:03:54,220 –> 00:03:57,580
پاندا را تبدیل کرده است که سال ماه و
76
00:03:57,580 –> 00:04:01,120
سپس تاریخ و البته زمان دو تاریخ است.
77
00:04:01,120 –> 00:04:03,790
مبدل همچنین میتواند ساعتها و دقیقهها را مدیریت کند،
78
00:04:03,790 –> 00:04:06,519
بنابراین ما اینجا هستیم در واقع ساعتها را روی
79
00:04:06,519 –> 00:04:08,620
یک ساعت 24 ساعته قرار میدهند و سپس
80
00:04:08,620 –> 00:04:10,780
به جای دو نقطه یا خط تیره
81
00:04:10,780 –> 00:04:13,180
یا هر چیز دیگری بین ساعتها و
82
00:04:13,180 –> 00:04:16,269
دقیقهها یک عدد اعشاری قرار میدهند، بنابراین وقتی در قالب رشتهای خود را عبور
83
00:04:16,269 –> 00:04:20,228
میدهیم، ماه درست روز سال را داریم،
84
00:04:20,228 –> 00:04:21,760
زیرا روز هنوز در است. وسط
85
00:04:21,760 –> 00:04:25,120
و سپس من ساعت ها نقطه دقیقه دارم و
86
00:04:25,120 –> 00:04:26,870
می بینید که ما فقط یک نقطه را در اینجا قرار می دهیم،
87
00:04:26,870 –> 00:04:31,430
بنابراین اکنون به سه می رویم و آن را اجرا می کنیم
88
00:04:31,430 –> 00:04:34,790
و می بینید که هشت به عنوان
89
00:04:34,790 –> 00:04:40,400
ماه و نه ماه است، بنابراین اگر آنها را عوض کنم،
90
00:04:40,400 –> 00:04:42,470
این کار را انجام می دهیم. شش را انتخاب کنید زیرا ماه
91
00:04:42,470 –> 00:04:45,199
8 ژوئن 9 ژوئن خواهد بود، اما در عوض چیزی که
92
00:04:45,199 –> 00:04:48,669
من قرار دادم 6 آگوست و 6 سپتامبر است
93
00:04:48,669 –> 00:04:52,130
به این دلیل، بنابراین می توانیم یک
94
00:04:52,130 –> 00:04:54,580
توالی تاریخ/زمان با فواصل ثابت ایجاد کنیم،
95
00:04:54,580 –> 00:04:57,919
بنابراین بیایید ابتدا ببینیم چگونه می توانیم این کار را انجام
96
00:04:57,919 –> 00:05:00,110
دهیم. یک لیست پایتون از تعدادی
97
00:05:00,110 –> 00:05:09,380
اعداد تصادفی ایجاد میکنیم، بنابراین
98
00:05:09,380 –> 00:05:11,360
فهرستی از 30 مقدار ممیز شناور تصادفی به ما میدهد،
99
00:05:11,360 –> 00:05:18,260
بنابراین b2 یک
100
00:05:18,260 –> 00:05:20,750
محدوده تاریخ برای ما
101
00:05:20,750 –> 00:05:23,210
ایجاد
102
00:05:23,210 –> 00:05:25,699
میکند. تعداد دوره هایی که می خواهیم 30
103
00:05:25,699 –> 00:05:28,639
دوره و سپس فرکانس thi s می
104
00:05:28,639 –> 00:05:31,160
تواند ماه روز سال ساعت هر چه ما
105
00:05:31,160 –> 00:05:32,750
بخواهیم می تواند دقیقه باشد هر دو
106
00:05:32,750 –> 00:05:35,270
دقیقه یا هر چیزی که من در یک روز از شما گذشتم
107
00:05:35,270 –> 00:05:36,889
این استدلال است و شما در حال عبور هستید
108
00:05:36,889 –> 00:05:39,020
به محض اینکه یک شکل از یک رشته پایتون
109
00:05:39,020 –> 00:05:41,210
می داند چگونه آن رشته را به عنوان تجزیه و تحلیل کند.
110
00:05:41,210 –> 00:05:43,479
تا زمانی که از
111
00:05:43,479 –> 00:05:46,970
حروف بزرگ Y H و M حساس به حروف بزرگ برای ساعت و
112
00:05:46,970 –> 00:05:48,889
دقیقه سال و با حروف کوچک D و M برای روز
113
00:05:48,889 –> 00:05:51,940
و ماه استفاده کردهاید، تا پانداها بتوانند آن را بفهمند
114
00:05:51,940 –> 00:05:54,440
و محدوده تاریخ
115
00:05:54,440 –> 00:05:56,479
برای ما ایجاد میکند، پس بیایید ببینیم به چه شکل است.
116
00:05:56,479 –> 00:06:02,090
بنابراین، ما یک فهرست زمانی تاریخ از
117
00:06:02,090 –> 00:06:06,010
تاریخهای شروع شده از 1 ژوئن و 30 مورد
118
00:06:06,010 –> 00:06:08,960
ایجاد کردهایم، حالا بیایید یک چارچوب داده ایجاد کنیم
119
00:06:08,960 –> 00:06:11,210
که محدوده تاریخ داریم و لیستی از
120
00:06:11,210 –> 00:06:14,210
اعداد تصادفی داریم، بنابراین میتوانیم این کار را با
121
00:06:14,210 –> 00:06:17,930
گفتن بیایید ببینیم انجام دهیم. می گوییم DF برابر است با
122
00:06:17,930 –> 00:06:22,039
قاب داده PD و سپس آن
123
00:06:22,039 –> 00:06:23,960
دو آرگومان را که قرار است در
124
00:06:23,960 –> 00:06:26,780
داده ها یا لیست اعداد تصادفی
125
00:06:26,780 –> 00:06:32,360
در قالب یک فرهنگ لغت ارسال کنیم، ارسال می کنیم، بنابراین فقط
126
00:06:32,360 –> 00:06:35,150
خودسرانه عنوان
127
00:06:35,150 –> 00:06:35,790
داده های خود را M
128
00:06:35,790 –> 00:06:37,680
[Music] صدا بزنید.
129
00:06:37,680 –> 00:06:41,080
و در فهرست زمان تاریخ ما
130
00:06:41,080 –> 00:06:42,970
آن را به عنوان شاخص برچسب گذاری می کنیم، بنابراین ما می رویم
131
00:06:42,970 –> 00:06:44,380
اگر آن را شاخص بخوانیم برابر با b2 است،
132
00:06:44,380 –> 00:06:47,020
بنابراین ما زمان های تاریخ ما در این
133
00:06:47,020 –> 00:06:49,510
فهرست زمان تاریخ فهرست شده b2 است، بنابراین ما
134
00:06:49,510 –> 00:06:54,850
آن را به عنوان شاخص ارسال می کنیم و
135
00:06:54,850 –> 00:07:00,910
پنج مورد اول را چاپ می کنیم تا اکنون
136
00:07:00,910 –> 00:07:03,280
از آنجایی که تاریخ خود را داریم شی زمان به
137
00:07:03,280 –> 00:07:05,170
عنوان شاخص ما در واقع مفید است
138
00:07:05,170 –> 00:07:07,870
زیرا میتوانیم محدودههای تاریخی خاصی را
139
00:07:07,870 –> 00:07:12,190
که میخواهیم بگیریم، بنابراین فرض کنید سال 2020 را میخواهیم
140
00:07:12,190 –> 00:07:18,220
– اوه شش – OH – و سپس میتوانیم از دو
141
00:07:18,220 –> 00:07:23,680
نقطه برای جدا کردن محدوده 2020 – اوه
142
00:07:23,680 –> 00:07:27,580
شش – آه استفاده کنیم. چهار و این به ما یک
143
00:07:27,580 –> 00:07:34,690
محدوده تاریخ از ردیفها را میدهد تا محدوده تاریخ را انتخاب
144
00:07:34,690 –> 00:07:36,700
کنیم که روش سادهتری برای برش است، سپس
145
00:07:36,700 –> 00:07:39,400
با استفاده از lokor کمی راحتتر میتوانم
146
00:07:39,400 –> 00:07:42,750
خرما را به عنوان فهرست
147
00:07:42,750 –> 00:07:45,940
شما داشته باشید، همچنین میتوانید تاریخهایی را که
148
00:07:45,940 –> 00:07:48,910
مثلاً 6s دارند انتخاب کنید. یک ماه یا هر کاری که بتوانید در
149
00:07:48,910 –> 00:07:53,220
هر تاریخ قبل از سال 2020 کارهایی مانند این را انجام دهید
150
00:07:53,220 –> 00:08:02,560
– نه شش – اوه سه آنها می توانند این کار را انجام
151
00:08:02,560 –> 00:08:06,820
دهند و این همه چیز را تا 3 ژوئن به ما می دهد،
152
00:08:06,820 –> 00:08:10,030
153
00:08:10,030 –> 00:08:12,550
اکنون ما با استفاده از
154
00:08:12,550 –> 00:08:14,950
تابع تصادفی NPI
155
00:08:14,950 –> 00:08:16,870
که به ما 52 نقطه شناور تصادفی
156
00:08:16,870 –> 00:08:20,620
در یک آرایه numpy می دهد و n میتوانیم
157
00:08:20,620 –> 00:08:22,260
از B4
158
00:08:22,260 –> 00:08:28,240
استفاده کنیم، یک محدوده تاریخ از آن درست میکنیم، بنابراین
159
00:08:28,240 –> 00:08:29,920
میخواهیم این را برای 52 دوره
160
00:08:29,920 –> 00:08:37,559
تنظیم کنیم، دورهها را برابر با 52 و
161
00:08:37,559 –> 00:08:40,240
فرکانس برابر W سرمایه است
162
00:08:40,240 –> 00:08:43,840
که در حال حاضر یک بازه هفتگی برای
163
00:08:43,840 –> 00:08:45,490
ایجاد است. فریم روز ما که در آن
164
00:08:45,490 –> 00:08:48,770
DF برابر است با قاب داده P
165
00:08:48,770 –> 00:08:50,110
[Music]
166
00:08:50,110 –> 00:08:53,000
، ما آرایه numpy خود را برای دادههایی
167
00:08:53,000 –> 00:08:54,950
داریم که قرار است در b3 ارسال کنیم و
168
00:08:54,950 –> 00:09:02,120
اگر میخواهیم چاپ کنیم، شاخص خود را برابر B قرار
169
00:09:02,120 –> 00:09:03,020
میدهیم. فرض کنید
170
00:09:03,020 –> 00:09:10,400
پنج ردیف اول این DF سر نقطهای،
171
00:09:10,400 –> 00:09:12,770
پنج ردیف اول دادههای ما هستند، بنابراین محدوده تاریخ ما
172
00:09:12,770 –> 00:09:15,170
از ساعت 6:30 شروع میشود و فاصله آنها یک
173
00:09:15,170 –> 00:09:17,240
هفته است، بنابراین
174
00:09:17,240 –> 00:09:19,940
اگر دو هفته میخواستیم، پنج نتیجه اول را اینجا میبینیم.
175
00:09:19,940 –> 00:09:22,280
ما میتوانیم به همین راحتی دو d2w را در اینجا قرار دهیم،
176
00:09:22,280 –> 00:09:26,180
بنابراین ممکن است همیشه تعداد ثابتی
177
00:09:26,180 –> 00:09:27,380
از دورهها نداشته باشید که بخواهید
178
00:09:27,380 –> 00:09:29,900
یک محدوده تاریخی ایجاد کنید، شاید
179
00:09:29,900 –> 00:09:32,180
بخواهید یک محدوده تاریخی از تاریخ شروع
180
00:09:32,180 –> 00:09:34,340
تا تاریخ پایان ایجاد کنید. که
181
00:09:34,340 –> 00:09:35,930
سازنده محدوده تاریخ به
182
00:09:35,930 –> 00:09:38,480
همین خوبی کار می کند، بنابراین اجازه دهید من فقط این
183
00:09:38,480 –> 00:09:41,900
مثال را کپی کنم و قبل از آن اینجا قرار خواهم داد
184
00:09:41,900 –> 00:09:44,690
برابر با محدوده تاریخ PD است، بنابراین می توانیم بگوییم 632
185
00:09:44,690 –> 00:09:46,280
، فرض کنید اکنون می دانیم تاریخ پایان
186
00:09:46,280 –> 00:10:04,640
چیست 20 20 – آه شش – 30 24،
187
00:10:04,640 –> 00:10:06,380
بنابراین شاخص زمان تاریخ
188
00:10:06,380 –> 00:10:10,700
189
00:10:10,700 –> 00:10:12,110
ما وجود دارد. ما یاد میگیریم
190
00:10:12,110 –> 00:10:14,750
که چگونه دادههای سری زمانی را
191
00:10:14,750 –> 00:10:17,540
از فایلهای CSV بنویسیم، بنابراین بیایید یک سریع ایجاد کنیم.
192
00:10:17,540 –> 00:10:20,99