در این مطلب، ویدئو جستجوی فهرست باز جستجو در پایتون با AWS Data Wrangler با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:47
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,399 –> 00:00:02,399
چه می گذرد همه به
2
00:00:02,399 –> 00:00:04,480
مجموعه آموزشی من در مورد جستجوی باز خوش آمدید این
3
00:00:04,480 –> 00:00:06,399
ویدئو در مورد نحوه پرس و جو از سوابق از
4
00:00:06,399 –> 00:00:08,720
یک فهرست جستجوی باز در پایتون در این
5
00:00:08,720 –> 00:00:10,400
آموزش است.
6
00:00:10,400 –> 00:00:12,480
7
00:00:12,480 –> 00:00:14,320
ایندکس با یک
8
00:00:14,320 –> 00:00:16,400
پرس و جو زبان خاص دامنه و همچنین نحوه
9
00:00:16,400 –> 00:00:18,160
خواندن از یک فهرست با استفاده از sql که اکثر
10
00:00:18,160 –> 00:00:20,160
مهندسان داده با آن راحت هستند، بنابراین
11
00:00:20,160 –> 00:00:21,279
برای نگاهی به داده هایی که
12
00:00:21,279 –> 00:00:23,279
قرار است پرس و جو کنیم، در پایتون
13
00:00:23,279 –> 00:00:25,680
ما پرس و جو می کنیم. فهرست خودروها، بنابراین ما
14
00:00:25,680 –> 00:00:28,160
چهار سند در فهرست خودروی خود داریم،
15
00:00:28,160 –> 00:00:30,880
میتوانید ببینید که ما چهار خودرو و دو خودرو
16
00:00:30,880 –> 00:00:32,640
متعلق به تویوتا
17
00:00:32,640 –> 00:00:35,040
و دو خودرو متعلق به نیسان و
18
00:00:35,040 –> 00:00:37,280
یکی متعلق به هوندا
19
00:00:37,280 –> 00:00:39,360
داریم، بنابراین میخواهیم از کتابخانه دادههای aws
20
00:00:39,360 –> 00:00:41,680
wrangler استفاده کنیم. پایتون برای اتصال
21
00:00:41,680 –> 00:00:43,360
و خواندن دادههای ما، بنابراین ما فقط
22
00:00:43,360 –> 00:00:45,360
میخواهیم کتابخانه aws data
23
00:00:45,360 –> 00:00:47,680
wrangler را وارد کنیم، بنابراین قبل از اینکه بتوانیم
24
00:00:47,680 –> 00:00:49,440
واقعاً دادههایمان را بخوانیم، باید به
25
00:00:49,440 –> 00:00:51,520
خوشه جستجوی باز متصل
26
00:00:51,520 –> 00:00:52,559
شویم تا یک متغیر اتصال ایجاد کنیم
27
00:00:52,559 –> 00:00:54,320
. که بعداً کوئریهای ما قرار است
28
00:00:54,320 –> 00:00:57,520
از آن برای جستجوی دادههایمان استفاده کنند، بنابراین
29
00:00:57,520 –> 00:00:58,760
من
30
00:00:58,760 –> 00:01:00,480
31
00:01:00,480 –> 00:01:02,480
آن را os.connection مینامم و اکنون کتابخانه aws data
32
00:01:02,480 –> 00:01:04,559
wrangler را صدا میزنیم تا wr
33
00:01:04,559 –> 00:01:06,960
و جستجوی باز خواهد بود
34
00:01:06,960 –> 00:01:09,840
و ما از Connect api
35
00:01:09,840 –> 00:01:12,400
برای انجام این کار به درستی استفاده خواهیم کرد، بنابراین چهار
36
00:01:12,400 –> 00:01:14,479
پارامتر وجود دارد که
37
00:01:14,479 –> 00:01:17,119
برای اتصال باید آنها را پاس کنیم، اگر اعتبار iam
38
00:01:17,119 –> 00:01:18,799
را ارسال نمی کنیم، بنابراین اولین
39
00:01:18,799 –> 00:01:20,880
مورد میزبان خواهد بود. رشته url
40
00:01:20,880 –> 00:01:23,200
به خوشه جستجوی باز ما،
41
00:01:23,200 –> 00:01:25,920
بنابراین باید با https شروع شود، در مرحله دوم
42
00:01:25,920 –> 00:01:27,520
آن پورت خواهد بود
43
00:01:27,520 –> 00:01:29,040
و چون من
44
00:01:29,040 –> 00:01:30,880
خوشه جستجوی باز خود را برای احراز هویت بر اساس
45
00:01:30,880 –> 00:01:33,040
iamrose پیکربندی نکردهام و در عوض بر
46
00:01:33,040 –> 00:01:35,280
اساس نام کاربری و رمز عبور احراز هویت میشود، باید
47
00:01:35,280 –> 00:01:37,280
یک نام کاربری ارسال کنم. و رمز عبور برای اتصال به
48
00:01:37,280 –> 00:01:39,360
خوشه من اگر به جای آن
49
00:01:39,360 –> 00:01:41,520
دسترسی به این خوشه جستجوی باز را به
50
00:01:41,520 –> 00:01:43,439
نقش iam خود پیکربندی کرده باشید، دیگر مجبور نخواهید بود
51
00:01:43,439 –> 00:01:45,040
نام کاربری و رمز عبور را مانند آنچه در اینجا انجام دادم وارد
52
00:01:45,040 –> 00:01:46,720
کنید، اکثر مردم میدانند که این
53
00:01:46,720 –> 00:01:48,479
روش خوبی برای ترک کردن شما نیست. رمز ورود
54
00:01:48,479 –> 00:01:50,560
یک رشته باز در نوت بوک یا
55
00:01:50,560 –> 00:01:52,960
اسکریپت پایتون، یک روش امن تر،
56
00:01:52,960 –> 00:01:56,079
استفاده از مدیر مخفی aws برای
57
00:01:56,079 –> 00:01:58,479
ایمن نگه داشتن این رمز عبور است، بنابراین
58
00:01:58,479 –> 00:02:00,240
اجازه دهید اجرای آن
59
00:02:00,240 –> 00:02:01,920
عالی باشد تا اکنون که
60
00:02:01,920 –> 00:02:03,759
اتصال جستجوی باز خود را داریم، می توانیم به آن ادامه دهیم.
61
00:02:03,759 –> 00:02:06,240
در واقع دادهها را از فهرست ماشینهایی
62
00:02:06,240 –> 00:02:08,000
که قبلاً به شما نشان دادم میخوانیم، ما
63
00:02:08,000 –> 00:02:10,080
از api جستجو استفاده میکنیم و خروجی
64
00:02:10,080 –> 00:02:12,000
یک قاب داده خواهد بود، بنابراین
65
00:02:12,000 –> 00:02:13,840
من فقط متغیر خود را df که
66
00:02:13,840 –> 00:02:15,360
مخفف data frame است صدا میزنم و این
67
00:02:15,360 –> 00:02:16,840
برابر با
68
00:02:16,840 –> 00:02:18,800
wr.open search خواهد بود
69
00:02:18,800 –> 00:02:21,200
و به خوبی جستجو می شود،
70
00:02:21,200 –> 00:02:23,040
بنابراین اولین پارامتری که
71
00:02:23,040 –> 00:02:25,280
باید پاس کنیم
72
00:02:25,280 –> 00:02:28,080
مشتری خواهد بود که برابر با
73
00:02:28,080 –> 00:02:29,760
متغیر اتصال جستجوی باز ما خواهد بود
74
00:02:29,760 –> 00:02:32,319
که در بالا ایجاد کردیم.
75
00:02:32,319 –> 00:02:34,000
ایندکسی باشد که میخواهیم دادههایمان را
76
00:02:34,000 –> 00:02:35,840
از آن بخوانیم، بنابراین ماشینها نامیده میشود
77
00:02:35,840 –> 00:02:38,080
، مطمئن شوید که یک رشته را عبور
78
00:02:38,080 –> 00:02:39,680
میدهید و سپس بدنه جستجو را وصله میکنیم
79
00:02:39,680 –> 00:02:40,879
80
00:02:40,879 –> 00:02:42,160
و بدنه جستجو
81
00:02:42,160 –> 00:02:44,480
زبان خاص دامنه خواهد بود. پرس و جوی که می
82
00:02:44,480 –> 00:02:47,040
خواهیم استفاده از این به ما امکان می دهد تا
83
00:02:47,040 –> 00:02:49,360
پرس و جوهای متنی کامل را روی داده های خود انجام دهیم،
84
00:02:49,360 –> 00:02:50,560
بنابراین اجازه دهید شما را در مورد کارهایی که در
85
00:02:50,560 –> 00:02:53,280
اینجا انجام داده ایم راهنمایی کنم، بنابراین من از پرس و جو کلید عبور می کنم و
86
00:02:53,280 –> 00:02:55,360
ما یک تطابق را انجام می دهیم که به این معنی است
87
00:02:55,360 –> 00:02:57,280
که ما به دنبال
88
00:02:57,280 –> 00:02:58,879
برای داشتن مقداری
89
00:02:58,879 –> 00:03:01,280
که دقیقاً تویوتا نوشته شده است،
90
00:03:01,280 –> 00:03:03,760
این را اجرا کنیم تا مطمئن شویم که ابتدا کار میکند
91
00:03:03,760 –> 00:03:05,599
و چون یک قاب داده است، میتوانم
92
00:03:05,599 –> 00:03:07,519
نتایج را چاپ کنم
93
00:03:07,519 –> 00:03:09,920
و اجازه دهید آن را اجرا کنیم، بنابراین آنچه
94
00:03:09,920 –> 00:03:12,720
در اینجا میبینیم این است که ما تمام
95
00:03:12,720 –> 00:03:15,120
رکوردها را از فهرست خودروهای خود برگردانده ایم
96
00:03:15,120 –> 00:03:18,080
که در آن ساخت خودرو برابر با تویوتا است همانطور
97
00:03:18,080 –> 00:03:19,599
که اشاره کردم کمی منعطف است بنابراین
98
00:03:19,599 –> 00:03:21,519
اگر حروف کوچک
99
00:03:21,519 –> 00:03:23,440
آن را داده بودم باز هم بازگردانده می شود،
100
00:03:23,440 –> 00:03:26,159
اما اگر بگویم یک a را اضافه کنم
101
00:03:26,159 –> 00:03:27,920
در پایان این را اجرا کنید، من یک خطا دریافت خواهم کرد،
102
00:03:27,920 –> 00:03:28,