مقدمة إلى Pandas

Pandas مكتبة Python قوية لتحليل البيانات ومعالجتها. وهي توفر هياكل بيانات مثل DataFrame وSeries، مما يسهّل تنظيف البيانات وتحويلها وتحليلها.

في هذا الدرس، ستتعلمون أساسيات Pandas وكيفية استخدامها لتحليل البيانات.

تثبيت Pandas

لتثبيت Pandas، استخدموا الأمر التالي في الطرفية:

pip install pandas

بعد التثبيت، يمكنكم استيراد Pandas في نصوص Python البرمجية:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

ما هو DataFrame؟

DataFrame هو بنية بيانات جدولية ثنائية الأبعاد في Pandas. وهو يشبه جدول البيانات أو جدول SQL.

يمكنكم إنشاء DataFrame من قاموس أو قائمة أو ملف خارجي:

# Creating a DataFrame from a dictionary
data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "London", "Paris"]
}
df = pd.DataFrame(data)
print(df)

قراءة البيانات من الملفات

تسهّل Pandas قراءة البيانات من الملفات الخارجية، مثل ملفات CSV وExcel وJSON:

# Reading data from a CSV file
df = pd.read_csv("data.csv")
print(df.head())  # Displays the first 5 rows

فحص DataFrame

يمكنكم فحص بنية DataFrame ومحتواه باستخدام أساليب مثل head() وinfo() وdescribe():

# Inspecting a DataFrame
df = pd.read_csv("data.csv")
print(df.info())  # Displays information about the DataFrame
print(df.describe())  # Provides statistical summaries

تصفية البيانات واختيارها

تتيح Pandas تصفية الصفوف واختيار الأعمدة بسهولة باستخدام الشروط والفهرسة:

# Filtering and selecting data
filtered_df = df[df['Age'] > 30]  # Select rows where Age > 30
print(filtered_df[['Name', 'City']])  # Select specific columns

تنظيف البيانات

توفر Pandas أساليب لتنظيف البيانات، مثل معالجة القيم المفقودة وإعادة تسمية الأعمدة وحذف التكرارات:

# Handling missing values
df.fillna(0, inplace=True)  # Replace NaN values with 0

# Renaming columns
df.rename(columns={"Name": "Full Name"}, inplace=True)

# Dropping duplicates
df.drop_duplicates(inplace=True)
print(df)

إجراء عمليات التجميع

تتيح Pandas إجراء عمليات تجميع، مثل جمع البيانات وحساب متوسطاتها وتجميعها:

# Grouping and aggregating data
grouped = df.groupby('City')['Age'].mean()
print(grouped)  # Displays average age for each city

الأخطاء الشائعة في Pandas

إليكم بعض الأخطاء التي ينبغي تجنبها:

• عدم معالجة القيم المفقودة بطريقة صحيحة.
• استخدام الحلقات غير الفعّالة بدلًا من العمليات المتجهة.
• نسيان تحديد inplace=True للعمليات التي تعدّل البيانات.

ما الذي تعلّمناه؟

في هذا الدرس، تعلّمتم:

• كيفية تثبيت Pandas واستيرادها.
• بنية DataFrame وكيفية إنشائها.
• كيفية قراءة البيانات وتنظيفها وتصفيتها وتجميعها باستخدام Pandas.

عمل رائع! لننتقل إلى الموضوع التالي.