أنواع البيانات

يُعد فهم أنواع البيانات أمرًا ضروريًا للعمل مع مجموعات البيانات بفاعلية. في هذا الدرس، سنستكشف ثلاثة أنواع رئيسية من البيانات: العددية والفئوية والسلاسل الزمنية.

البيانات العددية

تمثّل البيانات العددية الأرقام، ويمكن أن تكون:

• متقطعة: أعدادًا صحيحة مثل 1, 2, 3.
• مستمرة: أعدادًا عشرية مثل 3.14, 7.89.

أمثلة: العمر ودرجة الحرارة والدخل.

البيانات الفئوية

تمثل البيانات الفئوية مجموعات أو فئات. ويمكن أن تكون:

• اسمية: فئات ليس بينها ترتيب محدد (مثل الألوان: الأحمر، الأزرق، الأخضر).
• ترتيبية: فئات لها ترتيب ذو معنى (مثل التصنيفات: منخفض، متوسط، مرتفع).

أمثلة: الجنس، ونوع المنتج، والمستوى التعليمي.

بيانات السلاسل الزمنية

تتكوّن بيانات السلاسل الزمنية من قيم مسجّلة خلال فترات زمنية. وتُستخدم لتتبع التغيرات أو الاتجاهات.

أمثلة:

• أسعار الأسهم المسجّلة يوميًا.
• درجة الحرارة المقاسة كل ساعة.
• حركة المرور على موقع الويب المتابَعة أسبوعيًا.

تحديد أنواع البيانات في Python

يمكنك استخدام السمة dtypes في Pandas لتحديد أنواع بيانات الأعمدة في مجموعة البيانات.

مثال:

import pandas as pd data = {'Age': [25, 30], 'Gender': ['Male', 'Female']} df = pd.DataFrame(data) print(df.dtypes)

أهمية أنواع البيانات

يساعدك معرفة نوع البيانات على:

• اختيار تقنيات التحليل المناسبة.
• اختيار التصورات المناسبة.
• تطبيق أساليب المعالجة المسبقة الملائمة.

تحويل أنواع البيانات

في Python، يمكنك تحويل أنواع البيانات باستخدام دوال مثل:

• astype() في Pandas.
• int() وfloat() وstr() للقيم الفردية.

مثال:

df['Age'] = df['Age'].astype(float)

مراجعة

في هذا الدرس، تعلّمت عن:

• البيانات العددية: القيم المنفصلة والمستمرة.
• البيانات الفئوية: الفئات الاسمية والترتيبية.
• بيانات السلاسل الزمنية: القيم التي يتم تتبعها خلال فترات زمنية.

يُعد فهم أنواع البيانات أمرًا ضروريًا لتحليل البيانات بفاعلية.

تهانينا!

لقد أكملتم درس أنواع البيانات. تابعوا إلى الدرس التالي لتتعلموا كيفية التعامل مع البيانات المفقودة بفاعلية.