التصفية النظيفة باستخدام query وisin
تصفية مقروءة للقيم المتعددة
التصفية النظيفة باستخدام query وisin درس مجاني في Data Science Academy على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Data Science Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Data Science Academy 4 دروس في المجموع.
نحو عوامل ترشيح أوضح
يصعب قراءة السلاسل الطويلة من رموز &. وتجعل أداتا query وisin عملية الترشيح المعقدة أكثر سهولة بكثير. ✨
الترشيح باستخدام سلسلة نصية
تتيح لكم طريقة query وصف عامل الترشيح كنص عادي، فتتجنبون تكرار اسم df والضوضاء الناتجة عن الأقواس.
df.query("age > 30")تستخدم query كلمتي and وor العاديتين
داخل query تكتبون كلمات طبيعية مثل and وor، بدلًا من الرموز المطلوبة عند الترشيح باستخدام الأقواس.
df.query("age > 30 and city == 'Paris'")الإشارة إلى متغيرات Python
أدخلوا قيمة خارجية في سلسلة query بإضافة رمز @ قبلها. وبذلك تبقى الحدود خارج النص الحرفي.
limit = 30
df.query("age > @limit")مقارنة عمودين
من أبرز مزايا query إمكانية مقارنة الأعمدة بعضها ببعض مباشرة، مع تسمية العمودين داخل السلسلة نفسها المقروءة.
df.query("score > target")قيم متعددة باستخدام isin
لمطابقة أي قيمة من قائمة، تتفوق isin على تكرار شروط OR كثيرة. فهي تُرجع قناعًا منطقيًا واضحًا.
df[df["city"].isin(["Paris", "Lyon", "Nice"])]اعكسوا isin للاستبعاد
اجمعوا بين التلدة وisin للاحتفاظ بالصفوف التي لا توجد قيمها في قائمتكم، وهي طريقة مرتبة لاستبعاد عدة قيم دفعة واحدة.
df[~df["city"].isin(["Paris", "Lyon"])]استخدام isin داخل query
يمكنكم حتى استدعاء isin من داخل سلسلة query، ودمج الأداتين لإنشاء عوامل ترشيح مقروءة متعددة القيم.
df.query("city in ['Paris', 'Lyon']")تختبر isin القيم لا الأعمدة
تذكّروا أن isin تختبر كل خلية مقابل قائمة ثابتة من القيم المسموح بها. وهي غير مخصصة لمقارنة عمود بعمود آخر.
df[df["status"].isin(["open", "pending"])]تعيد query كائن DataFrame جديدًا
مثل الترشيح باستخدام الأقواس، تترك query الكائن الأصلي دون تغيير، وتعيد DataFrame جديدًا يمكن إسناده أو ربطه بعمليات أخرى.
result = df.query("age > 30")اختيار الأسلوب المناسب
استخدموا query عندما يكون المنطق طويلًا وشبيهًا بالإنجليزية، واستخدموا isin عندما يجب أن يطابق عمود واحد قيمًا متعددة. اختاروا الأسلوب الأسهل قراءة.
تحقّق سريع
اختاروا الأداة الأنسب للمهمة.
مراجعة: query وisin
استخدموا query لعوامل الترشيح المقروءة والشبيهة بالإنجليزية مع متغيرات @، واستخدموا isin لمطابقة قيم متعددة دفعة واحدة. وستظل عوامل الترشيح واضحة ومرتبة. ✅
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «التصفية النظيفة باستخدام query وisin» مجاني؟
نعم — نص درس «التصفية النظيفة باستخدام query وisin» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Data Science Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Data Science Academy 4 دروس في المجموع.
ماذا ستتعلم في «التصفية النظيفة باستخدام query وisin»؟
تصفية مقروءة للقيم المتعددة تتمرن على Data Science Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Data Science Academy؟
لا تُشترط خبرة سابقة. Data Science Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.
كم من الوقت يستغرق درس «التصفية النظيفة باستخدام query وisin»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Data Science Academy هذا؟
نعم. كل درس في Data Science Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- اختيار الأعمدة بالاسم
- تصفية الصفوف بالشروط
- دمج عوامل التصفية باستخدام AND وOR
- التصفية النظيفة باستخدام query وisin