إعادة أخذ العينات يوميًا أو شهريًا
تجميع الوقت في فترات أكبر
إعادة أخذ العينات يوميًا أو شهريًا درس مجاني في Data Science Academy على CoddyKit. هذا هو الدرس 3 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.
تفاصيل كثيرة يصعب رؤيتها
البيانات لكل ثانية أو دقيقة تكون مليئة بالتشويش. وغالبًا ما تحتاجون فعليًا إلى الإجماليات لكل يوم أو شهر. تعمل إعادة أخذ العينات على تجميع الطوابع الزمنية الدقيقة في فترات أكبر. 📊
فهرس التاريخ والوقت أولًا
تعمل resample على الوقت، لذا تتمثل الخطوة الأولى في جعل عمود التاريخ والوقت هو الفهرس باستخدام set_index.
df = df.set_index("date")تعرّفوا على resample
تجمع طريقة resample الصفوف وفق قاعدة زمنية، على نحو يشبه groupby ولكن للتواريخ. ثم تختارون كيفية دمج كل فترة.
df.resample("D") # group by dayالإجماليات اليومية
استخدموا القاعدة "D" للأيام، ثم احسبوا المجموع. يؤدي ذلك إلى اختزال العديد من الطوابع الزمنية في قيمة واحدة واضحة لكل يوم.
daily = df.resample("D")["sales"].sum()الملخصات الشهرية
بدّلوا القاعدة إلى "ME" لنهاية الشهر، وستحصلون على صف واحد لكل شهر. النمط نفسه، ولكن بفترة أكبر.
monthly = df.resample("ME")["sales"].sum()القواعد مرنة
تتحكم سلسلة التواتر في كل شيء: "W" للأسابيع، و"h" للساعات، و"YE" لنهاية السنة. يؤدي تغيير حرف واحد إلى تغيير العرض بأكمله.
df.resample("W")["sales"].sum() # weeklyاختيار عملية التجميع
المجموع ليس الخيار الوحيد. استبدلوه بـ mean أو max أو count للإجابة عن أسئلة مختلفة باستخدام الفترات نفسها.
df.resample("D")["temp"].mean()إحصاءات متعددة في آن واحد
مرّروا قائمة إلى agg للحصول على ملخصات متعددة لكل فترة في جدول منظم واحد.
df.resample("ME").agg(["sum", "mean"])تقليل العينات وزيادتها
الانتقال إلى فترة أكثر اتساعًا يسمى تقليل العينات (downsampling). أما الانتقال إلى فترة أدق، مثل التحويل من يومي إلى ساعي، فيسمى زيادة العينات (upsampling)، وينشئ خانات فارغة تحتاج إلى ملئها.
df.resample("h").asfreq() # upsampleملء الفجوات الجديدة
عند زيادة العينات، تصل الصفوف الجديدة فارغة. استخدموا ffill لنقل آخر قيمة معروفة إلى هذه الصفوف.
df.resample("h").ffill()التنعيم ثم الرسم
تظهر السلاسل التي أُعيد أخذ عيناتها بشكل رائع في المخططات لأن التشويش قد اختفى. يروي الخط الشهري قصة الاتجاه بوضوح لا يمكن للبيانات الأولية أن توفره.
monthly.plot()تحقق سريع
لديكم قراءات على مستوى الدقيقة، لكنكم تريدون متوسطًا واحدًا لكل يوم.
مراجعة: إعادة تشكيل الوقت
باستخدام فهرس التاريخ والوقت، استخدمتم resample لتجميع البيانات في أيام أو أسابيع أو أشهر، واخترتم عملية تجميع، وعالجتم الفجوات الناتجة عن زيادة العينات باستخدام ffill. ⏳
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 «إعادة أخذ العينات يوميًا أو شهريًا» مجاني؟
نعم — نص درس «إعادة أخذ العينات يوميًا أو شهريًا» 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 «إعادة أخذ العينات يوميًا أو شهريًا»؟
تجميع الوقت في فترات أكبر 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 3 من أصل 4.
كم من الوقت يستغرق درس «إعادة أخذ العينات يوميًا أو شهريًا»؟
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
- تحليل السلاسل إلى Datetimes
- استخراج السنة والشهر ويوم الأسبوع
- إعادة أخذ العينات يوميًا أو شهريًا
- المناطق الزمنية ونطاقات التاريخ