هياكل البيانات لعلم البيانات

تُعد هياكل البيانات أساسية لمعالجة البيانات وتحليلها بكفاءة في علم البيانات. توفر Python عدة هياكل بيانات مدمجة وخارجية، مثل القوائم والقواميس ومصفوفات NumPy، وتُستخدم على نطاق واسع في مهام علم البيانات.

في هذا الدرس، ستتعلمون هياكل البيانات الأساسية لعلم البيانات وتطبيقاتها.

القوائم

القوائم هي متتاليات قابلة للتغيير في Python ويمكنها تخزين أنواع متنوعة من البيانات. وتُستخدم لتخزين البيانات ومعالجتها بطريقة بسيطة.

# Example: Working with lists
my_list = [1, 2, 3, 4]
my_list.append(5)
print(my_list)  # Output: [1, 2, 3, 4, 5]

القواميس

تخزن القواميس البيانات في صورة أزواج من المفتاح والقيمة، مما يجعلها مناسبة جدًا لعمليات البحث وربط العلاقات.

# Example: Using dictionaries
data = {'Name': 'Alice', 'Age': 25}
print(data['Name'])  # Output: Alice

المجموعات

المجموعات هي تجميعات غير مرتبة من العناصر الفريدة، وتفيد في إزالة التكرارات أو تنفيذ عمليات المجموعات مثل الاتحاد والتقاطع.

# Example: Working with sets
my_set = {1, 2, 3}
my_set.add(2)  # No duplicates allowed
print(my_set)  # Output: {1, 2, 3}

الصفوف

الصفوف هي متتاليات غير قابلة للتغيير، وتُستخدم غالبًا لتخزين بيانات مترابطة لا ينبغي تغييرها، مثل الإحداثيات أو سجلات قواعد البيانات.

# Example: Using tuples
coordinates = (10, 20)
print(coordinates[0])  # Output: 10

مصفوفات NumPy

تُستخدم مصفوفات NumPy لإجراء الحسابات العددية ومعالجة مجموعات البيانات الكبيرة بكفاءة. وهي تدعم العمليات المتجهية، مما يجعلها أسرع من القوائم في المهام العددية.

# Example: NumPy arrays
import numpy as np

arr = np.array([1, 2, 3])
print(arr * 2)  # Output: [2, 4, 6]

إطارات بيانات Pandas

إطارات بيانات Pandas هي هياكل بيانات ثنائية الأبعاد ذات تسميات، وتشبه الجداول. وهي أساسية لمعالجة البيانات وتحليلها.

# Example: Pandas DataFrame
import pandas as pd

data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df)

اختيار هيكل البيانات المناسب

يعتمد اختيار هيكل البيانات المناسب على المهمة:

• استخدموا القوائم للتجميعات البسيطة من البيانات.
• استخدموا القواميس للربط وعمليات البحث.
• استخدموا مصفوفات NumPy أو إطارات بيانات Pandas للبيانات العددية والجدولية.

الأخطاء الشائعة عند استخدام هياكل البيانات

إليكم بعض الأخطاء التي ينبغي تجنبها:

• استخدام القوائم في الحسابات العددية بدلًا من مصفوفات NumPy.
• عدم الاستفادة من القواميس لإجراء عمليات البحث بسرعة.
• عدم استخدام Pandas في مهام معالجة البيانات المعقدة.

ماذا تعلمنا؟

في هذا الدرس، تعلمتم:

• أهمية هياكل البيانات في علم البيانات.
• كيفية استخدام هياكل البيانات المدمجة في Python مثل القوائم والقواميس والصفوف.
• كيفية التعامل مع مصفوفات NumPy وإطارات بيانات Pandas لمعالجة البيانات المتقدمة.
• كيفية اختيار هيكل البيانات المناسب لمهام محددة.

أحسنتم! لننتقل إلى الموضوع التالي.