أنواع البيانات

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

البيانات العددية

تمثل البيانات العددية أرقامًا، ويمكن أن تكون:

• منفصلة: 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 لها ترتيب محدد، مثل الألوان: الأحمر والأزرق والأخضر.
• ترتيبية: فئات لها ترتيب ذو معنى، مثل التصنيفات: منخفض ومتوسط ومرتفع.

أمثلة: الجنس ونوع المنتج والمستوى التعليمي.

بيانات السلاسل الزمنية

تتكون بيانات السلاسل الزمنية من قيم سُجلت خلال فترات زمنية. وتُستخدم لتتبع التغيرات أو الاتجاهات.

أمثلة:

• أسعار الأسهم المسجلة يوميًا.
• درجة الحرارة المقاسة كل ساعة.
• حركة المرور على الموقع الإلكتروني التي تُتبع أسبوعيًا.

تحديد أنواع البيانات في Python

يمكنكم استخدام السمة dtypes في Pandas لتحديد أنواع بيانات الأعمدة في مجموعة بيانات.

مثال:

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

أهمية أنواع البيانات

يساعدكم معرفة نوع البيانات على:

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

تحويل أنواع البيانات

يمكنكم في Python تحويل أنواع البيانات باستخدام دوال مثل:

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

مثال:

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

مراجعة

تعلمتم في هذا الدرس ما يلي:

• البيانات العددية: قيم منفصلة ومستمرة.
• البيانات الفئوية: فئات اسمية وترتيبية.
• بيانات السلاسل الزمنية: قيم تُتبع خلال فترات زمنية.

يُعد فهم أنواع البيانات أمرًا بالغ الأهمية لإجراء تحليل فعال للبيانات.

تهانينا!

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