در این مطلب، ویدئو آموزش پایتون شماره 27; معرفی تحلیل داده ها و تجسم با پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:56:25
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:03,120
بنابراین این ویدیو مقدمه ای برای
2
00:00:03,120 –> 00:00:06,779
تجزیه و تحلیل و تجسم داده ها با
3
00:00:06,779 –> 00:00:09,870
پایتون خواهد بود، بنابراین به عنوان بخشی از این، ابتدا
4
00:00:09,870 –> 00:00:13,620
نگاهی به numpy خواهیم داشت
5
00:00:13,620 –> 00:00:16,890
که جبر خطی است و یک کتابخانه جبر خطی است
6
00:00:16,890 –> 00:00:19,680
و بسیاری از کتابخانه های علوم داده
7
00:00:19,680 –> 00:00:23,010
بر روی numpy ساخته شده اند.
8
00:00:23,010 –> 00:00:25,160
خوب است برخی از اصول کتابخانه اعداد را بدانید
9
00:00:25,160 –> 00:00:28,019
در ادامه نگاهی به کتابخانه پاندا خواهیم انداخت
10
00:00:28,019 –> 00:00:30,630
که یکی از محبوب ترین
11
00:00:30,630 –> 00:00:33,600
کتابخانه های مورد استفاده برای تجزیه و تحلیل داده ها است
12
00:00:33,600 –> 00:00:37,800
که به صورت جدولی است و در نهایت
13
00:00:37,800 –> 00:00:39,840
14
00:00:39,840 –> 00:00:43,170
با استفاده از یکی از قدیمی ترین تکنیک های تجسم داده ها آشنا می شویم. و
15
00:00:43,170 –> 00:00:45,480
محبوبترین کتابخانه تجسم دادهها
16
00:00:45,480 –> 00:00:48,590
برای پایتون که به نام matplotlib نامیده میشود،
17
00:00:48,590 –> 00:00:54,420
بنابراین بیایید با عدد I شروع کنیم so numpy
18
00:00:54,420 –> 00:00:57,030
مخفف عددی پایتون است. این یک
19
00:00:57,030 –> 00:01:00,210
کتابخانه جبری خطی است که برای
20
00:01:00,210 –> 00:01:02,219
کار با اشیاء آرایهای چند بعدی استفاده میشود.
21
00:01:02,219 –> 00:01:05,729
اکثر کتابخانههای علوم داده در
22
00:01:05,729 –> 00:01:09,750
پایتون ساخته شدهاند. در بالای لوله num، بنابراین
23
00:01:09,750 –> 00:01:12,049
اشیاء numpy
24
00:01:12,049 –> 00:01:15,150
آرایه های چند بعدی همگن هستند، بنابراین بیایید
25
00:01:15,150 –> 00:01:27,900
numpy را با نوشتن import numpy NP وارد کنیم، بنابراین
26
00:01:27,900 –> 00:01:29,970
بیایید سعی کنیم یک o را تعریف کنیم. آرایه بعدی ne
27
00:01:29,970 –> 00:01:32,939
با استفاده از n pi m با استفاده از آرایه های numpy، بنابراین
28
00:01:32,939 –> 00:01:37,619
من می گویم برابر با آرایه نقطه NP و اجازه
29
00:01:37,619 –> 00:01:43,500
دهید یک آرایه درست کنم، پس
30
00:01:43,500 –> 00:01:46,500
این را اجرا کنید و بررسی کنید تا آرایه ای باشد که
31
00:01:46,500 –> 00:01:50,869
دارای چهار عدد یک دو سه چهار است همانطور
32
00:01:50,869 –> 00:01:53,930
که قبلاً گفته شد. numpy می تواند
33
00:01:53,930 –> 00:01:56,759
اشیاء چند بعدی را ذخیره کند، بنابراین بیایید
34
00:01:56,759 –> 00:01:59,820
یک آرایه دو بعدی تعریف کنیم، بنابراین یک آرایه دو
35
00:01:59,820 –> 00:02:01,829
بعدی اساساً به عنوان یک ماتریس نامیده می شود، به
36
00:02:01,829 –> 00:02:06,390
عنوان مثال اگر می
37
00:02:06,390 –> 00:02:10,288
خواهید یک ماتریس با دو ردیف و با عرض
38
00:02:10,288 –> 00:02:12,270
39
00:02:12,270 –> 00:02:15,900
پوزش دو ستون تعریف کنید، ما یک دو را تعریف می کنیم.
40
00:02:15,900 –> 00:02:20,970
سه چهار پنج شش بنابراین ما
41
00:02:20,970 –> 00:02:22,710
چیزی شبیه به این را تعریف می کنیم که دارای دو
42
00:02:22,710 –> 00:02:25,710
سطر و سه ستون است، بنابراین شما می توانید
43
00:02:25,710 –> 00:02:28,290
این ماتریس را که یک ماتریس دو بعدی
44
00:02:28,290 –> 00:02:34,290
است با استفاده از آرایه های numpy تعریف کنید، بنابراین اجازه دهید من
45
00:02:34,290 –> 00:02:41,480
بنویسم a برابر با آرایه نقطه NP است و
46
00:02:41,480 –> 00:02:44,730
این از شماست. آن را طوری تعریف کنید که
47
00:02:44,730 –> 00:02:47,610
پرانتزهای مربع بیرونی داشته باشید و در داخل آن
48
00:02:47,610 –> 00:02:52,290
بتوانید دو ستون داشته باشید، متأسفم دو سطر و
49
00:02:52,290 –> 00:02:55,680
سه ستون، بنابراین مقادیر یک دو
50
00:02:55,680 –> 00:03:00,390
سه در سطر اول و چهار پنج شش
51
00:03:00,390 –> 00:03:05,490
در سطر دوم باشد، خوب پس اجازه دهید من
52
00:03:05,490 –> 00:03:07,800
این را اجرا کنم و شما می توانید ببینید که
53
00:03:07,800 –> 00:03:10,310
ما یک آرایه به اندازه
54
00:03:10,310 –> 00:03:13,760
دو ردیف و سه ستون
55
00:03:13,760 –> 00:03:17,010
ایجاد
56
00:03:17,010 –> 00:03:22,310
57
00:03:22,310 –> 00:03:25,080
58
00:03:25,080 –> 00:03:28,710
کرده ایم. بنابراین
59
00:03:28,710 –> 00:03:30,600
وقتی میگویم فرسایش شکل، دو ردیف
60
00:03:30,600 –> 00:03:33,350
و سه ستون داریم، بنابراین 2 کاما 3 دریافت میکنیم،
61
00:03:33,350 –> 00:03:35,520
یک تابع داخلی به نام
62
00:03:35,520 –> 00:03:40,140
پایان نیز وجود دارد که در
63
00:03:40,140 –> 00:03:43,920
واقع ابعادی را که آرایه
64
00:03:43,920 –> 00:03:46,350
در مورد ما خوب است نشان میدهد. آرایه دو بعدی
65
00:03:46,350 –> 00:03:48,600
بنابراین شما بعد را به صورت دو دریافت خواهید کرد،
66
00:03:48,600 –> 00:03:51,390
ما همچنین می توانیم
67
00:03:51,390 –> 00:03:53,370
آرایه های سه بعدی را به صورت numpy اعلام کنیم، اما اجازه دهید
68
00:03:53,370 –> 00:03:56,070
فعلاً مسائل را پیچیده نکنیم و
69
00:03:56,070 –> 00:03:59,120
آن را برای این ویدیوی مقدماتی ساده نگه داریم،
70
00:03:59,120 –> 00:04:05,760
یک تابع داخلی به نام arrange
71
00:04:05,760 –> 00:04:09,630
به شما در ایجاد آرایه کمک می کند. که
72
00:04:09,630 –> 00:04:11,130
کمتر از یک عدد معین است، برای مثال اگر
73
00:04:11,130 –> 00:04:13,890
بگویم NP dot محدوده 10
74
00:04:13,890 –> 00:04:15,780
، اعداد را از دنباله
75
00:04:15,780 –> 00:04:19,200
اعداد از 0 تا 9 تولید می کند، بنابراین وقتی این را اجرا می
76
00:04:19,200 –> 00:04:20,970
کنم و مقدار a را بررسی می کنم، می
77
00:04:20,970 –> 00:04:23,790
بینید که یک عدد است. آرایه اعداد f رام 0 تا
78
00:04:23,790 –> 00:04:24,699
9 است
79
00:04:24,699 –> 00:04:28,120
و می توانید طول
80
00:04:28,120 –> 00:04:33,069
آرایه را با استفاده از تابع اندازه بررسی کنید، بنابراین اگر می خواهید لیستی از متاسفم از یک دنباله صفر ایجاد کنید،
81
00:04:33,069 –> 00:04:34,900
اساساً تعداد
82
00:04:34,900 –> 00:04:38,919
عناصری را که در آرایه خود
83
00:04:38,919 –> 00:04:41,919
دارید به
84
00:04:41,919 –> 00:04:44,889
شما می دهد.
85
00:04:44,889 –> 00:04:46,840
استفاده از این تابع داخلی که به عنوان صفر نامیده می شود
86
00:04:46,840 –> 00:04:49,870
و اگر من آن را قبول کنم،
87
00:04:49,870 –> 00:04:56,650
پنج صفر تولید می کند، خوب است، بنابراین
88
00:04:56,650 –> 00:05:00,099
پنج صفر تولید می کند، شما همچنین می توانید
89
00:05:00,099 –> 00:05:02,770
یک دنباله از ماتریس ایجاد کنید، منظورم
90
00:05:02,770 –> 00:05:06,460
صفر، یک ماتریس صفر است، بنابراین من چه هستم
91
00:05:06,460 –> 00:05:09,669
اگر بخواهم یک ماتریس از صفرها ایجاد کنم، به
92
00:05:09,669 –> 00:05:18,279
عنوان مثال دو سطر
93
00:05:18,279 –> 00:05:23,680
و سه ستون، بنابراین میخواهم یک
94
00:05:23,680 –> 00:05:25,779
ماتریس ایجاد کنم که شبیه این باشد،
95
00:05:25,779 –> 00:05:34,930
یک آرایه نیز رمانتیک صفرها است، خوب است،
96
00:05:34,930 –> 00:05:38,770
بنابراین اجازه دهید این را با استفاده از num n P ایجاد کنم. نقطه
97
00:05:38,770 –> 00:05:43,419
صفرها و ما باید تعداد
98
00:05:43,419 –> 00:05:45,310
ردیف های مورد نظر و تعداد
99
00:05:45,310 –> 00:05:46,810
ستون هایی را که می خواهیم ارسال کنیم، بنابراین
100
00:05:46,810 –> 00:05:50,680
یک ماتریس صفر ایجاد می کند، شما می توانید
101
00:05:50,680 –> 00:05:52,990
به طور مشابه یک ماتریس یک بار ایجاد کنید،
102
00:05:52,990 –> 00:05:56,050
بنابراین به جای 0، فقط باید
103
00:05:56,050 –> 00:05:57,849
بنویسید. یک بار و ماتریسی
104
00:05:57,849 –> 00:06:05,020
از یکی خوبه پس اجازه بدین اینجا دو آرایه تعریف
105
00:06:05,020 –> 00:06:07,389
کنم و چند عملیات اساسی
106
00:06:07,389 –> 00:06:10,360
روی لامپ انجام بدم IRS میگه ضرب
107
00:06:10,360 –> 00:06:13,389
جمع و من تفریق میدونم پس اجازه بدین
108
00:06:13,389 –> 00:06:19,689
اینجا دو آرایه در آرایه نقطه P تعریف کنم و
109
00:06:19,689 –> 00:06:28,479
بیایید 10 20 30 40 باشه و آرایه نقطه B n P
110
00:06:28,479 –> 00:06:31,199
111
00:06:32,640 –> 00:06:40,050
باشه. این دارای دو چهار شش و هشت است،
112
00:06:40,050 –> 00:06:42,970
بنابراین باید اینجا را پاک کنم، بنابراین اگر می
113
00:06:42,970 –> 00:06:45,850
خواهید این دو عنصر را به این دو
114
00:06:45,850 –> 00:06:47,890
آرایه با هم اضافه کنید، می توانید یک بعلاوه B بنویسید
115
00:06:47,890 –> 00:06:50,710
و یک عنصر به عنصر
116
00:06:50,710 –> 00:06:54,070
جمع می شود، بنابراین نتیجه ده به علاوه خواهد بود.
117
00:06:54,070 –> 00:06:55,930
دو می شود دوازده، بنابراین همان چیزی است
118
00:06:55,930 –> 00:06:58,870
که در عنصر اول به دست می آورید و بیست
119
00:06:58,870 –> 00:07:01,090
به علاوه چهار برابر با بیست و چهار است، پس این کار را انجام می دهد، سپس
120
00:07:01,090 –> 00:07:06,550
عنصر به عنصر جمع
121
00:07:06,550 –> 00:07:11,220
می شود، بنابراین ما می توانیم به طور مشابه ضرب کنیم تا شما بتوانید تفریق را انجام دهید
122
00:07:11,220 –> 00:07:15,370
بنابراین منهای B 10 منهای 2 برابر با 8 باشد.
123
00:07:15,370 –> 00:07:19,030
و 40 منهای 8 برابر 32 است، بنابراین این همان چیزی است
124
00:07:19,030 –> 00:07:24,150
که در آخرین مورد به دست می آوریم، بنابراین شما همچنین می توانید از
125
00:07:24,150 –> 00:07:27,900
عملگر ستاره برای ضرب هر دو
126
00:07:27,900 –> 00:07:32,590
عنصر با هم استفاده کنید، بنابراین این عجیب است، این
127
00:07:32,590 –> 00:07:34,120
دوباره یک عنصر به عنصر
128
00:07:34,120 –> 00:07:36,910
است که وقتی این کار را انجام می دهید،
129
00:07:36,910 –> 00:07:40,030
10 به 2 می شود. برابر است با 20 20 به 4
130
00:07:40,030 –> 00:07:42,910
برابر با 8 و 13 تا 6 برابر با 180
131
00:07:42,910 –> 00:07:46,300
و در نهایت 14 تا 8 برابر با 320 است، بنابراین شما
132
00:07:46,300 –> 00:07:50,770
حاصل ضرب عاقلانه عنصر را به دست می آورید، بنابراین اگر می
133
00:07:50,770 –> 00:07:56,260
خواهید همه موارد را با یک
134
00:07:56,260 –> 00:07:57,760
عدد ثابت ضرب کنید، برای مثال اگر
135
00:07:57,760 –> 00:07:59,440
ضرب کنید می خواهید همه عناصر را ضرب کنید.
136
00:07:59,440 –> 00:08:05,800
با 2 سپس می توانید V
137
00:08:05,800 –> 00:08:09,400
star 2 را بنویسید بنابراین هر مورد را در دو ضرب می
138
00:08:09,400 –> 00:08:15,160
کند خوب حالا بیایید سعی کنیم
139
00:08:15,160 –> 00:08:18,850
دو ماتریس را اعلام کنیم و آنها را خوب ضرب کنیم، بنابراین
140
00:08:18,850 –> 00:08:20,710
اجازه دهید ماتریس ها را چیزی تعریف کنم که
141
00:08:20,710 –> 00:08:31,169
می دانید ماتریس a 1 2 3 4 خواهد بود
142
00:08:31,169 –> 00:08:34,990
و به من اجازه دهید یک ماتریس B که
143
00:08:34,990 –> 00:08:40,270
دارای یک است، بنابراین اگر می خواهید ضرب عاقلانه عنصر را انجام دهید،
144
00:08:40,270 –> 00:08:41,860
ضرب عاقلانه چیست،
145
00:08:41,860 –> 00:08:44,800
بنابراین 1 به 1 1 2 است
146
00:08:44,800 –> 00:08:45,050
و
147
00:08:45,050 –> 00:08:49,610
یکی از 1 3 به 1 می شود، 3 4 به 1 می شود 4، بنابراین
148
00:08:49,610 –> 00:08:52,399
اگر می خواهید یک ضرب مانند
149
00:08:52,399 –> 00:08:57,860
بنابراین می توانید به سادگی یک ستاره B بنویسید، بنابراین اجازه
150
00:08:57,860 –> 00:09:03,140
دهید ماتریس را ابتدا در آرایه نقطه P تعریف
151
00:09:03,140 –> 00:09:11,060
کنم تا دو ردیف داشته باشیم 1 کاما 2 3
152
00:09:11,060 –> 00:09:20,120
کاما 4 و B برابر با آرایه نقطه NP 1
153
00:09:20,120 –> 00:09:25,250
کاما 1 1 کاما 1 ok بنابراین وقتی می گویم a
154
00:09:25,250 –> 00:09:28,399
ستاره B بنابراین شما عنصر ضرب عاقلانه را بدست می آورید
155
00:09:28,399 –> 00:09:31,850
که 1 است بنابراین این 2
156
00:09:31,850 –> 00:09:40,300
به 1 می شود 2 درست است، بنابراین شما 1 2 3 و 4 را دریافت می کنید،
157
00:09:40,300 –> 00:09:43,519
بنابراین اگر می خواهید محصول نقطه ای را دریافت کنید،
158
00:09:43,519 –> 00:09:46,970
پس حاصلضرب نقطه ای چیست،
159
00:09:46,970 –> 00:09:52,480
بگذارید فقط نشان دهم اجازه دهید دوباره ماتریس را تعریف کنم
160
00:09:52,480 –> 00:09:59,630
1 2 3 4 و سپس شما 1
161
00:09:59,630 –> 00:10:02,959
1 1 1 دارید پس حاصل ضرب نقطه ای
162
00:10:02,959 –> 00:10:05,630
این دو ماتریس است، بنابراین شما ابتدا
163
00:10:05,630 –> 00:10:08,480
با اولین ردیف ماتریس اول 1
164
00:10:08,480 –> 00:10:12,200
به 1 به اضافه 2 به 1 شروع می کنید، بنابراین هر چه 1 به 1
165
00:10:12,200 –> 00:10:17,690
به علاوه 2 به 1 باشد، 1 به علاوه 2 و سپس 1
166
00:10:17,690 –> 00:10:20,690
به 1 به علاوه 2 به 1 می شود. دوباره ردیف
167
00:10:20,690 –> 00:10:22,750
اول ستون اول ردیف اول ستون دوم
168
00:10:22,750 –> 00:10:26,839
دوباره 1 به علاوه 2 ردیف دوم
169
00:10:26,839 –> 00:10:31,370
ستون اول است بنابراین 3 به 1 به علاوه 4 به 1 می شود 3
170
00:10:31,370 –> 00:10:34,640
به علاوه 4 و دوباره ردیف دوم
171
00:10:34,640 –> 00:10:39,430
ستون دوم که 3 به 1 به اضافه 4 به
172
00:10:39,459 –> 00:10:47,149
1 است. اساساً برابر با 3 3 7 و 7 است،
173
00:10:47,149 –> 00:10:49,100
بنابراین این حاصلضرب نقطه ای این دو
174
00:10:49,100 –> 00:10:50,570
عدد است، بنابراین اگر می خواهید حاصل ضرب نقطه ای دو ماتریس را بدست آورید،
175
00:10:50,570 –> 00:10:54,140
بنابراین می توانید
176
00:10:54,140 –> 00:10:57,649
به سادگی بنویسید که نماد نرخ a در
177
00:10:57,649 –> 00:10:58,320
B باشد،
178
00:10:58,320 –> 00:11:05,089
بنابراین نقطه را می گیریم. محصول خوب است،
179
00:11:05,779 –> 00:11:08,130
بنابراین چیزی که باید به
180
00:11:08,130 –> 00:11:10,199
خاطر بسپارید این است که وقتی
181
00:11:10,199 –> 00:11:15,329
دو عدد را در دو ماتریس ضرب می کنید، مطمئن شوید
182
00:11:15,329 –> 00:11:21,389
که طول های k حالا طول
183
00:11:21,389 –> 00:11:25,829
منطبق است به عنوان مثال اگر a به اندازه پنج
184
00:11:25,829 –> 00:11:26,730
کاما شش باشد متأسفم
185
00:11:26,730 –> 00:11:29,040
اگر سه ردیف دارد و
186
00:11:29,040 –> 00:11:31,230
B دو ردیف دارد و شما سعی می
187
00:11:31,230 –> 00:11:34,980
کنید ضرب عنصر را انجام دهید،
188
00:11:34,980 –> 00:11:37,440
یک خطای مقدار دریافت خواهید کرد زیرا هر دوی آنها
189
00:11:37,440 –> 00:11:39,810
ندارند. یا اندازه هر دوی این
190
00:11:39,810 –> 00:11:45,570
ماتریس ها خوب نیست
191
00:11:45,570 –> 00:11:48,739
[تشویق]
192
00:11:55,180 –> 00:12:00,340
[تشویق]
193
00:12:00,340 –> 00:12:03,560
بنابراین من یک ماتریس را در اینجا تعریف می کنم بنابراین اگر
194
00:12:03,560 –> 00:12:06,020
می خواهید مجموع همه
195
00:12:06,020 –> 00:12:07,970
عناصر ماتریس خود را پیدا کنید بنابراین یک به علاوه دو به علاوه
196
00:12:07,970 –> 00:12:10,190
سه به علاوه چهار بنابراین اگر
197
00:12:10,190 –> 00:12:12,290
میخواهید آن عدد را پیدا کنید، یک تابع داخلی
198
00:12:12,290 –> 00:12:14,930
به نام sum دارید که میتوانید آن را روی
199
00:12:14,930 –> 00:12:17,180
ماتریس اعمال کنید و مجموع تمام
200
00:12:17,180 –> 00:12:19,820
عناصر موجود در ماتریس شما را دریافت میکند
201
00:12:19,820 –> 00:12:22,400
و اگر میخواهید حداکثر آیتم را پیدا
202
00:12:22,400 –> 00:12:24,950
کنید. که در ماتریس شما وجود دارد،
203
00:12:24,950 –> 00:12:28,550
می توانید از max برای پیدا کردن حداقلی که می
204
00:12:28,550 –> 00:12:36,410
توانید یک نقطه حداقل انجام دهید استفاده کنید، خب حالا بیایید
205
00:12:36,410 –> 00:12:40,280
چیزی به نام انباشته شدن آرایه ها
206
00:12:40,280 –> 00:12:44,600
را ببینیم، بنابراین فرض کنید یک ماتریس داریم برای
207
00:12:44,600 –> 00:12:55,480
مثال ما دو ماتریس داریم 1 2 3 3 4 5
208
00:12:55,480 –> 00:12:59,810
بنابراین ما دو ماتریس در اینجا داریم
209
00:12:59,810 –> 00:13:02,620
و یک ماتریس دیگر
210
00:13:02,620 –> 00:13:08,510
نه هشت هفت چهار شش چهار پنج
211
00:13:08,510 –> 00:13:11,330
ما دو ماتریس داریم بنابراین از روی هم قرار گرفتن این
212
00:13:11,330 –> 00:13:13,100
دو ماتریس به یک
213
00:13:13,100 –> 00:13:16,100
ماتریس بزرگتر منجر می شود که مقداری
214
00:13:16,100 –> 00:13:19,670
شبیه به آن خواهد داشت ابتدا
215
00:13:19,670 –> 00:13:23,330
تمام مقادیر ماتریس اول و در زیر
216
00:13:23,330 –> 00:13:26,360
آن دارای مقادیر
217
00:13:26,360 –> 00:13:33,290
ماتریس دوم خوب است، بنابراین این همان چیزی است که به
218
00:13:33,290 –> 00:13:39,170
آن انباشته گفته می شود، اساساً یک
219
00:13:39,170 –> 00:13:40,910
ماتریس را به ماتریس دیگر اضافه می
220
00:13:40,910 –> 00:13:44,180
کند، خوب است، بنابراین بیایید این
221
00:13:44,180 –> 00:13:48,280
عملیات چسباندن را با استفاده از تابع داخلی numpy انجام دهیم،
222
00:13:48,280 –> 00:13:50,960
بنابراین اجازه دهید ابتدا این دو
223
00:13:50,960 –> 00:13:59,270
ماتریس را برابر با آرایه نقطه NP یک
224
00:13:59,270 –> 00:14:01,769
دو تعریف کنم. سه
225
00:14:01,769 –> 00:14:05,399
چهار پنج شش
226
00:14:08,840 –> 00:14:13,160
خوب است و سپس ما B را داریم که
227
00:14:13,160 –> 00:14:21,680
مقادیری دارد مثلاً بگوییم نه هشت هفت
228
00:14:21,680 –> 00:14:30,850
شش شش چهار پنج و این قرار است
229
00:14:30,850 –> 00:14:35,210
سه چهار پنج باشد، بنابراین بیایید همان مثال را ببینیم،
230
00:14:35,210 –> 00:14:40,580
بنابراین وقتی من یک نقطه میگویم
231
00:14:40,580 –> 00:14:46,310
چیزی به نام پشته وجود دارد متأسفم بله. این
232
00:14:46,310 –> 00:14:51,350
پشته NP dot V است و میتوانید دو
233
00:14:51,350 –> 00:14:54,740
ماتریس a و B را پاس دهید، بنابراین باید آن
234
00:14:54,740 –> 00:14:58,190
را بین پرانتز قرار دهید و وقتی
235
00:14:58,190 –> 00:15:00,560
این کار را انجام دادید، یک ماتریس دریافت میکنید که
236
00:15:00,560 –> 00:15:03,080
همه آیتمها روی هم چیده شدهاند،
237
00:15:03,080 –> 00:15:08,510
خوب است. ay بنابراین تقریباً ناتوان بود حالا
238
00:15:08,510 –> 00:15:14,420
بیایید به پانداها برویم. پانداها یک
239
00:15:14,420 –> 00:15:17,320
کتابخانه تجزیه و تحلیل داده منبع باز برای
240
00:15:17,320 –> 00:15:20,300
پانداهای پایتون است که دو ساختار داده اصلی دارد و
241
00:15:20,300 –> 00:15:23,720
آنها سری هستند که یک
242
00:15:23,720 –> 00:15:26,710
بعدی هستند و قاب داده
243
00:15:26,710 –> 00:15:29,270
دو بعدی هستند، بنابراین اجازه دهید با
244
00:15:29,270 –> 00:15:35,470
وارد کردن پانداها شروع کنیم. به عنوان PD
245
00:15:36,070 –> 00:15:37,790
[تشویق]،
246
00:15:37,790 –> 00:15:41,700
بنابراین سری پانداها دقیقاً مانند لیست پایتون است،
247
00:15:41,700 –> 00:15:45,480
اما سری با
248
00:15:45,480 –> 00:15:48,240
ایندکس مرتبط است یا میتوانید ایندکسها را سفارشی کنید
249
00:15:48,240 –> 00:15:54,030
که آن سری خوب است، بنابراین
250
00:15:54,030 –> 00:15:57,680
اجازه دهید یک سری را در اینجا تعریف کنم مجموعه نقطه سه بعدی
251
00:15:57,680 –> 00:16:00,040
[تشویق]
252
00:16:00,040 –> 00:16:02,870
[موسیقی]
253
00:16:02,870 –> 00:16:07,910
و من لیستی از اعداد را ارسال می کنم بسیار
254
00:16:07,910 –> 00:16:13,140
خوب و سپس وقتی می گویم چاپ کنید، بنابراین می
255
00:16:13,140 –> 00:16:15,720
توانید ببینید که هر یک از عناصر
256
00:16:15,720 –> 00:16:17,880
دارای یک شاخص مرتبط هستند و همچنین می توانید فهرست را
257
00:16:17,880 –> 00:16:20,070
سفارشی کنید، می توانید هر
258
00:16:20,070 –> 00:16:23,820
شاخصی را که نیاز دارید داشته باشید، بنابراین اجازه دهید سعی کنم
259
00:16:23,820 –> 00:16:27,510
ارائه دهم یک نمایه سفارشی با ایجاد
260
00:16:27,510 –> 00:16:31,890
یک سری دیگر نیز سری PT dot این
261
00:16:31,890 –> 00:16:35,790
بار من به پایان فرهنگ لغت خود می
262
00:16:35,790 –> 00:16:38,000
پردازم [تشویق]
263
00:16:38,000 –> 00:16:41,370
بنابراین می خواهم کلید را به عنوان نمایه
264
00:16:41,370 –> 00:16:44,340
و مقدار را به عنوان مقدار واقعی
265
00:16:44,340 –> 00:16:55,770
سری B 2 و C را 3 کنم. باشه پس الان تو
266
00:16:55,770 –> 00:16:59,640
می توانید ببینید که ایندکس های سری
267
00:16:59,640 –> 00:17:02,400
چیزی نیست جز کلیدهای فرهنگ لغت دیگر
268
00:17:02,400 –> 00:17:04,650
و مقادیر به عنصر واقعی تبدیل شده اند
269
00:17:04,650 –> 00:17:12,060
حالا بیایید به فریم های داده برویم
270
00:17:12,060 –> 00:17:15,240
که محبوب ترین نوع داده مورد استفاده
271
00:17:15,240 –> 00:17:18,829
در پانداها پانداها است.
272
00:17:18,829 –> 00:17:21,270
یا
273
00:17:21,270 –> 00:17:25,619
دادههایی که دارای ستونها و ردیفها هستند، ستونها
274
00:17:25,619 –> 00:17:27,230
میتوانند انواع دادههای متفاوتی داشته باشند،
275
00:17:27,230 –> 00:17:33,690
خوب، بیایید سعی کنیم دادهها را از ICS وارد کنیم،
276
00:17:33,690 –> 00:17:38,640
اساساً میتوانید دادهها را از منابع مختلف دریافت کنید،
277
00:17:38,640 –> 00:17:41,210
278
00:17:43,340 –> 00:17:47,070
بنابراین من مشکل اکسل یا یک فایل CSV دارم، بنابراین
279
00:17:47,070 –> 00:17:50,700
میتوانید دادهها را از CSV Excel یا
280
00:17:50,700 –> 00:17:55,170
پایگاههای داده دریافت کنید. به قاب داده شما یا قاب داده
281
00:17:55,170 –> 00:17:57,600
پانداها وارد می شود، بنابراین من اطلاعاتی در
282
00:17:57,600 –> 00:18:03,260
مورد آن دارم که به عنوان داده عنبیه نامیده می شود،
283
00:18:04,429 –> 00:18:12,840
بنابراین اساساً دارای پنج ستون
284
00:18:12,840 –> 00:18:15,150
طول کاسبرگ پهن عرض گلبرگ عرض گلبرگ
285
00:18:15,150 –> 00:18:16,890
طول گلبرگ عرض گلبرگ و گونه
286
00:18:16,890 –> 00:18:19,200
های اساسا گونه های گونه های مختلف
287
00:18:19,200 –> 00:18:21,690
است. از گل ها و
288
00:18:21,690 –> 00:18:23,760
طول کاسبرگ مربوطه عرض کاسبرگ طول
289
00:18:23,760 –> 00:18:28,380
و عرض گلبرگ، بنابراین بیایید این
290
00:18:28,380 –> 00:18:30,990
داده ها را به چارچوب داده خود وارد کنیم و سعی کنیم
291
00:18:30,990 –> 00:18:37,320
با استفاده از پانداها تجزیه و تحلیل انجام دهیم.
292
00:18:37,320 –> 00:18:40,380
داده ها را فقط باید PD
293
00:18:40,380 –> 00:18:43,410
dot تاریخ بنویسید متأسفانه شما روشی
294
00:18:43,410 –> 00:18:49,919
به نام خواندن CSV دارید فقط
295
00:18:49,919 –> 00:18:54,750
باید نام فایل را بنویسید نقطه CSV این
296
00:18:54,750 –> 00:18:58,200
نام یک فایل است بنابراین ما
297
00:18:58,200 –> 00:19:00,690
داده ها را به این عنبیه وارد کرده ایم پس این در
298
00:19:00,690 –> 00:19:03,540
واقع نوع قاب داده اگر
299
00:19:03,540 –> 00:19:08,669
نوع ویروس را بررسی کنید، قاب داده یا قاب داده پاندا است،
300
00:19:08,669 –> 00:19:11,940
بنابراین اگر میخواهید
301
00:19:11,940 –> 00:19:16,160
پنج ردیف اول را نمایش دهید، میتوانید به سادگی
302
00:19:16,160 –> 00:19:18,450
آرایههای نقطهای را تایپ کنید، بنابراین اساساً
303
00:19:18,450 –> 00:19:21,150
پنج ردیف اول ما را نمایش میدهد. مجموعه داده ها
304
00:19:21,150 –> 00:19:24,030
و اگر می خواهید ده سطر اول را نمایش
305
00:19:24,030 –> 00:19:28,169
دهید می توانید آن را به عنوان آرگومان در اینجا ارسال
306
00:19:28,169 –> 00:19:29,610
کنید و ده سطر اول را نمایش می دهد
307
00:19:29,610 –> 00:19:33,990
و اگر می خواهید
308
00:19:33,990 –> 00:19:38,820
آخرین ردیف های آتش را به جای head نمایش دهید می توانید
309
00:19:38,820 –> 00:19:41,160
tail را بنویسید و نشان می دهد آخرین
310
00:19:41,160 –> 00:19:44,490
آتشسوزی میشود تا دادهها را بتوان از
311
00:19:44,490 –> 00:19:46,080
منابع دادههای مختلف وارد کرد، همانطور که قبلاً
312
00:19:46,080 –> 00:19:50,460
ذکر شد، مانند Excel CSV MySQL یا بهعنوان
313
00:19:50,460 –> 00:19:52,620
SQL مایکروسافت یا منابع دادههای مختلف
314
00:19:52,620 –> 00:19:54,830
در چارچوب دادههای شما یا قالب داده
315
00:19:54,830 –> 00:19:58,039
پاندا، حالا بیایید سعی کنیم
316
00:19:58,039 –> 00:20:00,320
چارچوب داده را با استفاده از
317
00:20:00,320 –> 00:20:02,870
فرهنگهای لغت ایجاد کنیم. دیکتیو داشته باشید nary
318
00:20:02,870 –> 00:20:08,870
در اینجا اجازه دهید من یک دیکشنری تعریف کنم بنابراین
319
00:20:08,870 –> 00:20:18,039
ستون اول اجازه دهید نام را داشته باشم خوب است
320
00:20:18,640 –> 00:20:28,549
بنابراین نام یک B و C خواهد بود و
321
00:20:28,549 –> 00:20:34,899
ستون دوم اجازه دهید قد و
322
00:20:34,899 –> 00:20:42,039
قد داشته باشیم 20 30 40
323
00:20:45,730 –> 00:20:57,970
خوب و سپس وزن پنجاه شصت
324
00:20:57,970 –> 00:21:02,260
و هفتاد را داشته باشیم.
325
00:21:02,260 –> 00:21:03,429
اگر میخواهید این دیکشنری
326
00:21:03,429 –> 00:21:05,409
را به یک قاب داده
327
00:21:05,409 –> 00:21:11,279
328
00:21:11,279 –> 00:21:14,049
329
00:21:14,049 –> 00:21:17,260
تبدیل کنید، میتوانید یک
330
00:21:17,260 –> 00:21:22,710
دیکشنری را در اینجا
331
00:21:23,429 –> 00:21:28,320
داشته باشید. حالا بیایید به قاب داده عنبیه برگردیم،
332
00:21:28,320 –> 00:21:32,559
بنابراین اگر میخواهید همه
333
00:21:32,559 –> 00:21:36,130
نامهای ستونهایی را که در قاب دادههای خود دارید نمایش دهید
334
00:21:36,130 –> 00:21:38,110
، یک تابع داخلی
335
00:21:38,110 –> 00:21:43,600
به نام ستونهای نقطه عنبیه یا یک
336
00:21:43,600 –> 00:21:46,750
ویژگی وجود دارد، بنابراین تمام
337
00:21:46,750 –> 00:21:48,970
ستونهای موجود را نمایش میدهد. در قاب داده شما وجود
338
00:21:48,970 –> 00:21:53,769
دارد خوب است و سپس اگر می خواهید
339
00:21:53,769 –> 00:21:56,830
میانگین مقدار یک
340
00:21:56,830 –> 00:21:58,299
ستون خاص را نمایش دهید، به عنوان مثال،
341
00:21:58,299 –> 00:22:00,760
عرض ساده در طول کاسبرگ داریم
342
00:22:00,760 –> 00:22:02,919
، میانگین مقدار همه موارد
343
00:22:02,919 –> 00:22:05,350
که همه اعداد از قبل هستند چقدر است. nt در
344
00:22:05,350 –> 00:22:08,500
طول کاسبرگ، بنابراین در اکسل اگر فقط سعی کنید
345
00:22:08,500 –> 00:22:11,070
میانگین را محاسبه کنید به حدود
346
00:22:11,070 –> 00:22:13,110
[تشویق]
347
00:22:13,110 –> 00:22:16,179
پنج نقطه هشت سه می رسد، بنابراین اگر می توانید
348
00:22:16,179 –> 00:22:19,000
اینجا را مشاهده کنید، بنابراین میانگین می گوید
349
00:22:19,000 –> 00:22:25,269
پنج امتیاز هشت چهار خوب است، پس اگر می
350
00:22:25,269 –> 00:22:28,260
خواهید بفهمید که با استفاده از پانداها
351
00:22:28,260 –> 00:22:34,779
می توانید به سادگی بنویسید نقطه عنبیه
352
00:22:34,779 –> 00:22:41,529
طول شام نقطه میانگین و این
353
00:22:41,529 –> 00:22:43,990
مقدار میانگین مقدار میانگین
354
00:22:43,990 –> 00:22:49,809
ستون را برمی گرداند. همچنین می توانید ستون را بنویسید یا
355
00:22:49,809 –> 00:22:52,809
نام ستون را به عنوان بین پرانتزهای مربعی ارجاع دهید
356
00:22:52,809 –> 00:22:55,409
357
00:22:58,100 –> 00:23:04,080
طول کاسبرگ به این معنی است.
358
00:23:04,080 –> 00:23:09,000
همچنین همان نتیجه را ارائه می دهد بسیار خوب و اگر
359
00:23:09,000 –> 00:23:11,450
می خواهید بدانید که حداکثر
360
00:23:11,450 –> 00:23:14,250
مورد یا حداکثر عدد
361
00:23:14,250 –> 00:23:15,840
موجود در این ستون چیست، یک
362
00:23:15,840 –> 00:23:18,120
تابع داخلی به نام max دارید، بنابراین
363
00:23:18,120 –> 00:23:20,610
حداکثر عدد
364
00:23:20,610 –> 00:23:24,450
موجود در این را می نویسد. اگر
365
00:23:24,450 –> 00:23:28,530
میخواهید حداقل را به دست آورید، به طور مشابه، اگر میخواهید مقدار کمتری را به دست آورید،
366
00:23:28,530 –> 00:23:33,740
تابع داخلی آن نقطه کوچک است.
367
00:23:33,740 –> 00:23:36,420
368
00:23:36,420 –> 00:23:39,360
369
00:23:39,360 –> 00:23:41,340
370
00:23:41,340 –> 00:23:43,740
یا به عنوان مثال
371
00:23:43,740 –> 00:23:47,280
شما این را دارید، بنابراین ارزش
372
00:23:47,280 –> 00:23:52,050
ستون های دیگر برای این ردیف خاص چقدر است، بنابراین می
373
00:23:52,050 –> 00:24:01,940
توانید عنبیه نقطه loc okay عنبیه از
374
00:24:01,940 –> 00:24:04,970
طول کاسبرگ
375
00:24:12,510 –> 00:24:19,350
okay dot ID xmax را بنویسید، بنابراین هنگام اجرای
376
00:24:19,350 –> 00:24:21,150
این مقدار ستون های دیگر را دریافت خواهید کرد
377
00:24:21,150 –> 00:24:26,630
که برای آنها کاسبرگ است. طول حداکثر است،
378
00:24:34,059 –> 00:24:36,470
بنابراین اگر میخواهید
379
00:24:36,470 –> 00:24:40,130
با انتخاب دادهها یا با
380
00:24:40,130 –> 00:24:43,009
انتخاب ستونهای یا اگر میخواهید
381
00:24:43,009 –> 00:24:44,509
فقط ستونهای خاصی را انتخاب کنید و
382
00:24:44,509 –> 00:24:47,330
یک قاب داده جدید ایجاد کنید، میتوانید به سادگی
383
00:24:47,330 –> 00:24:51,889
قاب داده نقطهای PD بنویسید و ما
384
00:24:51,889 –> 00:24:54,200
میخواهیم از این به عنوان آدرس منبع استفاده کنید و
385
00:24:54,200 –> 00:24:56,330
ستونهایی که میخواهیم استخراج کنیم برابر است،
386
00:24:56,330 –> 00:25:03,070
بنابراین بیایید تنها سه ستون
387
00:25:03,549 –> 00:25:16,490
طول کاسبرگ عرض و گونههای کاسبرگ را استخراج کنیم،
388
00:25:16,490 –> 00:25:19,700
بنابراین یک قاب داده جدید با
389
00:25:19,700 –> 00:25:22,700
تنها سه ستون طول کاسبرگ
390
00:25:22,700 –> 00:25:27,409
عرض و گونه ایجاد میکند و اگر میخواهید
391
00:25:27,409 –> 00:25:30,379
یک ستون خاص را از فریم داده خود حذف کنید،
392
00:25:30,379 –> 00:25:39,230
میتوانید به سادگی DF 2 را
393
00:25:39,230 –> 00:25:42,889
برابر با قاب داده 2 نقطه بنویسید، ما
394
00:25:42,889 –> 00:25:46,549
روشی داریم به نام drop و سپس میتوانید
395
00:25:46,549 –> 00:25:48,710
نام ستونی را که میخواهید حذف کنید، ارسال کنید، بنابراین
396
00:25:48,710 –> 00:25:51,080
اگر در مورد من میخواهم d rop sepal
397
00:25:51,080 –> 00:25:53,149
طول و سپس
398
00:25:53,149 –> 00:25:55,639
پارامتر دیگری به نام این خواهد بود یا 1
399
00:25:55,639 –> 00:25:57,860
یا 0، بنابراین یکی به این معنی است که شما سعی می
400
00:25:57,860 –> 00:26:01,100
کنید یک ستون را حذف کنید و اگر 0 را پاس
401
00:26:01,100 –> 00:26:04,429
کنید، یک ردیف را حذف می کند، بنابراین در این
402
00:26:04,429 –> 00:26:06,379
مورد من 1 را پاس می کن