آرشیو دسته بندی: آموزش

ادغام و الحاق DataFrame در Pandas Pandas ابزارهای قدرتمندی برای ادغام و الحاق DataFrame ها به منظور ترکیب داده ها از منابع مختلف ارائه می دهد. انواع ادغام: ادغام داخلی: فقط سطرهایی را که در هر دو DataFrame دارای کلید مشترک هستند، حفظ می کند. ادغام خارجی سمت چپ: تمام سطرها از DataFrame سمت چپ […]

اعمال توابع به داده ها در Pandas Pandas به شما امکان می دهد توابع را به طور مستقیم بر روی داده های خود در DataFrame یا Series اعمال کنید. این امر تجزیه و تحلیل و دستکاری داده ها را آسان و کارآمد می کند. 1. اعمال توابع به Series: توابع داخلی Pandas: Python import pandas […]

انتخاب ستون ها و سطرها در Pandas در Pandas، روش های مختلفی برای انتخاب ستون ها و سطرها از یک DataFrame وجود دارد: انتخاب ستون ها: با نام ستون: Python import pandas as pd df = pd.DataFrame({“Name”: [“Alice”, “Bob”, “Charlie”], “Age”: [30, 25, 22], “Country”: [“USA”, “Canada”, “USA”]}) # انتخاب ستون های “Name” و “Age” […]

دسترسی به عناصر DataFrame با استفاده از شاخص ها در Pandas، دو روش اصلی برای دسترسی به عناصر DataFrame با استفاده از شاخص ها وجود دارد: 1. استفاده از نام شاخص: دسترسی به یک عنصر: Python import pandas as pd df = pd.DataFrame({“Name”: [“Alice”, “Bob”, “Charlie”], “Age”: [30, 25, 22], “Country”: [“USA”, “Canada”, “USA”]}) # […]

مشاهده و چاپ DataFrame در Pandas، روش های مختلفی برای مشاهده و چاپ DataFrame وجود دارد: 1. چاپ مستقیم: Python import pandas as pd df = pd.DataFrame({“Name”: [“Alice”, “Bob”, “Charlie”], “Age”: [30, 25, 22], “Country”: [“USA”, “Canada”, “USA”]}) print(df) خروجی: Name Age Country 0 Alice 30 USA 1 Bob 25 Canada 2 Charlie 22 USA […]

دستکاری اولیه داده ها: انتخاب، مرتب سازی، فیلتر کردن و حذف Pandas ابزارهای قدرتمندی برای دستکاری اولیه داده ها مانند انتخاب، مرتب سازی، فیلتر کردن و حذف ارائه می دهد. این عملیات به شما امکان می دهد داده های خود را به طور کارآمد سازماندهی و آماده کنید تا بتوانید به راحتی آنها را تجزیه […]

بارگیری داده ها از فایل های CSV، JSON، Excel و پایگاه های داده Pandas به شما امکان می دهد داده ها را از منابع مختلف مانند فایل های CSV، JSON، Excel و پایگاه های داده به طور کارآمد بارگیری کنید. بارگیری از فایل CSV: Python import pandas as pd # بارگیری داده ها از فایل […]

ایجاد Series و DataFrame از ابتدا در Pandas، دو ساختار داده اصلی برای ذخیره و دستکاری داده ها وجود دارد: Series و DataFrame. ایجاد Series: از لیست: Python import pandas as pd data = [1, 2, 3, 4, 5] s = pd.Series(data) print(s) خروجی: 0 1 1 2 2 3 3 4 4 5 dtype: […]

شاخص: برچسب‌گذاری داده‌ها برای دسترسی آسان شاخص در Pandas یک عنصر کلیدی برای ساختارهای داده Series و DataFrame است که به شما امکان می‌دهد به طور کارآمد به داده‌های خود دسترسی داشته باشید و آنها را دستکاری کنید. ویژگی‌های شاخص: منحصر به فرد بودن: هر عنصر در Series یا هر سطر در DataFrame باید یک […]

DataFrame: ذخیره داده‌های چندبعدی (جدولی) DataFrame یکی از ساختارهای داده اصلی در Pandas است که برای ذخیره‌سازی داده‌های چندبعدی (مانند جدول) به همراه برچسب‌های مربوطه (شاخص و ستون‌ها) استفاده می‌شود. ویژگی‌های DataFrame: ذخیره‌سازی داده‌ها: DataFrame می‌تواند انواع مختلفی از داده‌ها مانند اعداد، رشته‌ها، تاریخ‌ها و مقادیر بولی را در ستون‌ها و سطرهای خود ذخیره کند. […]