استكشاف البيانات

جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 34 من 60.

مجموعة بيانات جديدة طويلة جدًا بحيث لا يمكن طباعتها. تخبرك بعض الفحوصات السريعة بحجمها وأعمدتها وقيمها.

جدول طويل يضم 24 أغنية، بأعمدة song وseconds وplays، مرسوم على شكل شبكة؛ تم تمييز صفوفه الثلاثة الأولى وعليها العلامة head(3)، وقوس على جانبه يشير إلى 24 صفًا

songs = pd.read_csv("songs.csv")
print(songs.head(3))   # الصفوف الأولى الـ 3؛ تُرجع head() وحدها 5
print(songs.shape)     # (الصفوف، الأعمدة)
for name in songs.columns:
    print(name)

يطبع هذا:

         song  seconds  plays
0   Blue Hour      210   5169
1  Paper Moon      176   6689
2        Tide      272   2739
(24, 3)
song
seconds
plays

.describe() يلخّص كل عمود رقمي ويستثني عمود النص song. تطبع print(songs.describe()) ما يلي:

          seconds        plays
count   24.000000    24.000000
mean   212.708333  5116.333333
std     42.367419  2189.610898
min    151.000000  1289.000000
25%    175.250000  3626.250000
50%    213.000000  5051.000000
75%    232.250000  6711.500000
max    290.000000  8992.000000

25% و50% و75% هي القيم التي تقع عند ربع العمود المرتب ونصفه وثلاثة أرباعه.

الملخص جدول أيضًا: "plays" in songs.describe().columns هي True، لأن in يسأل عمّا إذا كان اسمٌ ما موجودًا.

التحدي

متوسط

يتعلّم النموذج من الأعمدة الرقمية فقط، لذا تتحقق شركة سيارات أجرة من سجلّ رحلاتها أولًا. يحمّل البرنامج taxi_trips.csv إلى trips ويقرأ عددًا n.

اطبع Trips: وعدد الصفوف.
لكل عمود، بالترتيب، اطبع اسمه ونقطتين وnumbers إذا كانت .describe() تلخّصه، وإلا فاطبع text.
اطبع أول n صفوف.

لجدول يضم 30 عملية استئجار دراجة، وعندما تكون قيمة n هي 2:

Trips: 30
bike: text
km: numbers
station: text
   bike    km  station
0  B-12   4.6     Pier
1  B-07  11.2  Central

جرّب بنفسك

import pandas as pd

trips = pd.read_csv("taxi_trips.csv")
n = int(input())

# اكتب الكود الخاص بك أدناه

اختبر نفسك

يتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.

جميع دروس البيانات والرسوم البيانية

1مقدمة

مرحبًا بك في تعلّم الآلة ما هو النموذج؟استيراد المكتبات الرسم البياني الأول

4تشكيل البيانات

إعادة تشكيل المصفوفات دمج المصفوفات الأعداد العشوائية مراجعة: محاكاة رمي النرد

7إطارات بيانات pandas

السلاسل إطارات البيانات قراءة ملفات CSVاستكشاف البياناتاختيار الأعمدة مراجعة: تقييمات الأفلام

10رسم بيانات DataFrame

رسم DataFrame مخطط مبعثر من الأعمدة لون واحد لكل مجموعة مدرج تكراري لعمود مراجعة: مبيعات المقهى

2مصفوفات NumPy

إنشاء المصفوفات الشكل والحجم نطاقات الأعداد الفهرسة والتقطيع مراجعة: شبكة درجات الحرارة

5المخططات الخطية والمبعثرة

التسميات والعناوين المخططات المبعثرة خطوط متعددة ووسائل الإيضاح الألوان والعلامات الأشكال والمحاور مراجعة: الخطوات الأسبوعية

8التصفية والترتيب

اختيار الصفوف تصفية الصفوف ترتيب القيم أعمدة جديدة مراجعة: أفضل المنتجات

11مجموعات البيانات لتعلم الآلة

مجموعات البيانات المدمجة السمات والتسميات استكشاف البيانات حسب الفئة رسم الفئات مراجعة: مجموعة بيانات النبيذ

3العمليات الحسابية على المصفوفات

العمليات الحسابية على المصفوفات كاملة الإحصاءات الملخّصة الإحصاءات حسب المحور البثّ الأقنعة المنطقية مراجعة: درجات الاختبار

6المخططات للبيانات

المخططات الشريطية المدرجات التكرارية عدة مخططات في مخطط واحد الصور كمصفوفات مراجعة: تقرير هطول الأمطار

9تجميع البيانات وتنظيفها

عدّ القيم تجميع البيانات ملخصات متعددة القيم المفقودة مراجعة: نتائج الاستبيان

12التحديات النهائية

تقرير المبيعات قراءات المستشعر الأرقام بنظرة سريعة مستكشف البطاريق

تدرّب بنفسك: مترجم Python عبر الإنترنت