إنشاء إطارات البيانات

ما هو إطار البيانات DataFrame؟

DataFrame في pandas هو بنية بيانات ثنائية الأبعاد معلّمة ، فكّر فيه كجدول بيانات أو جدول SQL أو قاموس من كائنات Series. كل عمود هو Series، وكل الأعمدة تتشارك نفس الفهرس.

import pandas as pd

df = pd.DataFrame({
    "Name": ["Alice", "Bob", "Carol"],
    "Age": [24, 30, 28],
    "Score": [88, 92, 79]
})
print(df)

المخرجات:

    Name  Age  Score
0  Alice   24     88
1    Bob   30     92
2  Carol   28     79

إنشاء إطارات البيانات من مصادر مختلفة

من قاموس من القوائم ، يصبح كل مفتاح اسم عمود:

df = pd.DataFrame({
    "City": ["Lagos", "Nairobi", "Cairo"],
    "Population": [15_400_000, 4_400_000, 20_900_000],
    "Country": ["Nigeria", "Kenya", "Egypt"]
})

من قائمة من القواميس ، كل قاموس هو صف:

records = [
    {"Name": "Alice", "Score": 88},
    {"Name": "Bob", "Score": 92},
    {"Name": "Carol", "Score": 79},
]
df = pd.DataFrame(records)

من كائن Series ، تتحد كائنات Series المتعددة في أعمدة:

names = pd.Series(["Alice", "Bob", "Carol"])
scores = pd.Series([88, 92, 79])
df = pd.DataFrame({"Name": names, "Score": scores})

قراءة ملفات CSV

الطريقة الأكثر شيوعًا لتحميل البيانات الحقيقية هي من ملف CSV:

df = pd.read_csv("titanic.csv")

الوسائط المفيدة للدالة read_csv():

df = pd.read_csv(
    "data.csv",
    index_col="id",        # use 'id' column as the index
    usecols=["id", "name", "age", "fare"],  # load only these columns (must include the index column)
    na_values=["?", ""],   # treat '?' and empty strings as NaN
    dtype={"age": "float"} # force column type
)

في هذه الدورة سنستخدم مجموعة بيانات تيتانيك، المتاحة على العنوان:

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

فحص بياناتك

بعد تحميل البيانات، افحصها دائمًا أولًا:

df.head()        # first 5 rows
df.tail(3)       # last 3 rows
df.shape          # (rows, columns) — e.g. (891, 12)
df.info()         # column names, non-null counts, dtypes
df.describe()     # statistical summary of numeric columns

طريقة info() مهمة بشكل خاص ، فهي تكشف القيم المفقودة وأنواع البيانات:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   PassengerId  891 non-null   int64  
 1   Survived     891 non-null   int64  
 2   Pclass       891 non-null   int64  
 3   Name         891 non-null   object 
 4   Age          714 non-null   float64
 5   SibSp        891 non-null   int64  
 ...

لاحظ أن العمود Age يحتوي 714 قيمة غير فارغة من أصل 891 ، أي أن هناك 177 قيمة مفقودة. تنظيف هذه البيانات مهارة أساسية ستتعلمها لاحقًا.

الوصول إلى الأعمدة

بمجرد امتلاكك إطار بيانات، يمكنك الوصول إلى الأعمدة ككائنات Series:

print(df["Age"])       # returns a Series
print(df.Age)          # dot notation also works (if column name has no spaces)

حدّد أعمدة متعددة بتمرير قائمة:

df[["Name", "Age"]]

جرّب بنفسك

أنشئ إطار بيانات يمثل ثلاثة موظفين بأعمدة للاسم (Name) والقسم (Department) والراتب (Salary). اطبع إطار البيانات، ثم اعرض عمودي الاسم والراتب فقط.

import pandas as pd

employees = pd.DataFrame({
    "Name": ["Amina", "Kofi", "Zara"],
    "Department": ["Engineering", "Marketing", "Engineering"],
    "Salary": [95000, 72000, 88000]
})
print(employees)
print(employees[["Name", "Salary"]])

خلاصات رئيسية

• إطار البيانات DataFrame جدول بصفوف معلّمة (الفهرس) وأعمدة معلّمة
• القواميس من القوائم وقوائم القواميس هي أكثر طرق الإنشاء شيوعًا
• pd.read_csv() يحمّل البيانات الخارجية ، استخدم index_col و usecols و na_values للتحكم
• افحص دائمًا البيانات الجديدة بـ head() و info() و describe() قبل التحليل

تحدي التطبيق

حمّل مجموعة بيانات تيتانيك من العنوان أعلاه. كم عدد الصفوف والأعمدة؟ ما أسماء الأعمدة؟ كم عدد الأعمدة التي تحتوي قيمًا مفقودة؟ استخدم info() لمعرفة ذلك.