تحديد الأعمدة

لماذا يهم تحديد الأعمدة

غالبًا ما تحتوي مجموعات البيانات على عشرات الأعمدة. يركّز معظم التحليل على جزء منها. تحديد الأعمدة الصحيحة يقلل استهلاك الذاكرة، ويسرّع الحساب، ويجعل شفرتك أوضح.

سنستخدم مجموعة بيانات تيتانيك طوال هذا الدرس:

import pandas as pd

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

تحديد عمود واحد

أقواس الفهرسة ، الأسلوب الأكثر شيوعًا:

ages = df["Age"]
print(type(ages))   # <class 'pandas.core.series.Series'>

وصول النقطة ، أقصر لكنه يعمل فقط عندما لا يحتوي اسم العمود على مسافات أو رموز خاصة:

print(df.Age.head())   # first 5 ages

كلاهما يُرجع Series (أحادي البعد). يصبح اسم العمود اسم الكائن Series، ويُحافظ على فهرس إطار البيانات.

تحديد أعمدة متعددة

مرّر قائمة من أسماء الأعمدة داخل الأقواس. يُرجع ذلك DataFrame وليس Series:

subset = df[["Name", "Age", "Fare"]]
print(type(subset))   # <class 'pandas.core.frame.DataFrame'>
print(subset.head())

المخرجات:

                                                Name   Age     Fare
0                            Braund, Mr. Owen Harris  22.0   7.2500
1  Cumings, Mrs. John Bradley (Florence Briggs Th...  38.0  71.2833
2                             Heikkinen, Miss. Laina  26.0   7.9250
3       Futrelle, Mrs. Jacques Heath (Lily May Peel)  35.0  53.1000
0                           Allen, Mr. William Henry  35.0   8.0500

ترتيب الأعمدة في القائمة هو الذي يحدد الترتيب في المخرجات.

استخدام loc لتحديد الأعمدة

يحدد loc حسب التسمية ويمكنه التعامل مع الصفوف والأعمدة معًا:

# select all rows, specific columns
subset = df.loc[:, ["Name", "Survived"]]

الرمز : يعني “كل الصفوف”. قائمة أسماء الأعمدة تحدد أعمدة معينة. هذا مكافئ لـ df[["Name", "Survived"]] لكنه يصبح ضروريًا عند دمج تحديد الصفوف والأعمدة في خطوة واحدة.

أنماط عملية

إعادة التسمية بعد التحديد ، احتفظ بما تحتاجه فقط بأسماء أوضح:

demographics = df[["Name", "Age", "Sex"]].copy()
demographics.columns = ["passenger", "age", "gender"]

تحديد الأعمدة حسب نوع البيانات ، مفيد عندما يكون لديك أعمدة كثيرة:

numeric_cols = df.select_dtypes(include=["number"])
print(numeric_cols.columns.tolist())
# ['PassengerId', 'Survived', 'Pclass', 'Age', 'SibSp', 'Parch', 'Fare']

categorical_cols = df.select_dtypes(include=["object"])
print(categorical_cols.columns.tolist())
# ['Name', 'Ticket', 'Cabin', 'Embarked']

تحديد الأعمدة التي تحتوي نصًا فرعيًا:

# useful for wide datasets with naming conventions
age_cols = [col for col in df.columns if "age" in col.lower()]

متى تستخدم ماذا

جرّب بنفسك

من مجموعة بيانات تيتانيك، حدد الأعمدة Name و Pclass و Fare فقط. اطبع أول 5 صفوف. ثم حدد الأعمدة الرقمية فقط واطبع أسماءها.

import pandas as pd

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

subset = df[["Name", "Pclass", "Fare"]]
print(subset.head())

numeric = df.select_dtypes(include=["number"])
print(numeric.columns.tolist())

خلاصات رئيسية

• أقواس الفهرسة df["col"] هي الطريقة القياسية لتحديد عمود واحد
• df[["col1", "col2"]] يُرجع DataFrame بأعمدة متعددة
• يصبح loc ضروريًا عند دمج تحديد الصفوف والأعمدة
• select_dtypes() أداة قوية لتحديد الأعمدة حسب نوع البيانات

تحدي التطبيق

من مجموعة بيانات تيتانيك، أنشئ إطار بيانات جديدًا اسمه passenger_info يحتوي الأعمدة Name و Age و Sex و Survived فقط. كم عدد الصفوف التي تحتوي على قيم Age مفقودة في هذه المجموعة الفرعية؟ (تلميح: استخدم .isna().sum())