📊 Pandas وتحليل البيانات
لماذا Pandas؟ مشكلة السرعة
إذا خضت المسار الصعب في Python 101، فأنت بالفعل قِست زمن كودك الخاص بلغة Python الخالصة لعدّ الكلمات في مجموعة نصوص — وشعرت ببطئه كلما كبرت المجموعة. هذا ليس مصادفة: حلقات Python العادية بطيئة لهذا النوع من العمل. توجد Pandas (المبنية على numpy) بالتحديد لحل هذه المشكلة، عبر تنفيذ الحلقات بكود C سريع ومُتَّجَه (vectorized) تحت الغطاء بدلاً من Python نفسها. هذا القسم يتعلق بتعلّم استخدام تلك السرعة.
🎯 أهداف التعلم — بنهاية هذه الأسابيع الخمسة ستكون قادرًا على:
- تحميل واستكشاف وتنظيف بيانات جدولية باستخدام pandas
- تصفية وتجميع وتلخيص مجموعات بيانات حقيقية
- إعادة إنتاج تحليل بأسلوب Kaggle من البداية إلى النهاية
🟢 عادي: أساسيات Pandas
تعلّم أساسيات pandas، ثم أعد إنتاج دفتر ملاحظات كلاسيكي من Kaggle من البداية إلى النهاية.
- أساسيات Series وDataFrame، قراءة CSV
- الاختيار، التصفية، الفهرسة
- التنظيف: القيم المفقودة، الأنواع، عمليات النصوص
- التجميع (groupby)، التلخيص، الدمج
- إعادة إنتاج موجّهة لدفتر ملاحظات تحليل بيانات Titanic
⏱️ الوقت المطلوب: ~3–4 ساعات/أسبوع
ابدأ عادي ←🔴 صعب: مشروع تحليل استكشافي كامل
مسار قائم على مشروع: نفّذ تحليلاً استكشافيًا كاملاً للبيانات، صِغ الأسئلة، صوّر النتائج، وسلّم تقريرًا نهائيًا.
- إطار التحليل الاستكشافي: صياغة الأسئلة، تعريف مجموعة بيانات
- التحليل أحادي المتغير + التصورات
- التحليل الثنائي/متعدد المتغيرات، الارتباط
- تصورات متقدمة وسردية
- التسليم النهائي: تقرير تحليل استكشافي كامل على بيانات حقيقية
⏱️ الوقت المطلوب: ~4–6 ساعات/أسبوع
ابدأ صعب ←