Pandas: معالجة وتحليل البيانات في بايثون

Pandas — هي المكتبة الأساسية لتحليل البيانات في لغة Python، والتي أصبحت المعيار الصناعي لمعالجة المعلومات المنظمة. تم إنشاؤها بواسطة ويس ماكيني في عام 2008، واشتق اسمها من مصطلح "Panel Data" — بيانات اللوحة في الاقتصاد القياسي.

ما هي Pandas ولماذا هي مهمة جدًا؟

Pandas هي مكتبة مفتوحة المصدر وقوية، مبنية على أساس NumPy، وتوفر هياكل بيانات عالية المستوى وأدوات لتحليل البيانات بسرعة وكفاءة. المكتبة فعالة بشكل خاص عند العمل مع البيانات الجدولية، والسلاسل الزمنية، وأي معلومات منظمة.

المزايا الرئيسية لـ Pandas:

المرونة الشاملة: تدعم Pandas العمل مع تنسيقات بيانات متنوعة — من CSV و Excel إلى JSON و SQL و HTML وغيرها الكثير.

الأداء العالي: بفضل الخوارزميات المحسّنة المبنية على Cython و NumPy، توفر المكتبة سرعة معالجة عالية للبيانات الضخمة.

السهولة والبديهية: صياغة المكتبة قريبة جدًا من اللغة الطبيعية، مما يجعل الكود مفهومًا وسهل التعلم.

التكامل السلس: تتكامل Pandas بشكل ممتاز مع مكتبات Python الأخرى مثل NumPy و Matplotlib و Scikit-learn و SciPy.

مجالات استخدام Pandas:

• تحليل البيانات وتصورها — إنشاء التقارير، لوحات المعلومات، والتحليل الاستكشافي
• التعلم الآلي — معالجة البيانات المسبقة، هندسة الميزات، وإعداد مجموعات البيانات
• التحليل المالي — تحليل السلاسل الزمنية، حساب المؤشرات المالية
• ذكاء الأعمال — إعداد التقارير، تحليل المبيعات، ومؤشرات الأداء الرئيسية
• البحوث العلمية — معالجة البيانات التجريبية، التحليل الإحصائي
• استخراج بيانات الويب — تنظيم وتنظيف البيانات المجمعة

تثبيت وتحميل Pandas

التثبيت عبر pip:

pip install pandas

التثبيت عبر conda:

conda install pandas

تحميل المكتبة:

import pandas as pd
import numpy as np  # غالبًا ما تُستخدم مع pandas

الاختصار pd أصبح معيارًا عالميًا في مجتمع Python ويُستخدم في جميع الأدلة والوثائق.

هياكل البيانات الأساسية: Series و DataFrame

Series — بيانات أحادية البعد مع فهارس

Series هي مصفوفة أحادية البعد مع تسميات (فهارس)، يمكنها احتواء أي نوع من البيانات: أرقام، نصوص، قيم منطقية، كائنات Python.

# إنشاء Series من قائمة
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])

# إنشاء Series من قاموس
data = {'القاهرة': 9500000, 'الرياض': 7000000, 'الجزائر': 3000000}
population = pd.Series(data)

# الوصول إلى العناصر
print(population['القاهرة'])  # 9500000
print(population.iloc[0])    # العنصر الأول

DataFrame — بيانات جدولية ثنائية البعد

DataFrame — هي بنية بيانات ثنائية البعد مع تسميات للصفوف والأعمدة، تشبه جدولًا في قاعدة بيانات علائقية أو ورقة Excel.

# إنشاء DataFrame من قاموس
data = {
    'الاسم': ['سارة', 'خالد', 'نور', 'أحمد'],
    'العمر': [25, 30, 22, 28],
    'المدينة': ['القاهرة', 'الرياض', 'دبي', 'القاهرة'],
    'الراتب': [80000, 95000, 60000, 75000]
}
df = pd.DataFrame(data)

# إنشاء DataFrame بفهرس مخصص
df = pd.DataFrame(data, index=['emp1', 'emp2', 'emp3', 'emp4'])

تحميل وحفظ البيانات

التحميل من تنسيقات مختلفة

  
أيضاً في المكتبة
  

                
                  
                 معالجة الصور في Java: المكتبات وأمثلة الكود
      
                
                  
                 Humanizer C# (.NET): دليل شامل مع أمثلة تطبيقية
      
                
                  
                 معالجة Markdown بلغة Rust: المكتبات، المحللات والأدوات
      
                
                  
                 العمل مع S3 والتخزين السحابي في Rust: مكتبة aws-sdk-s3
      
                
                  
                 التحقق من البيانات في Swift: مكتبة Validator