هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
Python لتصور البيانات
تعلم أدوات بايثون مختلفة لتصور البياناتشاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ20.
متوسط مقدِّم الخدمة : Brian Higgins 8 الفصول · 20 الدروس · 1h 33m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, Chinese
وصف الدورة
ستركز الدورة على استخدام مكتبة Python Matplotlib لتصور البيانات. سيتم إجراء ترميز Python باستخدام دفاتر Python Notebooks (.IpyNB) في أداة JupyterLab حيث ستتعلم كيفية رسم الرسوم البيانية الخطية، والرسم البياني التكراري والخرائط الحرارية، ومخططات الصندوق (المربعة) باستخدام matplotlib. سنعرض لك كيفية استخدام مكتبة HVPLOT لإضافة أدوات عناصر واجهة مستخدم تفاعلية إلى المخططات لاكتساب رؤى أعمق في البيانات التي يتم تصورها.
ستستخدم أيضًا مكتبة Python Numpy لحفظ القيم في المصفوفات ولإنشاء بيانات أرقام عشوائية لأمثلة التصور. سترى كيف يمكن استخدام مكتبة Pandas لتخزين البيانات في DataFrame والتعامل مع بيانات السلاسل الزمنية، وإجراء الحسابات الرياضية ورسم البيانات المحسوبة. بعد ذلك، ستتعلم كيف يمكن لمكتبة SeaBorn إضافة ميزات إلى خريطة حرارية، بينما تقوم مكتبة Scipy بإنشاء خط KDE للتخطيط فوق رسم بياني تكراري. أخيرًا، سنعرض لك كيفية تصميم التصورات عن طريق إضافة الألوان والعلامات والشبكات.
ما ستتعلمه
- إنشاء الرسوم البيانية الخطية، والمخططات التكرارية، والخرائط الحرارية، والمخططات الصندوقية باستخدام مكتبة Matplotlib في Python
- استيراد البيانات وتوليدها ومعالجتها باستخدام NumPy و Pandas لغرض تصور البيانات
- بناء رسومات تفاعلية وعناصر واجهة تفاعلية باستخدام مكتبة HVPlot
- تنسيق تصورات البيانات بإضافة الألوان، والتسميات، والشبكات
- استخدام مكتبة Seaborn لتحسين الخرائط الحرارية ومكتبة SciPy لتوليد خط KDE فوق المخطط التكراري
- رسم السلاسل الزمنية والبيانات الزمنية المحسوبة المخزنة في Pandas DataFrame
النقاط الرئيسية
- تستخدم الدورة مكتبة Matplotlib في Python لتصور البيانات من خلال الرسوم البيانية الخطية، والمخططات التكرارية، والخرائط الحرارية، والمخططات الصندوقية.
- تتم كتابة كود Python في دفاتر ملاحظات Python (ملفات .ipynb) باستخدام أداة JupyterLab.
- تُستخدم مكتبة HVPlot لإضافة عناصر واجهة تفاعلية إلى الرسوم البيانية للحصول على رؤية أعمق للبيانات.
- تخزن مكتبة NumPy القيم في مصفوفات وتولد بيانات أرقام عشوائية، بينما تخزن مكتبة Pandas البيانات في DataFrame، وتتعامل مع بيانات السلاسل الزمنية، وتجري الحسابات.
- تضيف مكتبة Seaborn ميزات إلى الخريطة الحرارية وتولد مكتبة SciPy خط KDE لرسمه فوق المخطط التكراري.
الأسئلة الشائعة
ما مكتبات Python التي تغطيها هذه الدورة؟
تغطي الدورة مكتبة Matplotlib لتصور البيانات، ومكتبة HVPlot لعناصر الواجهة التفاعلية، ومكتبة NumPy للمصفوفات وبيانات الأرقام العشوائية، ومكتبة Pandas لتخزين البيانات في DataFrame والتعامل مع السلاسل الزمنية، ومكتبة Seaborn لإضافة ميزات للخرائط الحرارية، ومكتبة SciPy لتوليد خط KDE فوق المخطط التكراري.
ما الأدوات التي سأستخدمها لكتابة الكود؟
تتم كتابة كود Python باستخدام دفاتر ملاحظات Python (ملفات .ipynb) في أداة JupyterLab.
ما أنواع تصورات البيانات التي سأتعلم إنشاءها؟
ستتعلم رسم الرسوم البيانية الخطية، والمخططات التكرارية، والخرائط الحرارية، والمخططات الصندوقية، بما في ذلك الرسوم الخطية التفاعلية والخرائط الحرارية التفاعلية باستخدام HVPlot.
كيف تتعامل الدورة مع تصورات البيانات التفاعلية؟
توضح الدورة كيفية استخدام مكتبة HVPlot لإضافة عناصر واجهة تفاعلية إلى الرسوم البيانية، بما في ذلك عناصر شريط الأدوات وعنصر تصفية، للحصول على رؤى أعمق للبيانات التي يتم تصورها.
هل تغطي الدورة العمل مع البيانات المستندة إلى الوقت؟
نعم. تغطي الدورة رسم البيانات الزمنية باستخدام رسم بياني خطي، ورسم البيانات الزمنية المحسوبة، وإنشاء مخطط صندوقي لوصف البيانات الزمنية، مع استخدام Pandas للتعامل مع بيانات السلاسل الزمنية.
