المشروع: تحليل ملف CSV
حان الوقت لتجميع كل شيء. ستكتب ملف CSV صغير في الذاكرة، ثم تقرأه مرة أخرى باستخدام pandas، وتحسب التجميعات المجمعة، كما يبدأ التحليل الحقيقي.
تقرأpandas ملفات CSV من ملف أو من مخزن مؤقت في الذاكرة. نستخدم io.StringIO لكي لا يتم الوصول إلى القرص:
import io
import pandas as pd
csv_text = "name,dept,salary\nAda,eng,100\nBo,eng,140\n"
df = pd.read_csv(io.StringIO(csv_text))
print(df)من هناك أنت تعرف الخطوات بالفعل: التصفية باستخدام mask، التجميع باستخدام groupby(...).agg(...)، استخراج قيمة واحدة من Series باستخدام .loc أو عن طريق فهرسة label الخاص بها.
مهمتك: قراءة البيانات، ثم بناء dict واحد من نوع results يلخصها. إن إرجاع dict بسيط هو طريقة شائعة وقابلة للاختبار لتسليم مخرجات التحليل إلى بقية البرنامج (أو إلى تقرير، أو إلى LLM prompt). نحن نقيم الأرقام في ذلك dict، وليس أي printout.
ما الذي يوضع في results
"n_rows": عدد الصفوف في الجدول"total_salary": مجموع عمود salary بالكامل"avg_by_dept": قاموس يربط كل dept بمتوسط راتبه (قم ببنائه من groupby mean، ثم.to_dict())"top_dept": القسم صاحب أعلى متوسط راتب
يتم توفير نص CSV في csv_text. اقرأه في DataFrame باسم df باستخدام pd.read_csv(io.StringIO(csv_text)). ثم قم ببناء dict باسم results بهذه المفاتيح: "n_rows" (عدد الصفوف)، "total_salary" (مجموع عمود salary)، "avg_by_dept" (dict للقسم إلى متوسط الراتب)، و "top_dept" (القسم الذي يملك أعلى متوسط راتب).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.