سرفصل‌ها درس 83 از 250 · مبانی داده: numpy و pandas
مبانی داده: numpy و pandas

پروژه: تحلیل یک CSV

وقت کنار هم گذاشتن است. یک فایل CSV کوچک را در حافظه می‌نویسید، آن را با pandas دوباره می‌خوانید، و تجمیع‌های گروه‌بندی‌شده حساب می‌کنید، همان‌طور که یک تحلیل واقعی شروع می‌شود.

pandas متن CSV را از یک فایل یا از یک بافر درون‌حافظه می‌خواند. از io.StringIO استفاده می‌کنیم تا هیچ چیز به دیسک نرسد:

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)

از آنجا حرکت‌ها را از قبل می‌دانید: با یک ماسک پالایش کنید، با groupby(...).agg(...) گروه‌بندی کنید، و یک مقدار تکی را با .loc یا با اندیس‌زدن برچسبش از یک Series بیرون بکشید.

کار شما: داده را بخوانید، سپس یک dict تنها به نام results بسازید که آن را خلاصه کند. برگرداندن یک dict ساده راهی رایج و آزمودنی برای دادن خروجی تحلیل به بقیهٔ یک برنامه (یا به یک گزارش، یا به یک prompt برای LLM) است. عددهای درون آن dict را نمره می‌دهیم، نه هیچ چاپی را.

چه چیزهایی در results می‌رود

  • "n_rows": تعداد ردیف‌های جدول
  • "total_salary": مجموع کل ستون salary
  • "avg_by_dept": dictی که هر dept را به میانگین حقوقش نگاشت می‌کند (آن را از میانگین یک groupby بسازید، سپس .to_dict())
  • "top_dept": deptی که بالاترین میانگین حقوق را دارد
نوبت شما

متن CSV در csv_text داده شده است. آن را با pd.read_csv(io.StringIO(csv_text)) در یک DataFrame به نام df بخوانید. سپس dictی به نام results با این کلیدها بسازید: "n_rows" (تعداد ردیف‌ها)، "total_salary" (مجموع ستون salary)، "avg_by_dept" (dictی از dept به میانگین حقوق)، و "top_dept" (deptی که میانگین حقوقش بالاترین است).

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.