🚀 شرح Counter و defaultdict من مكتبة collections في بايثون

تعلم كيف تجعل معالجة البيانات أسهل وأكثر كفاءة باستخدام أدوات قوية من مكتبة collections في بايثون.

from collections import Counter, defaultdict

# استخدام Counter لعد العناصر
my_list = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple']
count = Counter(my_list)
print(f"Counter: {count}")
print(f"Count of 'apple': {count['apple']}")

# استخدام defaultdict
default_dict = defaultdict(int) # القيمة الافتراضية هي 0 للأعداد الصحيحة
default_dict['a'] += 1
default_dict['b'] += 5
default_dict['a'] += 2
print(f"defaultdict: {default_dict}")
print(f"Value of 'c' (non-existent): {default_dict['c']}")

default_dict_list = defaultdict(list) # القيمة الافتراضية هي قائمة فارغة
default_dict_list['fruits'].append('apple')
default_dict_list['fruits'].append('banana')
default_dict_list['vegetables'].append('carrot')
print(f"defaultdict with list: {default_dict_list}")

مكتبة `collections` في بايثون توفر هياكل بيانات متخصصة. `Counter` مفيدة جداً لعد تكرار العناصر في قائمة أو أي iterable آخر، حيث تعيد قاموساً يحتوي على العناصر كـ مفاتيح وعدد تكرارها كـ قيم. `defaultdict` تشبه القاموس العادي، لكنها تسمح بتحديد قيمة افتراضية لأي مفتاح غير موجود عند الوصول إليه لأول مرة، مما يجنب حدوث أخطاء `KeyError` ويسهل عمليات التجميع.

['#بايثون', '#برمجة', '#collections', '#Counter', '#defaultdict', '#PythonTips', '#DataAnalysis']

📚 قراءة ملفات Excel باستخدام Pandas

تعلم كيف تقرأ بياناتك من ملفات Excel بسهولة باستخدام مكتبة Pandas في Python.

import pandas as pd

# تحديد مسار الملف
file_path = 'your_excel_file.xlsx'

# قراءة ملف Excel
df = pd.read_excel(file_path)

# عرض أول 5 صفوف من البيانات
print(df.head())

# يمكنك أيضًا تحديد ورقة عمل معينة
df_sheet2 = pd.read_excel(file_path, sheet_name='Sheet2')
print(df_sheet2.head())

نستخدم الدالة `pd.read_excel()` من مكتبة Pandas لقراءة ملف Excel. يمكنك تمرير مسار الملف مباشرة، أو تحديد اسم ورقة العمل باستخدام `sheet_name` إذا كان الملف يحتوي على عدة أوراق.

['#Python', '#Pandas', '#Excel', '#DataAnalysis', '#Programming', '#تعلم_البرمجة', '#تحليل_البيانات']

✨ التلاعب بالبيانات باستخدام Pandas: دليلك السريع! 🐼

هل تتعامل مع جداول البيانات في بايثون؟ Pandas هي أداتك السحرية! تعلم كيف تبدأ بسرعة.

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}

df = pd.DataFrame(data)

print('DataFrame الأصلي:')
print(df)

print('\nالأسماء فقط:')
print(df['Name'])

print('\nالأشخاص الذين تزيد أعمارهم عن 30:')
print(df[df['Age'] > 30])

في هذا المثال، نقوم بإنشاء DataFrame بسيط باستخدام Pandas. ثم نعرض DataFrame بأكمله، ونختار عمود 'Name' فقط، ونقوم بتصفية الصفوف لعرض الأشخاص الذين تزيد أعمارهم عن 30 عامًا. Pandas تجعل معالجة البيانات سهلة وفعالة.

['#Python', '#Pandas', '#DataAnalysis', '#DataScience', '#Programming', '#Tutorial', '#تعلم_بايثون', '#علم_البيانات']