تصفية الصفوف وترتيبها

سؤال رئيس النمو له نافذة زمنية: الربع الرابع من 2025. قبل أن تستطيع تفسير ذلك الربع، تحتاج إلى عزله، ثم تقطيعه أكثر: أيّ هذه الطلبات استخدم كوبونًا، وأيّها جاء عبر الـ marketplace، وأيّها كان من طلبات الجمعة السوداء. كل واحد من هذه الأسئلة تصفية، وتصفّي pandas بالطريقة نفسها في كل مرة: ابنِ عمودًا من True/False، ثم احتفظ بصفوف True.

الأقنعة المنطقية

المقارنة على عمود لا تعيد إجابة واحدة؛ بل تعيد إجابة لكل صف:

import pandas as pd

orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
is_free = orders["shipping_fee"] == 0
print(is_free.head())
print(is_free.sum(), "orders with free shipping")
print(round(is_free.mean(), 3), "share of all orders")

تُسمّى تلك الـ Series المنطقية قناعًا (mask). جمعه يعدّ قيم True، ومتوسطه هو حصة الصفوف المطابقة: 43% من طلبات Cartwheel شُحنت مجانًا. كثيرًا ما تعرف ما تحتاجه من العدد وحده، دون تصفية أي شيء.

لتحتفظ بالصفوف المطابقة، ضع القناع داخل الأقواس المربعة، أو داخل .loc حين تريد أيضًا اختيار الأعمدة:

import pandas as pd

orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
cancelled = orders[orders["status"] == "cancelled"]
print(len(cancelled))
print(orders.loc[orders["shipping_fee"] == 0, ["order_id", "channel", "coupon_code"]].head())

دمج الشروط

الأسئلة الحقيقية فيها عدة شروط. تستخدم pandas العلامة & بمعنى “و”، و| بمعنى “أو”، و~ بمعنى “ليس”، وتطبّقها صفًا بصف:

import pandas as pd

orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
in_q4 = (orders["order_date"] >= "2025-10-01") & (orders["order_date"] < "2026-01-01")
not_cancelled = orders["status"] != "cancelled"
q4 = orders[in_q4 & not_cancelled]
print(len(orders[in_q4]), "orders in Q4 2025,", len(q4), "not cancelled")
print(q4["channel"].value_counts())

منح كل قناع اسمًا، كما هنا، يُبقي التصفيات الطويلة مقروءة، ويتيح لك طباعة كل شرط وعدّه منفردًا حين تبدو نتيجة خاطئة. ويمكن مقارنة عمود datetime بتاريخ مكتوب كنص، "2025-10-01"، فتحوّله pandas نيابةً عنك. والحد الأعلى هو “قبل 1 يناير”، لا “في 31 ديسمبر أو قبله”، لأن طلبات 31 ديسمبر لها وقت بعد منتصف الليل.

طريقان مختصران: isin و between

مطابقة أيٍّ من عدة قيم بسلاسل من | تصبح طويلة. أما isin فتأخذ قائمة:

import pandas as pd

orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
problem = orders["status"].isin(["cancelled", "returned"])
print(problem.sum(), "cancelled or returned")

black_friday_week = orders["order_date"].between("2025-11-24", "2025-11-30 23:59:59")
print(black_friday_week.sum(), "orders in Black Friday week 2025")

bf = orders[orders["coupon_code"] == "BLACKFRIDAY25"]
print(bf["order_date"].dt.month.value_counts().head(3))

تشمل between الطرفين، ولهذا يحمل الحد الأعلى وقتًا. والأسطر الأخيرة تحتوي اكتشافًا حقيقيًا: من بين 124 طلبًا استُخدم فيها الكوبون BLACKFRIDAY25، يقع 91 في نوفمبر، والبقية متفرّقة على مدار السنة. هل تُرك الكود فعّالًا، أم نُشر على موقع كوبونات، أم أن البيانات خاطئة؟ التصفيات لا تجيب عن ذلك، لكنها تُظهر السؤال، والمحللون الجيدون يحملونه إلى من يديرون العرض الترويجي قبل البناء عليه. (تستخرج .dt.month رقم الشهر؛ ويشرح الدرس 4.4 الـ accessor المسمّى dt بالتفصيل.)

الجدول المُصفّى جدول جديد

تعيد التصفية DataFrame جديدًا. الجدول q4 في المثال السابق لا يتذكّر أنه جاء من orders، ويجب أن تعامله كجدول مستقل: إذا أردت لاحقًا إضافة عمود إليه، فتضيفه إلى q4، ويبقى orders كما هو. وفي كود pandas 2 سترى كثيرًا .copy() بعد التصفية: فهي توضّح ذلك وتُسكت تحذير SettingWithCopyWarning الذي تطبعه pandas 2 حين تضيف عمودًا إلى جدول مُصفّى. أما مع Copy-on-Write، وهو السلوك الافتراضي منذ pandas 3.0 ويمكنك تفعيله في pandas 2 بـ pd.options.mode.copy_on_write = True، فكل نتيجة مُصفّاة تتصرّف أصلًا كنسخة مستقلة. ويبيّن الدرس 2.5 لماذا يهم هذا حين تبدأ بتغيير القيم.

الترتيب واختيار الأعلى

ترتّب sort_values الصفوف بحسب عمود واحد أو أكثر:

import pandas as pd

orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
latest = orders.sort_values("order_date", ascending=False)
print(latest[["order_id", "order_date", "status"]].head(3))

by_fee = orders.sort_values(["shipping_fee", "order_date"], ascending=[False, False])
print(by_fee[["order_id", "shipping_fee", "order_date"]].head(3))
print(orders.nlargest(3, "shipping_fee")[["order_id", "shipping_fee"]])

مع قائمة أعمدة، يكسر العمود الثاني التعادل في الأول، وتأخذ ascending قائمة مطابقة. وnlargest(n, column) وnsmallest طريقان مختصران لـ “رتّب وخذ أعلى n”؛ وهما أسرع على الجداول الكبيرة ويعبّران عمّا تقصده.

آخر ثلاثة طلبات ما زالت processing أو shipped: قُدّمت في آخر أيام ديسمبر ولم تكن قد سُلّمت حين صُدّرت البيانات. هذا قرار آخر في تعريفك للإيراد، وستتخذه في القسم 4.

في التمرين تعزل الربع الرابع من 2025 وتقيس استخدام الكوبونات فيه. وفي الدرس التالي تضيف أعمدة جديدة، مثل إيراد كل بند، وتتعلّم الطريقة الصحيحة الوحيدة لتغيير القيم في DataFrame.