{"checkpoints":{"s-pda-1":[{"q":"

ماذا يطبع هذا الكود؟

\n
Python
prices = {\"Desk Mat XL\": 29, \"Laptop Stand\": 49}\nprices[\"Desk Mat XL\"] = prices.get(\"Desk Mat XL\", 0) + 1\nprint(len(prices), prices[\"Desk Mat XL\"])
\n","options":[{"text":"2 30","why":"صحيح. المفتاح موجود أصلًا، فتعيد .get() القيمة 29، ويُضاف إليها واحد، ويبقى في القاموس مفتاحان."},{"text":"3 30","why":"الإسناد إلى مفتاح موجود يحدّثه؛ ولا يضيف مُدخلًا ثانيًا بالاسم نفسه."},{"text":"2 1","why":"تعيد .get() القيمة المخزّنة، 29، لأن المفتاح موجود. القيمة الافتراضية 0 لا تُستخدم إلا مع المفاتيح المفقودة."},{"text":"خطأ KeyError","why":"كل مفتاح يقرؤه الكود بالأقواس المربعة موجود، و.get() لا تُطلق خطأً لمفتاح مفقود أصلًا."}],"answer":0},{"q":"

تعيد دالة كتبها زميلك 3.3333333333333335 لـ average([10, 20, 30]) بدلًا من 20.0. ما الخطأ؟

\n
Python
def average(values):\n    total = 0\n    for v in values:\n        total += v\n        return total / len(values)
\n","options":[{"text":"يجب أن يبدأ total من 1.","why":"البدء من 1 سيجعل كل متوسط أعلى قليلًا؛ ولن يفسّر نتيجة مبنية على القيمة الأولى وحدها."},{"text":"len(values) تعدّ الحروف بدلًا من العناصر.","why":"الدالة len على قائمة تعدّ عناصرها، وهي هنا 3."},{"text":"السطر return مُزاح داخل الحلقة، فتعود الدالة بعد إضافة القيمة الأولى.","why":"صحيح. في الدورة الأولى يكون total يساوي 10، فتعيد الدالة فورًا 10 / 3. إعادة return إلى مستوى الدالة تصلح ذلك."},{"text":"لا تستطيع Python قسمة الأعداد الصحيحة، فتعيد القيمة الأولى.","why":"تقسم Python الأعداد الصحيحة بـ / وتعيد عددًا عشريًا."}],"answer":2},{"q":"

أيّ f-string تطبع Share: 12.5% حين تكون share = 0.125؟

","options":[{"text":"f"Share: {share:.1f}%"","why":"هذه تنسّق 0.125 بمنزلة عشرية واحدة، فتعطي 0.1%. المواصفة f لا تضرب في 100."},{"text":"f"Share: {share:%}"","why":"المواصفة % تضرب في 100، لكنها تستخدم ست منازل عشرية افتراضيًا: 12.500000%."},{"text":"f"Share: {share:,.2f}%"","why":"هذه تطبع 0.12%: منزلتان عشريتان من الكسر الخام."},{"text":"f"Share: {share:.1%}"","why":"صحيح. المواصفة % تضرب في 100 وتضيف علامة النسبة المئوية؛ و.1 تحتفظ بمنزلة عشرية واحدة."}],"answer":3},{"q":"

تتوقّف حلقة تمرّ على الصفوف بالخطأ TypeError: unsupported operand type(s) for +: 'int' and 'str' في السطر total = total + row["quantity"]. ما الإصلاح الأرجح؟

","options":[{"text":"أعِد تسمية total إلى شيء آخر.","why":"الاسم سليم؛ الخطأ يتعلّق بنوعي القيمتين اللتين تُجمعان."},{"text":"حوّل الكمية أولًا: total = total + int(row["quantity"]).","why":"صحيح. وصلت الكمية نصًا، ولا تجمع Python أبدًا نصًا مع رقم ضمنيًا."},{"text":"غلّف السطر بـ try / except TypeError وتخطَّ الصف.","why":"كل الكميات وصلت نصوصًا، فسيُتخطّى كل صف ويبقى المجموع 0، دون أي رسالة خطأ تنبّهك."},{"text":"ابدأ total بـ "" بدلًا من 0.","why":"هذا سيلصق الكميات ببعضها كنص، فيعطي شيئًا مثل "121" بدلًا من رقم."}],"answer":1},{"q":"

totals = [65.0, 18.0, 72.0]. ماذا تنتج [t > 50 for t in totals]؟

","options":[{"text":"[True, False, True]","why":"صحيح. التعبير الذي قبل for مقارنة، فيصبح كل عنصر قيمة منطقية."},{"text":"[65.0, 72.0]","why":"هذا شكل التصفية، [t for t in totals if t > 50]، حيث يأتي الشرط بعد الـ for."},{"text":"2","why":"العدّ يحتاج sum(t > 50 for t in totals)؛ والـ list comprehension تبني قائمة دائمًا."},{"text":"خطأ SyntaxError","why":"أيّ تعبير يمكن أن يأتي قبل for، ومنه المقارنة."}],"answer":0}],"s-pda-2":[{"q":"

بعد orders = pd.read_csv("orders.csv")، يُطلق orders["order_date"].dt.month الخطأ AttributeError: Can only use .dt accessor with datetimelike values. ما الإصلاح؟

","options":[{"text":"استخدم orders["order_date"].month بدلًا من ذلك.","why":"أجزاء التاريخ في العمود تمرّ دائمًا عبر .dt؛ وبدونها تحصل على AttributeError آخر."},{"text":"رتّب العمود أولًا.","why":"ترتيب التواريخ النصية لا يغيّر نوعها."},{"text":"حمّل الملف مع parse_dates=["order_date"] (أو حوّل بـ pd.to_datetime) كي يصبح العمود datetime64.","why":"صحيح. قُرئ العمود نصًا (object)، و.dt لا تعمل إلا على أعمدة التواريخ."},{"text":"احذف الصفوف التي تواريخها مفقودة.","why":"لا توجد تواريخ مفقودة؛ المشكلة في نوع العمود."}],"answer":2},{"q":"

ماذا تعيد products.loc[products["unit_price"] > 100, "name"]؟

","options":[{"text":"DataFrame بكل الأعمدة للمنتجات التي يتجاوز سعرها 100 دولار","why":"تسمية عمود واحد بعد الفاصلة تعيد ذلك العمود فقط."},{"text":"Series بأسماء المنتجات التي يتجاوز سعرها 100، مفهرسة بتسميات صفوفها","why":"صحيح. القناع يختار الصفوف و"name" يختار عمودًا واحدًا، فتكون النتيجة Series."},{"text":"True أو False لكل منتج","why":"هذا هو القناع نفسه، products["unit_price"] > 100، قبل استخدامه في الاختيار."},{"text":"عدد المنتجات التي يتجاوز سعرها 100","why":"العدّ يحتاج .sum() على القناع أو len() على النتيجة."}],"answer":1},{"q":"

أيّ سطر يرفع سعر المنتجات النشطة بنسبة 5% ويحدّث products نفسه بشكل موثوق؟

","options":[{"text":"products[products["is_active"] == 1]["unit_price"] *= 1.05","why":"إسناد متسلسل: التصفية تنشئ جدولًا جديدًا، والتغيير يُطبَّق على تلك النسخة فقط."},{"text":"products["unit_price"][products["is_active"] == 1] *= 1.05","why":"متسلسل أيضًا؛ ومع Copy-on-Write لا يصل أبدًا إلى products."},{"text":"products.unit_price * 1.05","why":"هذا يحسب أسعارًا جديدة لكل منتج ثم يرمي النتيجة."},{"text":"products.loc[products["is_active"] == 1, "unit_price"] *= 1.05","why":"صحيح. استدعاء واحد لـ .loc يسمّي الصفوف والعمود، فيحدث الإسناد على products."}],"answer":3},{"q":"

ما نتيجة s1 + s2؟

\n
Python
s1 = pd.Series([10, 20], index=[\"a\", \"b\"])\ns2 = pd.Series([1, 2], index=[\"b\", \"c\"])
\n","options":[{"text":"a: NaN, b: 21, c: NaN","why":"صحيح. تُطابَق القيم بحسب التسمية؛ وحدها b موجودة في الطرفين، والتسميات الموجودة في طرف واحد تعطي NaN."},{"text":"a: 11, b: 22","why":"هذا جمع بحسب الموقع، ولا تفعله pandas مع Series لها تسميات مختلفة."},{"text":"a: 10, b: 21, c: 2","why":"النظائر المفقودة لا تُعامَل كأصفار؛ استخدم s1.add(s2, fill_value=0) لهذا السلوك."},{"text":"خطأ ValueError لأن الفهرسين مختلفان","why":"تحاذي pandas الفهارس المختلفة بدلًا من إطلاق خطأ."}],"answer":0},{"q":"

تريد كل الطلبات التي جاءت من الويب أو من تطبيق الهاتف. أيّ تصفية هي الخيار الصحيح الأوضح؟

","options":[{"text":"orders[orders["channel"] == "web" or orders["channel"] == "mobile_app"]","why":"الكلمة or تحتاج True/False واحدة، فتُطلق pandas الخطأ ValueError: The truth value of a Series is ambiguous."},{"text":"orders[orders["channel"] == ["web", "mobile_app"]]","why":"مقارنة عمود بقائمة تجري مقارنة عنصرًا بعنصر مع قائمة بطول مختلف، وهذا يُطلق خطأً."},{"text":"orders[orders["channel"].isin(["web", "mobile_app"])]","why":"صحيح. تفحص isin كل قيمة مقابل القائمة، وتُقرأ تمامًا مثل السؤال."},{"text":"orders.loc["web":"mobile_app"]","why":"هذا يقطّع تسميات الصفوف، لا قيم القنوات؛ والفهرس هنا رقم الصف."}],"answer":2}],"s-pda-3":[{"q":"

يُحمَّل عمود كمية على هيئة float64 ويعرض قيمًا مثل 1.0 و2.0. ما التفسير، وما الذي يُبقي العمود أعدادًا صحيحة؟

","options":[{"text":"بعض الكميات كسور؛ قرّبها بـ round().","why":"الكميات هنا أعداد صحيحة؛ النوع يأتي من الخانات الفارغة لا من الكسور."},{"text":"بعض الخلايا فارغة، وNaN الكلاسيكية عدد عشري، وastype("Int64") تحتفظ بالأعداد الصحيحة مع <NA> للفجوات.","why":"صحيح. النوع Int64 القابل للقيم المفقودة صُنع لهذه الحالة بالضبط."},{"text":"تحمّل read_csv الأرقام دائمًا كأعداد عشرية؛ استخدم astype(int).","why":"الأعمدة التي بلا فجوات تُحمَّل على هيئة int64؛ وastype(int) تفشل ما دامت قيم NaN موجودة."},{"text":"الملف تالف؛ أعِد تحميله مع keep_default_na=False.","why":"هذا يُبقي الخانات الفارغة نصوصًا فارغة، فيتحوّل العمود كله إلى نص."}],"answer":1},{"q":"

أنتجت pd.to_numeric(cleaned, errors="coerce") 12 قيمة NaN جديدة. ماذا تفعل بعد ذلك؟

","options":[{"text":"استخدم fillna(0) كي تكتمل المجاميع.","why":"هذا يحوّل 12 قيمة مجهولة إلى أصفار تبدو حقيقية، ويقلّل الإيراد عن حقيقته."},{"text":"احذف الصفوف الـ 12.","why":"قد تكون مبيعات حقيقية بصيغة غير متوقّعة؛ وحذفها يُضيع إيرادًا دون أن تعرف السبب."},{"text":"انتقل إلى astype(float)، فهي أكثر صرامة.","why":"ستُطلق خطأً عند أول قيمة سيئة، وهذا يخبرك بأقل مما تخبرك به قائمة بكل القيم."},{"text":"اطبع النصوص الأصلية لتلك الصفوف ووسّع قاعدة التنظيف لكل صيغة تجدها.","why":"صحيح. الإجبار على التحويل وسيلة للعثور على القيم المشكلة، والنصوص الخام تخبرك بالقاعدة الناقصة."}],"answer":3},{"q":"

ماذا تعيد pd.to_datetime(["03/04/2025", "15/04/2025"], format="%d/%m/%Y")؟

","options":[{"text":"3 أبريل 2025 و15 أبريل 2025","why":"صحيح. الصيغة تقول إن اليوم أولًا، فتُحلَّل القيمتان، والصيغة الصريحة تزيل أي تخمين."},{"text":"4 مارس 2025 وخطأ","why":"هذه قراءة الشهر أولًا، %m/%d/%Y، التي تفشل مع الشهر 15."},{"text":"4 مارس 2025 و15 أبريل 2025","why":"مع صيغة صريحة تُقرأ كل القيم بالطريقة نفسها؛ ولا تبدّل pandas بين قيمة وأخرى."},{"text":"قيمتا NaT","why":"لا تظهر NaT إلا مع errors="coerce" للقيم غير المطابقة؛ والقيمتان مطابقتان."}],"answer":0},{"q":"

دالة التنظيف لديك تحذف المكرّرات أولًا ثم تحذف المسافات من الأسماء بعد ذلك. ما الذي قد يسوء؟

","options":[{"text":"لا شيء؛ ترتيب الخطوات لا يهم.","why":"اكتشاف المكرّرات يقارن القيم مقارنة دقيقة، فالترتيب مهم."},{"text":"ستحذف strip() حروفًا من الأسماء.","why":"لا تحذف strip() إلا المسافات البيضاء في البداية والنهاية."},{"text":"النسخ التي لا تختلف إلا بالمسافات ("Ali Evans" و"Ali Evans ") لا تُعرَف كمكرّرات، فتنجو الاثنتان.","why":"صحيح. نظّف القيم أولًا، ثم ابحث عن المكرّرات."},{"text":"ستُطلق drop_duplicates خطأً على الأعمدة النصية.","why":"إنها تعمل على أي نوع من الأعمدة."}],"answer":2},{"q":"

بعد df["country"] = df["country"].str.title()، ما زالت nunique() تعرض 9 دول بدلًا من 8. ما السبب الأرجح؟

","options":[{"text":"لا تعمل title() مع الأحرف الكبيرة مثل EGYPT.","why":"تعطي "EGYPT".title() القيمة "Egypt"؛ فحالة الأحرف تُعالَج."},{"text":"بعض القيم فيها مسافات في البداية أو النهاية، فتبقى " Egypt" و"Egypt" مختلفتين.","why":"صحيح. يجب أن تأتي str.strip() قبل إصلاح حالة الأحرف (أو معه)."},{"text":"تعدّ nunique() القيم المفقودة دولةً.","why":"تتجاهل nunique() القيم المفقودة افتراضيًا."},{"text":"تحتفظ pandas بالقيم القديمة في الذاكرة المؤقتة حتى يُعاد تحميل الملف.","why":"الإسناد يستبدل العمود فورًا؛ ولا يُخزَّن شيء مؤقتًا."}],"answer":1}],"s-pda-4":[{"q":"

دمجت order_items (3,991 صفًا) دمجًا أيسر مع returns على order_item_id مع indicator=True. 198 صفًا قيمتها both. ماذا تمثّل صفوف left_only؟

","options":[{"text":"مرتجعات ليس لها بند طلب مطابق","why":"تلك ستكون right_only، والربط الأيسر لا يحتفظ بها على أي حال."},{"text":"بنود طلبات أُرجعت مرتين","why":"البند المُرجَع مرتين سينتج صفّي both، لا صف left_only."},{"text":"صفوف فشل الدمج في معالجتها","why":"عمليات الدمج لا تفشل بصمت؛ وleft_only نتيجة طبيعية لها معنى."},{"text":"بنود الطلبات الـ 3,793 التي لم تُرجَع أبدًا","why":"صحيح. كل بند يبقى، والبنود التي ليس لها مرتجع مطابق تُعلَّم بـ left_only."}],"answer":3},{"q":"

تعيد sales.pivot_table(index="channel", columns="year", values="revenue") أرقامًا أصغر بكثير من مجاميع الإيراد. لماذا؟

","options":[{"text":"القيمة الافتراضية لـ aggfunc هي "mean"، فكل خلية هي متوسط إيراد البند، لا المجموع.","why":"صحيح. مرّر aggfunc="sum" للمجاميع؛ وحدّد دالة التجميع صراحةً دائمًا."},{"text":"تُسقط pivot_table الطلبات الملغاة تلقائيًا.","why":"لا تصفّي أبدًا بحسب الحالة؛ إنها تجمّع ما يُعطى لها فقط."},{"text":"القيم بآلاف الدولارات.","why":"لا تغيّر pandas مقياس القيم من تلقاء نفسها أبدًا."},{"text":"حُذفت الصفوف التي سنواتها مفقودة.","why":"حذف بضعة صفوف لا يمكن أن يقلّص كل خلية بهذا القدر، ولا توجد سنوات مفقودة."}],"answer":0},{"q":"

تُطلق orders.resample("ME")["revenue"].sum() الخطأ TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex. ما الإصلاح؟

","options":[{"text":"استخدم "M" بدلًا من "ME".","why":"الاسم المستعار سليم؛ و"M" هي الكتابة المُهمَلة وستصطدم بالخطأ نفسه."},{"text":"رتّب الطلبات بحسب التاريخ أولًا.","why":"الترتيب لا يمنح الجدول فهرسًا من نوع datetime."},{"text":"ضع التواريخ في الفهرس بـ set_index("order_date")، أو مرّر on="order_date" إلى resample.","why":"صحيح. تحتاج resample أن تعرف أيّ قيم التواريخ توزّعها على الحاويات."},{"text":"حوّل الإيراد إلى أعداد صحيحة.","why":"الخطأ يتعلّق بالفهرس، لا بالقيم التي تُجمع."}],"answer":2},{"q":"

يريد فريق البضائع تقسيم المنتجات بحسب السعر إلى خمس مجموعات في كل منها العدد نفسه من المنتجات. أيّ استدعاء يناسب؟

","options":[{"text":"pd.cut(products["unit_price"], 5)","why":"هذا يصنع خمسة نطاقات متساوية العرض؛ ومع وجود بضعة منتجات غالية، تقع معظم العناصر في المجموعة الأولى."},{"text":"pd.qcut(products["unit_price"], 5)","why":"صحيح. تقطع qcut عند المئينات، فتحمل كل مجموعة نحو خُمس المنتجات."},{"text":"products["unit_price"].rank(5)","why":"تُرقّم rank الصفوف؛ ووسيطها الأول ليس عدد مجموعات."},{"text":"products.groupby("unit_price").ngroups","why":"هذا يعدّ الأسعار المختلفة؛ ولا يوزّع المنتجات على مجموعات."}],"answer":1},{"q":"

أيّ استدعاء يعيد الإيراد لكل دولة مع country عمودًا عاديًا بدلًا من الفهرس؟

","options":[{"text":"sales.groupby("country")["revenue"].sum()","why":"هذا يعيد Series فهرسها الدولة."},{"text":"sales.groupby("country").sum("revenue")","why":"هذا يجمع كل الأعمدة الرقمية ويبقى فهرسه الدولة."},{"text":"sales.pivot(index="country", values="revenue")","why":"تحتاج pivot الوسيط columns ولا تجمّع أبدًا، لذا تفشل هنا، وكانت ستفشل أيضًا مع الدول المتكرّرة."},{"text":"sales.groupby("country", as_index=False)["revenue"].sum()","why":"صحيح. تُبقي as_index=False مفتاح المجموعة عمودًا، جاهزًا للدمج أو التصدير."}],"answer":3}],"s-pda-5":[{"q":"

متوسط الصفحات المعروضة في جلسات الويب 4.2 والوسيط 3. يطلب مدير منتج الجلسة “النموذجية”. بماذا تجيب؟

","options":[{"text":"4.2 صفحة، لأن المتوسط يستخدم كل الجلسات","why":"بضع جلسات طويلة تسحب المتوسط إلى الأعلى، فلا يصف أي زائر نموذجي."},{"text":"متوسط الرقمين، 3.6 صفحة","why":"أخذ متوسط إحصاءين ينتج رقمًا بلا معنى."},{"text":"3 صفحات، أي الوسيط، ويُفضَّل مع نطاق مثل الرُّبيعين","why":"صحيح. في البيانات الملتوية يكون الوسيط هو القيمة النموذجية، والرُّبيعان يُظهران التشتّت."},{"text":"الحد الأقصى، لإظهار ما هو ممكن","why":"الحد الأقصى يصف جلسة متطرّفة واحدة، لا جلسة نموذجية."}],"answer":2},{"q":"

الارتباط بين added_to_cart وpurchased عبر الجلسات يساوي 0.62. أيّ استنتاج سليم؟

","options":[{"text":"الجلسات التي تضيف إلى السلة أكثر احتمالًا بكثير أن تنتهي بشراء، وهذا يجعل السلة خطوة مفيدة للتتبّع في مسار الشراء.","why":"صحيح. يصف الارتباط علاقة قوية؛ والشراء يتطلّب عادةً سلة، فالنمط متوقّع."},{"text":"الإضافة إلى السلة تسبّب 62% من المشتريات.","why":"معامل الارتباط ليس نسبة من النتائج، ولا يقول شيئًا عن السبب وحده."},{"text":"62% من الجلسات تضيف إلى السلة.","why":"هذا سيكون متوسط added_to_cart، وهو رقم مختلف."},{"text":"العمودان لا علاقة بينهما.","why":"0.62 تشير إلى علاقة موجبة قوية نسبيًا."}],"answer":0},{"q":"

من الشهر A إلى الشهر B: الإيراد زاد 20%، والطلبات زادت 20%، ومتوسط قيمة الطلب لم يتغيّر. ما الذي قاد النمو؟

","options":[{"text":"سلال أكبر","why":"متوسط قيمة الطلب لم يتغيّر، فلا يستطيع حجم السلة تفسير أي شيء هنا."},{"text":"أسعار أعلى","why":"الأسعار الأعلى كانت ستظهر في متوسط قيمة طلب أعلى، وقد بقي ثابتًا."},{"text":"لا يمكن تحديد ذلك دون بيانات العملاء.","why":"التفكيك يجيب عن ذلك على هذا المستوى أصلًا؛ وبيانات العملاء ستقسّمه أكثر."},{"text":"طلبات أكثر بالحجم المتوسط نفسه","why":"صحيح. الإيراد = الطلبات × متوسط قيمة الطلب، ولم يتحرّك إلا عدد الطلبات."}],"answer":3},{"q":"

تحتاج إلى عرض إيراد ثمانية أرباع كي يقارن مجلس الإدارة أحجامها. أيّ رسم بياني تختار؟

","options":[{"text":"رسم دائري من ثماني شرائح","why":"الرسوم الدائرية تخفي الترتيب الزمني، وتجعل ثماني شرائح متقاربة صعبة المقارنة."},{"text":"أعمدة رأسية بالترتيب الزمني، تبدأ من الصفر","why":"صحيح. الأعمدة تقارن المبالغ، والترتيب الزمني يُظهر الاتجاه، وخط الأساس عند الصفر يُبقي الأطوال صادقة."},{"text":"رسم خطي يبدأ محوره الرأسي من أصغر ربع","why":"التقريب يخفي حجم كل ربع؛ ولمقارنة المبالغ ابدأ من الصفر."},{"text":"مدرّج تكراري للإيراد الفصلي","why":"المدرّج التكراري يُظهر كيف تتوزّع القيم، ويُضيع أيّ ربع هو أيّ ربع."}],"answer":1},{"q":"

يتوقّف Restart and Run All بالخطأ NameError: name 'clean_orders' is not defined، مع أن الـ notebook كان يعمل قبل ساعة. ما الذي حدث؟

","options":[{"text":"حُذفت الخلية التي تعرّف clean_orders أو نُقلت تحت الخلية التي تستخدمها؛ وكانت الدالة موجودة فقط في الجلسة القديمة.","why":"صحيح. الحالة المخفية أخفت المشكلة؛ عرّف الدوال قبل استخدامها، أو استوردها من ملف .py."},{"text":"رُقّيت pandas خلال تلك الساعة.","why":"الترقية لن تجعل اسم دالتك أنت غير معرَّف."},{"text":"أُعيدت تسمية ملف CSV.","why":"الملف المفقود يُطلق FileNotFoundError، لا NameError."},{"text":"لا يدعم Restart and Run All الدوال.","why":"إنه يشغّل كل الخلايا بالترتيب، ومنها تعريفات الدوال."}],"answer":0}]},"final":[{"q":"

ماذا تعيد sum(float(v.replace(",", "")) for v in ["1,234.50", "99.00"])؟

","options":[{"text":""1,234.5099.00"","why":"تُحوَّل القيم إلى أعداد عشرية قبل الجمع، فلا تُلصق أي نصوص."},{"text":"خطأ ValueError","why":"تُحذف الفواصل قبل أن ترى float() النص، فينجح التحويلان."},{"text":"1333.5","why":"صحيح. يُنظَّف كل نص ويُحوَّل، ثم تُجمع الأعداد العشرية."},{"text":"1234.5","why":"الـ generator يغطي القيمتين، فتُضاف 99.0 أيضًا."}],"answer":2},{"q":"

cancelled = orders[orders["status"] == "cancelled"] على طلبات Cartwheel. ما قيمة cancelled.shape؟

","options":[{"text":"(2066, 7)","why":"التصفية لا تحتفظ إلا بالصفوف المطابقة؛ أما الجدول الكامل ففيه 2,066."},{"text":"(105, 7)","why":"صحيح. أُلغي 105 طلبات، وتصفية الصفوف تحتفظ بالأعمدة السبعة كلها."},{"text":"(105,)","why":"هذا شكل Series؛ وتصفية DataFrame تعيد DataFrame."},{"text":"(7, 105)","why":"الشكل دائمًا الصفوف أولًا ثم الأعمدة."}],"answer":1},{"q":"

تعيد messy["total"].sum() نصًا طويلًا بدلًا من رقم. أيّ خطوة أولى تشخّص المشكلة؟

","options":[{"text":"messy["total"].round(2)","why":"تقريب النص غير ممكن؛ فهو يُطلق TypeError بدلًا من أن يفسّر شيئًا."},{"text":"messy.drop_duplicates()","why":"المكرّرات تغيّر حجم المجموع، لا نوعه."},{"text":"messy["total"].fillna(0)","why":"ملء الخانات الفارغة لا يحوّل النص إلى أرقام."},{"text":"messy["total"].dtype ونظرة على بضع قيم، تكشفان نصًا مثل "$65.00"","why":"صحيح. النوع object في عمود أرقام يعني أن بعض القيم فيها حروف غير رقمية."}],"answer":3},{"q":"

يمكن لتذاكر الدعم أن تشير إلى طلب، ويمكن أن يكون للطلب الواحد عدة تذاكر. أيّ validate تناسب orders.merge(tickets, on="order_id")؟

","options":[{"text":""one_to_many"","why":"صحيح. كل معرّف طلب يظهر مرة واحدة في orders، وربما عدة مرات في tickets."},{"text":""many_to_one"","why":"هذه تؤكّد أن مفاتيح الطرف الأيمن فريدة؛ ومعرّفات الطلبات في التذاكر تتكرّر، فستُطلق MergeError."},{"text":""one_to_one"","why":"معرّفات الطلبات في التذاكر تتكرّر، فهذه تُطلق خطأً."},{"text":"لا يمكن التحقّق لهذا الزوج من الجداول.","why":"التحقّق يعمل مع أيّ عملية دمج؛ وأنت تختار العلاقة التي تتوقّعها."}],"answer":0},{"q":"

تحتاج عدد الطلبات لكل عميل، لكن ليس بين يديك إلا order_items (صف لكل بند). أيّ تجميع هو الصحيح؟

","options":[{"text":"items.groupby("customer_id").size()","why":"ليس في order_items عمود customer_id، وsize() على البنود ستعدّ البنود لا الطلبات."},{"text":"items.groupby("order_id").size()","why":"هذا يعدّ البنود لكل طلب، لا الطلبات لكل عميل."},{"text":"ادمج customer_id من orders، ثم groupby("customer_id")["order_id"].nunique()","why":"صحيح. معرّفات الطلبات المختلفة لكل عميل تعدّ الطلبات، أيًّا كان عدد بنود كل منها."},{"text":"items["order_id"].value_counts()","why":"هذا البنود لكل طلب مرة أخرى."}],"answer":2},{"q":"

monthly هي الإيراد لكل شهر في 2024 و2025. أيّ تعبير يقارن كل شهر بالشهر نفسه قبل سنة؟

","options":[{"text":"monthly.pct_change()","why":"هذا يقارن كل شهر بالشهر الذي قبله، فيخلط معه الموسمية."},{"text":"monthly.pct_change(12)","why":"صحيح. اثنتا عشرة فترة إلى الوراء هي الشهر نفسه في العام الماضي."},{"text":"monthly.rolling(12).mean()","why":"المتوسط المتحرك ينعّم السلسلة؛ ولا يقارن الفترات."},{"text":"monthly.diff()","why":"تعطي diff التغيّرات من شهر إلى شهر بالدولار."}],"answer":1},{"q":"

ما التسمية التي تعطيها pd.cut([100], bins=[0, 100, 200]) للقيمة 100؟

","options":[{"text":"(100, 200]","why":"الفئات مغلقة من اليمين افتراضيًا، فتنتمي 100 إلى الفئة التي تنتهي عند 100."},{"text":"NaN","why":"تقع 100 داخل الحدود، فتحصل على تسمية."},{"text":"[100, 200)","why":"فئة مغلقة من اليسار كهذه تحتاج right=False؛ والقيمة الافتراضية تغلق الفئات من اليمين."},{"text":"(0, 100]","why":"صحيح. مع القيمة الافتراضية right=True، تشمل كل فئة حدّها الأيمن."}],"answer":3},{"q":"

أُضيف بالخطأ طلب واحد بقيمة 50,000 دولار إلى جدول من 2,000 طلب عادي. أيّ إحصاء بالكاد يتغيّر؟

","options":[{"text":"الوسيط","why":"صحيح. قيمة متطرّفة واحدة تحرّك الموقع الأوسط بصف واحد على الأكثر، فلا يكاد الوسيط يتحرّك."},{"text":"المتوسط","why":"يرتفع المتوسط بنحو 25 دولارًا، وهذا تحوّل كبير لطلب نموذجي قيمته بضع مئات."},{"text":"الانحراف المعياري","why":"قيمة متطرّفة واحدة تضخّم الانحراف المعياري كثيرًا."},{"text":"الحد الأقصى","why":"يقفز الحد الأقصى مباشرة إلى الطلب الخاطئ بقيمة 50,000 دولار."}],"answer":0},{"q":"

السطر q4 = orders[in_q4] ثم q4["flag"] = True. ماذا يحدث لـ orders مع Copy-on-Write؟

","options":[{"text":"يكتسب orders عمودًا flag قيمته True لصفوف الربع الرابع.","why":"الجدول المُصفّى يتصرّف كنسخة؛ والتغييرات عليه لا ترجع أبدًا إلى الأصل."},{"text":"تُطلق pandas خطأً لأن q4 عرض (view).","why":"إسناد عمود جديد إلى q4 مسموح؛ لكنه يؤثّر في q4 وحده."},{"text":"لا شيء؛ وحده q4 يحصل على العمود الجديد.","why":"صحيح. لوضع علامة على صفوف داخل orders، استخدم orders.loc[in_q4, "flag"] = True."},{"text":"يحصل orders على عمود flag مملوء بـ True لكل الصفوف.","why":"لا يُكتب شيء في orders إطلاقًا."}],"answer":2},{"q":"

تعمل df["order_date"].str.contains("2025")، لكن df["order_date"].dt.year تفشل. ماذا يخبرك ذلك؟

","options":[{"text":"العمود يحمل تواريخ مع منطقة زمنية.","why":"أعمدة التواريخ تدعم .dt.year، مع منطقة زمنية أو بدونها."},{"text":"العمود ما زال نصًا ويحتاج pd.to_datetime قبل عمليات التاريخ.","why":"صحيح. عمل .str وفشل .dt هو بصمة التواريخ المخزّنة كنصوص."},{"text":"التواريخ ملتبسة.","why":"الالتباس يؤثّر في طريقة تحليل النص؛ ولا يمنع عمود تواريخ من استخدام .dt."},{"text":"العمود فيه قيم مفقودة.","why":"القيم المفقودة تصبح NaT في عمود التواريخ ولا تكسر .dt."}],"answer":1},{"q":"

ارتفع إيراد ربع ما بنسبة 30%. وارتفع العملاء النشطون 30%؛ بينما بقيت الطلبات لكل عميل ومتوسط قيمة الطلب ثابتة. ما أفضل تلخيص؟

","options":[{"text":"أنفق العملاء أكثر في كل طلب.","why":"متوسط قيمة الطلب بقي ثابتًا."},{"text":"طلب العملاء بوتيرة أعلى.","why":"الطلبات لكل عميل بقيت ثابتة."},{"text":"ارتفعت الأسعار.","why":"ارتفاع الأسعار كان سيرفع متوسط قيمة الطلب، ولم يتغيّر."},{"text":"جاء النمو من وجود عملاء نشطين أكثر، يتصرّف كلٌّ منهم كما كان من قبل.","why":"صحيح. الإيراد = العملاء × الطلبات لكل عميل × متوسط قيمة الطلب، ولم يتحرّك إلا عدد العملاء."}],"answer":3},{"q":"

أيّ عادة تحمي أكثر من غيرها تقريرًا شهريًا متكرّرًا من الإبلاغ بصمت عن أرقام خاطئة حين تتغيّر صيغة ملف الشهر القادم؟

","options":[{"text":"دالة تنظيف تنتهي بـ assertions عن المعرّفات والتواريخ والمجاميع والقيم المسموح بها","why":"صحيح. حين تتغيّر الصيغة، يوقف assertion التشغيل برسالة بدلًا من ترك البيانات السيئة تصل إلى التقرير."},{"text":"تقريب كل رقم إلى دولارات صحيحة","why":"التقريب يخفي الفروق الصغيرة؛ ولا يكتشف مُدخلًا معطوبًا."},{"text":"تشغيل خلايا الـ notebook بترتيب مختلف كل شهر","why":"هذا يجعل النتائج أقل قابلية لإعادة الإنتاج، لا أكثر."},{"text":"استخدام errors="coerce" في كل مكان كي لا يتعطّل شيء","why":"الإجبار على التحويل دون فحوص يحوّل تغيّرات الصيغة إلى قيم NaN صامتة، وهو بالضبط الفشل الذي تريد التقاطه."}],"answer":0}],"glossary":[{"id":"variable","term":"المتغيّر (variable)","definition":"اسم يُربط بقيمة باستخدام =، مثل unit_price = 39، كي يمكن استخدام القيمة لاحقًا؛ يُحسب الطرف الأيمن أولًا، ثم يشير الاسم إلى النتيجة.","lesson":"l-pda-1-2"},{"id":"dtype","term":"dtype","definition":"نوع البيانات المشترك بين كل القيم في عمود pandas، مثل int64 أو float64 أو object (نص) أو bool أو datetime64؛ والنوع الخاطئ وراء كثير من أخطاء البيانات.","lesson":"l-pda-2-1"},{"id":"dictionary","term":"القاموس (dictionary)","definition":"حاوية في Python من أزواج المفتاح والقيمة، مثل اسم منتج مربوط بسعره؛ تبحث عن القيم بالمفتاح باستخدام d[key] أو d.get(key, default).","lesson":"l-pda-1-3"},{"id":"list-comprehension","term":"List comprehension","definition":"طريقة لبناء قائمة في سطر واحد، [expr for x in items if condition]، تطبّق تعبيرًا على كل عنصر، وتصفّي اختياريًا العناصر التي يُحتفظ بها.","lesson":"l-pda-1-4"},{"id":"f-string","term":"f-string","definition":"نص يسبقه الحرف f ويضع القيم بين أقواس معقوفة مع تنسيق اختياري، مثل f"{revenue:,.2f}" لتعطي 1,234.50 أو f"{share:.1%}" لتعطي 12.5%.","lesson":"l-pda-1-5"},{"id":"traceback","term":"Traceback","definition":"التقرير الذي تطبعه Python حين يوقف استثناءٌ البرنامج؛ اقرأه من الأسفل، حيث يسمّي السطر الأخير نوع الخطأ ورسالته، ثم اصعد إلى السطر الذي فشل.","lesson":"l-pda-1-5"},{"id":"series","term":"Series","definition":"مصفوفة أحادية البعد من القيم في pandas مع فهرس من التسميات؛ والعمود الواحد في الـ DataFrame هو Series.","lesson":"l-pda-2-1"},{"id":"dataframe","term":"DataFrame","definition":"جدول pandas: أعمدة من نوع Series تتشارك فهرس صفوف واحدًا، مع methods لتحميل البيانات واختيارها وتصفيتها وتجميعها ودمجها وإعادة تشكيلها.","lesson":"l-pda-2-1"},{"id":"index-alignment","term":"محاذاة الفهرس (index alignment)","definition":"قاعدة pandas التي تجعل العمليات بين Series أو DataFrame وآخر تطابق القيم بحسب تسمية الفهرس لا بحسب الموقع؛ والتسميات الموجودة في طرف واحد فقط تنتج NaN.","lesson":"l-pda-2-1"},{"id":"loc-iloc","term":"loc و iloc","definition":"أداتا الاختيار الدقيقتان في pandas: .loc[rows, columns] تختار بالتسمية وتشمل نهاية الشريحة، بينما .iloc تختار بالموقع العددي وتستبعدها.","lesson":"l-pda-2-3"},{"id":"boolean-mask","term":"القناع المنطقي (boolean mask)","definition":"Series من قيم True و False، تأتي عادةً من مقارنة، وتُستخدم لاختيار الصفوف بـ df[mask]؛ مجموعها يعدّ المطابقات ومتوسطها يعطي حصتها.","lesson":"l-pda-2-4"},{"id":"chained-assignment","term":"الإسناد المتسلسل (chained assignment)","definition":"الإسناد عبر عمليتي اختيار، مثل df["col"][mask] = value؛ قد يغيّر نسخة مؤقتة بدلًا من الـ DataFrame، فاستخدم بدلًا منه استدعاءً واحدًا لـ .loc.","lesson":"l-pda-2-5"},{"id":"copy-on-write","term":"Copy-on-Write","definition":"سلوك في pandas، افتراضي منذ الإصدار 3.0 واختياري في 2.x، تتصرّف فيه كل عملية اختيار كنسخة، فتكون الطريقة الوحيدة لتغيير DataFrame هي الإسناد إليه مباشرة.","lesson":"l-pda-2-5"},{"id":"nan","term":"NaN","definition":"اختصار لعبارة “ليس رقمًا” (not a number): العلامة الكلاسيكية في pandas للقيمة المفقودة في الأعمدة العشرية؛ لا تساوي أي شيء، فافحص وجودها بـ isna().","lesson":"l-pda-3-1"},{"id":"nullable-dtype","term":"النوع القابل للقيم المفقودة (nullable dtype)","definition":"نوع في pandas مثل Int64 أو Float64 أو boolean أو string يخزّن القيم المفقودة على هيئة pd.NA، فتبقى الأعمدة الصحيحة أعدادًا صحيحة حتى مع وجود فجوات.","lesson":"l-pda-3-1"},{"id":"str-accessor","term":"الـ accessor المسمّى str","definition":"الخاصية .str في Series نصية، وتطبّق methods النصوص مثل strip وtitle وreplace وsplit وcontains على كل القيم دفعة واحدة.","lesson":"l-pda-3-2"},{"id":"regular-expression","term":"التعبير النمطي (regular expression)","definition":"لغة أنماط للنصوص تحمل فيها حروف مثل $ و. معاني خاصة؛ مرّر regex=False لمعاملتها كحروف عادية.","lesson":"l-pda-3-3"},{"id":"ambiguous-date","term":"التاريخ الملتبس (ambiguous date)","definition":"نص تاريخ مثل 05/08/2025 يكون صالحًا وفق قراءة اليوم أولًا وقراءة الشهر أولًا معًا؛ ووحدها المعلومات الخارجية تحسم أيّهما الصحيح.","lesson":"l-pda-3-4"},{"id":"assertion","term":"Assertion","definition":"جملة assert condition, message لا تفعل شيئًا حين يتحقّق الشرط، وتوقف البرنامج بالرسالة حين يفشل؛ تُستخدم لتحديد ما يجب أن تبدو عليه البيانات النظيفة.","lesson":"l-pda-3-5"},{"id":"groupby","term":"التجميع (groupby)","definition":"عملية pandas التي تقسم الصفوف إلى مجموعات بحسب مفتاح، وتطبّق حسابًا على كل مجموعة، وتضمّ النتائج في جدول واحد (split-apply-combine).","lesson":"l-pda-4-1"},{"id":"named-aggregation","term":"الحسابات التجميعية المسمّاة (named aggregation)","definition":"صيغة من agg تسمّي فيها كل كلمة مفتاحية عمودًا ناتجًا، وقيمتها زوج (عمود، دالة)، مثل revenue=("revenue", "sum").","lesson":"l-pda-4-1"},{"id":"merge","term":"الدمج (merge)","definition":"method في pandas تدمج جدولين جنبًا إلى جنب بمطابقة قيم المفتاح؛ وhow تحدّد نوع الربط، وvalidate تتحقّق من علاقة المفاتيح المتوقّعة.","lesson":"l-pda-4-2"},{"id":"join-type","term":"نوع الربط (join type)","definition":"القاعدة الخاصة بالمفاتيح غير المطابقة في عملية الدمج: inner يحتفظ بالمفاتيح الموجودة في الطرفين، و left بكل صف أيسر، و right بكل صف أيمن، و outer بكل المفاتيح.","lesson":"l-pda-4-2"},{"id":"long-wide","term":"البيانات الطويلة والعريضة (long and wide)","definition":"شكلان للبيانات نفسها: الطويلة فيها صف لكل ملاحظة، والعريضة تنشر متغيّرًا واحدًا عبر الأعمدة؛ تنقل pivot_table من الطويل إلى العريض، وتعيد melt العكس.","lesson":"l-pda-4-3"},{"id":"resample","term":"resample","definition":"method في pandas تجمّع الصفوف ذات فهرس التواريخ في فترات منتظمة مثل الأيام أو الأسابيع (W) أو نهايات الأشهر (ME) أو نهايات الأرباع (QE)، بما في ذلك الفترات الفارغة.","lesson":"l-pda-4-4"},{"id":"year-over-year","term":"النمو السنوي (year-over-year)","definition":"التغيّر مقارنةً بالفترة نفسها قبل سنة، مثل pct_change(4) على البيانات الفصلية؛ وهو يزيل الأنماط الموسمية من المقارنة.","lesson":"l-pda-4-4"},{"id":"qcut","term":"qcut","definition":"دالة في pandas تقسم القيم إلى مجموعات متساوية الحجم تقريبًا عند المئينات، مثل الرُّبيعات، بخلاف cut التي تستخدم حدودًا تختارها أنت.","lesson":"l-pda-4-5"},{"id":"median","term":"الوسيط (median)","definition":"القيمة الوسطى في عمود مرتّب، ونصف القيم أقل منها؛ وفي البيانات الملتوية مثل قيم الطلبات تصف القيمة النموذجية أفضل من المتوسط.","lesson":"l-pda-5-1"},{"id":"correlation","term":"الارتباط (correlation)","definition":"رقم بين ‎-1 و1 يقيس مدى قوة تحرّك عمودين رقميين معًا في نمط خطي؛ وهو يدلّ على علاقة مصاحبة، لا على سبب.","lesson":"l-pda-5-1"},{"id":"reproducible-analysis","term":"التحليل القابل لإعادة الإنتاج (reproducible analysis)","definition":"تحليل يستطيع أيّ شخص إعادة تشغيله من الملفات الخام، من الأعلى إلى الأسفل، دون خطوات يدوية، ويحصل على النتائج نفسها، باستخدام المُعامِلات والدوال والـ assertions.","lesson":"l-pda-5-4"}]}