يرسل لك رئيس النمو الملف orders.csv ويطلب “رقم إيراد سريعًا”. أسرع طريقة لتقديم إجابة خاطئة هي أن تحمّل الملف وتجمع عمودًا مباشرة. كل محلل خبير يفعل الشيء نفسه أولًا: ينظر إلى البيانات. لا ينظر إليها كلها، بل يجري بضعة فحوص مقصودة تستغرق ثلاثين ثانية وتلتقط معظم المشكلات قبل أن تصل إلى شريحة عرض.
import pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\nprint(orders.shape)\nprint(orders.head().to_string())تقرأ read_csv صف العناوين على أنه أسماء الأعمدة، وتخمّن نوع كل عمود، وتعيد DataFrame. تعرض head() أول خمسة صفوف (head(10) تعرض عشرة، وtail() تعرض الأخيرة، وsample(5) تعرض خمسة عشوائيًا، وهي أفضل في كشف الغرائب من الصفوف الأولى). أما .to_string() فتطبع كل الأعمدة بدلًا من إخفاء الوسطى منها خلف ....
2,066 صفًا و7 أعمدة. قبل أن تكمل، قل بصوت عالٍ ما تتوقّعه: صف لكل طلب، ومعرّف الطلب، والعميل، والتاريخ، والحالة، والقناة، وكوبون اختياري، ورسوم الشحن. الفحوص التالية تؤكّد كل توقّع أو تنفيه.
\nimport pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\norders.info()تطبع info() بنفسها، دون حاجة إلى print(). اقرأها عمودًا عمودًا. يخبرك Non-Null Count بعدد الصفوف التي فيها قيمة: للعمود coupon_code قيم في 388 صفًا من 2,066، فمعظم الطلبات لم تستخدم كوبونًا. ويخبرك Dtype بما فهمته pandas من كل عمود: المعرّفات int64، والرسوم float64، وكل ما عدا ذلك object، أي نص.
وهذا يشمل order_date. حين تُخزَّن التواريخ كنصوص، فإنها لا تُرتَّب ترتيبًا صحيحًا إلا لأن هذا الملف يكتبها بالسنة أولًا مصادفةً، ولا تستطيع الإجابة عن سؤال “أيّ شهر؟”. اطلب من read_csv أن تحلّلها أثناء التحميل:
import pandas as pd\n\norders = pd.read_csv(\"orders.csv\", parse_dates=[\"order_date\"])\nprint(orders.dtypes)\nprint(orders[\"order_date\"].min(), \"to\", orders[\"order_date\"].max())الآن أصبح العمود datetime64[ns]، وتؤكّد min() وmax() أن البيانات تمتد من 2 يناير 2024 إلى 30 ديسمبر 2025. فحص النطاق الزمني لكل ملف جديد عادة تستحق أن تكتسبها: شهر مفقود أو تاريخ شارد في 1970 يظهران فورًا.
import pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\nprint(orders.describe().round(2))تعطيك describe() العدد والمتوسط والانحراف المعياري والحد الأدنى والأرباع (quartiles) والحد الأقصى لكل عمود رقمي. رسوم الشحن تتراوح بين 0 و9.99 بوسيط 4.99: أرقام معقولة. لكنها أيضًا تعرض بأمانة متوسطًا لـ customer_id قدره 300.47، وهذا لا يعني شيئًا. المعرّفات تسميات تصادف أنها أرقام. اقرأ describe() فقط للأعمدة التي يكون للحساب فيها معنى، واستخدمها لتلتقط القيم المستحيلة: كميات سالبة، أو أسعار صفرية، أو حد أقصى يساوي مئة ضعف الوسيط.
import pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\nprint(orders[\"status\"].value_counts())\nprint(orders[\"coupon_code\"].value_counts(dropna=False))\nprint(orders[\"channel\"].value_counts(normalize=True).round(3))تسرد value_counts() كل قيمة مختلفة مع عدد مرات ظهورها، الأكثر شيوعًا أولًا. بها تجد الأخطاء الكتابية ("Web" بجانب "web")، والفئات غير المتوقّعة، وحجم كل مجموعة. يُدرج dropna=False القيم المفقودة كصف مستقل، ويعطيك normalize=True الحصص بدلًا من الأعداد: 55% من الطلبات جاءت عبر الويب.
لاحظ أن 105 طلبات أُلغيت. هل يجب أن يشملها الإيراد؟ هذا قرار عمل لا قرار برمجي، وستتخذه صراحةً في القسم 4. والفحص هو المكان الذي تظهر فيه هذه القرارات لأول مرة.
\nأخيرًا، حوّل توقّعاتك إلى فحوص من سطر واحد:
\nimport pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\ncustomers = pd.read_csv(\"customers.csv\")\nprint(orders[\"order_id\"].is_unique) # one row per order?\nprint(orders[\"customer_id\"].nunique(), \"customers ordered\")\nprint(len(customers), \"customers in total\")\nprint(customers[\"referred_by\"].dtype)معرّف الطلب فريد، فالصف الواحد هو فعلًا طلب واحد. 515 عميلًا من 600 طلبوا مرة واحدة على الأقل؛ والـ 85 الآخرون سجّلوا ولم يشتروا أبدًا، وهذا مهم لاحقًا حين تحسب “الإيراد لكل عميل”. وقد حُمّل referred_by على هيئة float64 مع أنه يحمل معرّفات عملاء: معظم العملاء لم يُحالوا من أحد، فأصبحت الخانات الفارغة NaN، وNaN في pandas الكلاسيكية عدد عشري، فصار العمود كله عشريًا.
في التمرين تطبّق الروتين على customers.csv. وفي الدرس التالي تتعلّم استخراج الصفوف والأعمدة التي تحتاجها بالضبط باستخدام .loc و.iloc.
pd.read_csv("file.csv") تحمّل جدولًا؛ وparse_dates=[...] تحوّل أعمدة التواريخ إلى تواريخ حقيقية أثناء التحميل.","طبّق الروتين نفسه على كل ملف جديد - shape ثم head() ثم info() ثم describe()، ثم value_counts() على الأعمدة النصية.","تعرض info() نوع كل عمود (dtype) وعدد قيمه غير الفارغة، فتكشف القيم المفقودة والأرقام المخزّنة كنصوص.","العمود الصحيح الذي فيه خانات فارغة يُحمَّل على هيئة float64، لأن NaN الكلاسيكية عدد عشري.","تحقّق بالكود من الحقائق التي ستعتمد عليها، مثل أن المعرّف فريد، بسطر مثل orders["order_id"].is_unique."],"further":[{"title":"pandas.read_csv","url":"https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html"},{"title":"pandas.DataFrame.info","url":"https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.info.html"},{"title":"pandas.Series.value_counts","url":"https://pandas.pydata.org/docs/reference/api/pandas.Series.value_counts.html"}],"quiz":[{"q":"تعرض info() السطر coupon_code 388 non-null object لجدول فيه 2,066 صفًا. ماذا يخبرك ذلك؟
nunique() هي التي تعدّ القيم المختلفة."},{"text":"فشل تحميل 388 صفًا فحُذفت.","why":"تحتفظ read_csv بكل الصفوف؛ الصفوف الـ 1,678 الأخرى موجودة لكن الكوبون فيها مفقود."},{"text":"1,678 طلبًا بلا كود كوبون، والبقية تحمل نصًا.","why":"صحيح. 2,066 ناقص 388 قيم مفقودة، وobject تعني أن القيم المخزّنة نصوص (أو خليط)."},{"text":"يجب تحويل العمود إلى أرقام.","why":"أكواد الكوبونات مثل WELCOME10 تسميات؛ وobject هو النوع المناسب لها في pandas 2."}],"answer":2},{"q":"تعرض describe() القيمة mean 300.47 للعمود customer_id. كيف تقرأ ذلك؟
describe() كل عمود رقمي، ومنها المعرّفات. اقرأها فقط للأعمدة التي يكون للحساب فيها معنى."},{"text":"العميل رقم 300 هو العميل النموذجي.","why":"متوسط التسميات لا يحدّد أي شيء نموذجي. ستحتاج سؤالًا مختلفًا وحسابًا مختلفًا."}],"answer":1},{"q":"في customers.csv يحمل العمود referred_by معرّفات عملاء، لكنه يُحمَّل على هيئة float64. لماذا؟
read_csv أعمدة المعرّفات دائمًا كأعداد عشرية.","why":"العمود customer_id في الملف نفسه يُحمَّل على هيئة int64. الفرق هو القيم المفقودة."},{"text":"في العمود خانات فارغة تُحمَّل على هيئة NaN، وNaN الكلاسيكية لا توجد إلا في الأعمدة العشرية.","why":"صحيح. 503 عملاء لم يُحالوا من أحد، فتستخدم pandas النوع float64 لتحمل NaN. ويعرض الدرس 3.1 النوع Int64 القابل للقيم المفقودة الذي يتجنّب ذلك."}],"answer":2}],"exercise":{"kind":"python","files":["customers.csv"],"starter":"import pandas as pd\n\n# Load customers.csv with signup_date parsed as a date\ncustomers = None\n\nn_rows = None # number of customers (rows)\nn_countries = None # how many distinct countries\ntop_country = None # the country with the most customers\nmissing_referrals = None # how many rows have no referred_by value\nfirst_signup = None # the earliest signup_date\n","solution":"import pandas as pd\n\ncustomers = pd.read_csv(\"customers.csv\", parse_dates=[\"signup_date\"])\ncustomers.info()\n\nn_rows = len(customers)\nn_countries = customers[\"country\"].nunique()\ntop_country = customers[\"country\"].value_counts().idxmax()\nmissing_referrals = customers[\"referred_by\"].isna().sum()\nfirst_signup = customers[\"signup_date\"].min()\n","checks":[{"id":"loaded","test":"isinstance(customers, pd.DataFrame) and customers.shape == (600, 9)"},{"id":"dates-parsed","test":"pd.api.types.is_datetime64_any_dtype(customers['signup_date'])"},{"id":"counts","test":"n_rows == 600 and n_countries == 8"},{"id":"top-country","test":"top_country == 'United States'"},{"id":"missing","test":"int(missing_referrals) == 503"},{"id":"first-signup","test":"str(pd.Timestamp(first_signup).date()) == '2024-01-01'"}],"title":"افحص جدول العملاء","prompt":"حمّل customers.csv إلى customers، مع تحليل signup_date كتاريخ أثناء التحميل. ثم أجب عن خمسة أسئلة بالكود: n_rows (عدد الصفوف)، وn_countries (عدد الدول المختلفة)، وtop_country (الدولة التي فيها أكبر عدد من العملاء)، وmissing_referrals (عدد الصفوف التي ليس فيها referred_by)، وfirst_signup (أقدم تاريخ تسجيل).
pd.read_csv("customers.csv", parse_dates=["signup_date"]) تحمّل وتحوّل في خطوة واحدة.","nunique() تعدّ القيم المختلفة؛ وvalue_counts() ترتّب بحسب العدد، فتكون أول تسمية فيها هي الأكثر شيوعًا.","customers["referred_by"].isna().sum() تعدّ الخانات الفارغة: True تُحسب 1. وcustomers["signup_date"].min() تعطي أقدم تاريخ."],"explanation":"تعدّ len(df) الصفوف، وتؤكّد nunique() أن Cartwheel تبيع لثماني دول بالضبط، فلا توجد كتابات مختلفة مختبئة في هذا الجدول النظيف (أما الملف الفوضوي فقصة أخرى). وتعيد value_counts().idxmax() التسمية صاحبة أعلى عدد: الولايات المتحدة، بـ 104 عملاء. جمع Series منطقية يعدّ قيم True فيها، وهذه الطريقة المعتادة لعدّ الخانات الفارغة. ولأن signup_date حُلّل كتاريخ، تقارن min() تواريخ حقيقية لا نصوصًا، وتعيد Timestamp، وهو نوع التاريخ والوقت في pandas.
customers 600 صف و9 أعمدة","dates-parsed":"signup_date عمود من نوع datetime","counts":"600 صف و8 دول","top-country":"الدولة الأولى هي الولايات المتحدة","missing":"503 عملاء ليست لديهم إحالة","first-signup":"أول تسجيل كان في 2024-01-01"}},"words":641,"readMinutes":4}