كيفية فحص أنواع البيانات في Pandas؟

بالتأكيد، عزيزي القارئ، في مكتبة Pandas الرائعة هناك طرق عديدة لفحص أنواع البيانات في جميع الأعمدة في إطار البيانات. يمكننا استخدام العديد من الطرق المختلفة لتحقيق ذلك بسهولة.

أولًا، يمكنك استخدام الخاصية dtypes المدمجة للإطار البيانات للحصول على سلسلة تحتوي على أنواع البيانات لكل عمود. يمكنك استدعاء هذه الخاصية كما هو موضح في المثال التالي:

pythonCopy code
import pandas as pd

# قم بإنشاء إطار بيانات تجريبي
data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['x', 'y', 'z']}
df = pd.DataFrame(data)

# اطبع أنواع البيانات لكل عمود
print(df.dtypes)

هذا سيطبع أنواع البيانات لكل عمود في الإطار البيانات.

ثانيًا، يمكنك استخدام الطريقة info() للإطار البيانات للحصول على معلومات مفصلة تشمل أنواع البيانات بالإضافة إلى معلومات أخرى مثل العدد الكلي للقيم غير المفقودة في كل عمود. يمكنك استدعاء هذه الطريقة كما هو موضح في المثال التالي:

pythonCopy code
import pandas as pd

# قم بإنشاء إطار بيانات تجريبي
data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['x', 'y', 'z']}
df = pd.DataFrame(data)

# اطبع معلومات الإطار البيانات
print(df.info())

هذا سيطبع معلومات مفصلة حول الإطار البيانات بما في ذلك أنواع البيانات لكل عمود، وعدد القيم غير المفقودة، واستخدام الذاكرة، وغير ذلك الكثير.

باستخدام هذين الأسلوبين، يمكنك بسهولة فحص أنواع البيانات في جميع الأعمدة في إطار البيانات الخاص بك.

بالطبع، دعني أضيف المزيد من التفاصيل للمقال:

علاوة على الطرق المذكورة أعلاه، يمكنك أيضًا استخدام الطريقة select_dtypes() لتحديد الأعمدة التي تحتوي على نوع معين من البيانات، مثل الأعمدة العددية أو النصية. على سبيل المثال:

pythonCopy code
import pandas as pd

# قم بإنشاء إطار بيانات تجريبي
data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['x', 'y', 'z']}
df = pd.DataFrame(data)

# اطبع أعمدة البيانات العددية
print(df.select_dtypes(include='number'))

# اطبع أعمدة البيانات النصية
print(df.select_dtypes(include='object'))

هذا سيعرض الأعمدة العددية والنصية في الإطار البيانات بشكل منفصل.

بالإضافة إلى ذلك، يمكنك أيضًا استخدام الطريقة infer_objects() لتحويل أنواع البيانات الخام إلى أنواع بيانات متوافقة مع Pandas بشكل أفضل. قد يكون هذا مفيدًا في حالة تحميل بيانات من مصدر خارجي مثل ملف CSV وتحديد أنواع البيانات تلقائيًا بشكل صحيح. على سبيل المثال:

pythonCopy code
import pandas as pd

# قم بتحميل إطار البيانات من ملف CSV
df = pd.read_csv('data.csv')

# قم بتحويل أنواع البيانات
df = df.infer_objects()

هذا يقوم بتحويل أنواع البيانات لكل عمود إلى الأنواع الأكثر توافقًا مع البيانات الفعلية.

باستخدام هذه الطرق المختلفة، يمكنك بسهولة فحص أنواع البيانات في جميع الأعمدة في إطار بيانات Pandas الخاص بك وضمان توافقها مع متطلبات تحليل البيانات الخاصة بك.