تحليل بيانات Python: عد القيم ‘NaN’ و ‘E: True’ في القواميس
في هذا السياق، يظهر أن لديك قائمة من القيم المتداخلة في قاموس Python، وترغب في حساب عدد القيم المعينة (‘NaN’) في كل مفتاح، بالإضافة إلى عدد الظهور التي تحمل القيمة ‘E’: True. للقيام بذلك، يمكنك استخدام الكود التالي:
pythondata = {
'Jason': {'A': 200, 'B': 'NaN', 'C': 34, 'D': 'NaN', 'E': True},
'John': {'A': 250, 'B': '34', 'C': 98, 'D': 59, 'E': False},
'Steve': {'A': 230, 'B': '45', 'C': 'NaN', 'D': 67, 'E': False},
'Louis': {'A': 220, 'B': '37', 'C': 'NaN', 'D': 'Nan', 'E': True},
# ...
}
result = {}
# Loop through each key in the inner dictionaries
for key in data['Jason'].keys():
# Initialize counters
nan_count = 0
e_true_count = 0
# Loop through each outer dictionary
for inner_dict in data.values():
# Check for 'NaN' and 'E': True conditions
if inner_dict[key] == 'NaN':
nan_count += 1
if inner_dict['E'] == True:
e_true_count += 1
# Create a dictionary for the current key
result[key] = {'NaN': nan_count, 'E': e_true_count}
# Print the result
print(result)
هذا الكود يقوم بفحص كل مفتاح في القاموس الداخلي ويحسب عدد الظهور لقيم ‘NaN’ و ‘E’: True. النتيجة تخزن في قاموس جديد يُطبع في النهاية. يمكنك تكامل هذا الكود في برنامجك الرئيسي واستخدامه للتحليل والتلاعب في البيانات بطريقة فعّالة ومنظمة.
المزيد من المعلومات
في هذا السياق، يمكننا التعمق أكثر في فهم الكود وكيف يعمل. الهدف الرئيسي هو إنشاء قاموس جديد (result
) يحتوي على عدد الظهور لكل قيمة (‘NaN’) وعدد الظهور للقيمة ‘E’: True في كل مفتاح من المفاتيح الداخلية للقواميس.
للقيام بذلك، يتم استخدام هذا الكود:
- يتم التكرار عبر جميع المفاتيح في القاموس الداخلي لأحد العناصر (هنا اخترنا ‘Jason’ كمثال).
- يتم إعداد عدادين،
nan_count
وe_true_count
لتتبع عدد الظهور لكل قيمة. - يتم التكرار عبر جميع العناصر في القاموس الخارجي (
data
) لفحص قيمة المفتاح المحدد. - يُحسب
nan_count
بزيادة 1 إذا كانت القيمة تساوي ‘NaN’. - يُحسب
e_true_count
بزيادة 1 إذا كانت قيمة ‘E’ تساوي True. - يُنشئ قاموس داخلي في
result
لكل مفتاح، يحتوي علىnan_count
وe_true_count
. - يُطبع
result
في النهاية.
يمكن أن يساعد هذا الكود في تحليل البيانات واستخراج المعلومات المطلوبة بطريقة منظمة. يمكن تطويره وتعديله حسب احتياجاتك الخاصة في مجال معالجة البيانات في Python.