التحدي 1: فحص البيانات
لنفترض أن لديك ملف CSV باسم employees.csv
يحتوي على معلومات عن موظفين في شركة. قم بما يلي:
- اقرأ البيانات من الملف
employees.csv
إلى DataFrame. - اعرض أول 5 صفوف من البيانات.
- احصل على معلومات حول الأعمدة وعدد الصفوف والأعمدة.
- احصل على إحصائيات وصفية عن الأعمدة الرقمية.
التحدي 2: الوصول إلى البيانات
افترض أن لديك DataFrame باسم df
يحتوي على الأعمدة التالية: اسم
, عمر
, وظيفة
, راتب
.
- قم بإنشاء DataFrame باستخدام بيانات وهمية تحتوي على 5 صفوف.
- استخدم Pandas للوصول إلى عمود
راتب
وعرضه. - استخدم Pandas للوصول إلى الصف الذي يملك الفهرس 3.
- اعرض القيمة في الصف الذي يملك الفهرس 1 وعمود
وظيفة
.
التحدي 3: تصفية البيانات
لنفترض أن لديك DataFrame باسم df
يحتوي على الأعمدة التالية: اسم
, عمر
, مدينة
.
- قم بإنشاء DataFrame يحتوي على 6 صفوف.
- قم بتصفية البيانات للحصول على الأشخاص الذين أعمارهم أكبر من 30.
- قم بتصفية الأشخاص الذين يعيشون في المدينة “دبي”.
التحدي 4: إضافة وتعديل الأعمدة
لنفترض أن لديك DataFrame باسم df
يحتوي على الأعمدة التالية: اسم
, عمر
.
- قم بإنشاء DataFrame يحتوي على 4 صفوف.
- أضف عمودًا جديدًا باسم
قسم
يحتوي على قيم عشوائية. - قم بتعديل قيمة في عمود
عمر
للصف الذي يملك الفهرس 2 إلى 35.
التحدي 5: حذف الأعمدة والصفوف
لنفترض أن لديك DataFrame باسم df
يحتوي على الأعمدة التالية: اسم
, عمر
, وظيفة
, راتب
.
- قم بإنشاء DataFrame يحتوي على 5 صفوف.
- قم بحذف عمود
وظيفة
. - قم بحذف الصف الذي يملك الفهرس 1.
التحدي 6: تجميع البيانات
لنفترض أن لديك DataFrame باسم df
يحتوي على الأعمدة التالية: مدينة
, راتب
.
- قم بإنشاء DataFrame يحتوي على 6 صفوف مع بيانات عشوائية.
- قم بتجميع البيانات بناءً على المدينة وحساب متوسط الراتب لكل مدينة.
التحدي 7: دمج البيانات
لنفترض أن لديك اثنين من DataFrames: df1
و df2
.
df1
يحتوي على الأعمدة:اسم
,عمر
.df2
يحتوي على الأعمدة:اسم
,مدينة
.
استخدم pd.merge
لدمج df1
و df2
بناءً على عمود اسم
.
التحدي 8: التعامل مع القيم المفقودة
لنفترض أن لديك DataFrame باسم df
يحتوي على أعمدة مع بعض القيم المفقودة.
- قم بإنشاء DataFrame يحتوي على 4 صفوف وعمودين مع بعض القيم المفقودة.
- عرض عدد القيم المفقودة في كل عمود.
- ملء القيم المفقودة بقيمة 0.
- حذف أي صف يحتوي على قيم مفقودة.