Our website is made possible by displaying online advertisements to our visitors.
Please consider supporting us by disabling your ad blocker.

pip install pandas

import pandas as pd

import pandas as pd
ages = pd.Series([20, 25, 30])
print(ages)

0    20
1    25
2    30
dtype: int64

ages = pd.Series([20, 25, 30], index=["Ali", "Sara", "Reza"])
print(ages)

import pandas as pd
data = {
    "name": ["Ali", "Sara", "Reza"],
    "age": [20, 25, 30],
    "city": ["Tehran", "Shiraz", "Tabriz"],
}
df = pd.DataFrame(data)
print(df)

   name  age    city
0   Ali   20  Tehran
1  Sara   25  Shiraz
2  Reza   30  Tabriz

name,age,city
Ali,20,Tehran
Sara,25,Shiraz
Reza,30,Tabriz

import pandas as pd
df = pd.read_csv("students.csv")
print(df)

df = pd.read_csv("students.csv", sep=";")

df.to_csv("students_clean.csv", index=False)

print(df.head())      # پیش‌فرض 5 سطر اول
print(df.head(3))     # 3 سطر اول
print(df.tail())      # 5 سطر آخر
print(df.tail(2))     # 2 سطر آخر

print(df.info())

print(df.describe())

# به صورت دیکشنری
ages = df["age"]
# به صورت ویژگی (اگر نام ستون مناسب باشد)
names = df.name

subset = df[["name", "city"]]
print(subset)

# سطر با برچسب 0 و ستون "name"
print(df.loc[0, "name"])
# همهٔ سطرها و فقط ستون‌های age و city
print(df.loc[:, ["age", "city"]])

# سطر اول و ستون دوم (شماره‌گذاری از 0)
print(df.iloc[0, 1])
# سه سطر اول و دو ستون اول
print(df.iloc[0:3, 0:2])

older = df[df["age"] > 20]
print(older)

# سن > 20 و شهر = Tehran
cond = (df["age"] > 20) & (df["city"] == "Tehran")
result = df[cond]

df["age_in_5_years"] = df["age"] + 5
print(df)

df["city"] = df["city"].str.upper()

print(df.isna())         # True/False برای هر سلول
print(df.isna().sum())   # تعداد NaN در هر ستون

df_clean = df.dropna()

df["age"] = df["age"].fillna(0)

df["city"] = df["city"].fillna("unknown")

grouped = df.groupby("city")["age"].mean()
print(grouped)

count_by_city = df.groupby("city")["name"].count()
print(count_by_city)

# مرتب‌سازی بر اساس age به صورت صعودی
sorted_df = df.sort_values("age")
# مرتب‌سازی به صورت نزولی
sorted_df_desc = df.sort_values("age", ascending=False)

sorted_multi = df.sort_values(by=["city", "age"])

date,product,price,city
2024-01-01,Book,100,Tehran
2024-01-02,Pen,20,Tehran
2024-01-02,Book,100,Shiraz
2024-01-03,Notebook,,Tehran

import pandas as pd
# 1) خواندن فایل
df = pd.read_csv("sales.csv")
# 2) بررسی سریع
print(df.head())
print(df.info())
# 3) جایگزینی قیمت‌های خالی با 0
df["price"] = df["price"].fillna(0)
# 4) محاسبهٔ فروش کل (جمع قیمت‌ها)
total_sales = df["price"].sum()
print("Total sales:", total_sales)
# 5) فروش کل به ازای هر شهر
sales_by_city = df.groupby("city")["price"].sum()
print(sales_by_city)
# 6) ذخیرهٔ نتایج گروه‌بندی در فایل جدید
sales_by_city.to_csv("sales_by_city.csv")

Comments

Please login to add a comment.

Don't have an account? Register now!

Where to Move

Move chapter:

• ☰ فصل ۱: برنامه‌نویسی چیست؟
  • ☰ برنامهٔ کامپیوتری چیست؟
  • ☰ پایتون چیست؟
  • ☰ پایتون کجا استفاده می‌شود؟
  • ☰ چگونه برنامه‌نویسی به حل مسائل کمک می‌کند
  • ☰ اولین برنامهٔ پایتون شما
• ☰ فصل ۲: راه‌اندازی پایتون
  • ☰ نصب پایتون (ویندوز / macOS / لینوکس)
  • ☰ استفاده از پایتون در ترمینال
  • ☰ استفاده از یک IDE (IDLE / VS Code)
  • ☰ اجرای اسکریپت‌های پایتون
  • ☰ حالت تعاملی پایتون
• ☰ فصل ۳: متغیرها و انواع داده
  • ☰ متغیر چیست؟
  • ☰ ایجاد متغیرها
  • ☰ اعداد (`int`، `float`)
  • ☰ متن (`str`)
  • ☰ مقادیر بولی (`True`، `False`)
  • ☰ بررسی نوع داده با `type()`
• ☰ فصل ۴: عملیات پایه
  • ☰ عملیات حسابی
  • ☰ کار با اعداد
  • ☰ عملیات روی رشته‌ها
  • ☰ ترکیب متن و متغیرها
  • ☰ کامنت‌ها در پایتون
• ☰ فصل ۵: ورودی و خروجی کاربر
  • ☰ دریافت ورودی از کاربر
  • ☰ تبدیل ورودی به عدد
  • ☰ قالب‌بندی خروجی
  • ☰ نوشتن برنامه‌های تعاملی
• ☰ فصل ۶: شرط‌ها (if / else)
  • ☰ عملگرهای مقایسه‌ای
  • ☰ عملگرهای منطقی
  • ☰ if، elif، else
  • ☰ شرط‌های تو در تو
  • ☰ اشتباهات رایج مبتدیان
• ☰ فصل ۷: حلقه‌ها
  • ☰ چرا حلقه‌ها مفید هستند؟
  • ☰ حلقه‌های while
  • ☰ حلقه‌های for
  • ☰ شمارنده‌های حلقه
  • ☰ break و continue
  • ☰ تمرین‌های حلقه
• ☰ فصل ۸: مجموعه‌های داده
  • ☰ لیست‌ها (Lists)
  • ☰ تاپل‌ها (Tuples)
  • ☰ دیکشنری‌ها (Dictionaries)
  • ☰ مجموعه‌ها (Sets – مقدماتی)
  • ☰ انتخاب ساختار دادهٔ مناسب
• ☰ فصل ۹: توابع
  • ☰ چرا توابع مهم هستند؟
  • ☰ تعریف توابع
  • ☰ پارامترها و آرگومان‌ها
  • ☰ مقادیر بازگشتی
  • ☰ محدودهٔ متغیرها (محلی در برابر سراسری)
  • ☰ استفادهٔ مجدد از کد
• ☰ فصل ۱۰: کار با فایل‌ها
  • ☰ فایل چیست؟
  • ☰ خواندن فایل‌های متنی
  • ☰ نوشتن و افزودن به فایل‌ها
  • ☰ مسیر فایل‌ها
  • ☰ برنامه‌های ساده مبتنی بر فایل
• ☰ فصل ۱۱: خطاها و اشکال‌زدایی
  • ☰ انواع خطاها
  • ☰ خواندن پیام‌های خطا
  • ☰ خطاهای رایج مبتدیان
  • ☰ try و except
  • ☰ راهبردهای اشکال‌زدایی
• ☰ فصل ۱۲: استفاده از کتابخانه‌های پایتون
  • ☰ کتابخانه چیست؟
  • ☰ وارد کردن ماژول‌ها
  • ☰ کتابخانه‌های استاندارد
    • ☰ math
    • ☰ random
    • ☰ datetime
  • ☰ نصب کتابخانه‌های خارجی با pip
• ☰ فصل ۱۳: برنامه‌نویسی شی‌گرا (OOP)
  • ☰ برنامه‌نویسی شی‌گرا چیست؟
  • ☰ کلاس‌ها و اشیاء
  • ☰ ویژگی‌ها و متدها
  • ☰ متد `__init__`
  • ☰ کپسوله‌سازی
  • ☰ وراثت (مقدماتی)
  • ☰ مثال‌های سادهٔ شی‌گرا
• ☰ فصل ۱۴: خودکارسازی با پایتون
  • ☰ خودکارسازی چیست؟
  • ☰ خودکار کردن وظایف ساده
  • ☰ کار با فایل‌ها و پوشه‌ها
  • ☰ خودکارسازی پردازش متن
  • ☰ زمان‌بندی اجرای اسکریپت‌ها
  • ☰ مثال‌های کاربردی خودکارسازی
• ☰ فصل ۱۵: توسعهٔ وب با پایتون
  • ☰ وب چگونه کار می‌کند؟ (نمای کلی)
  • ☰ آشنایی با Flask
  • ☰ ساخت یک وب‌سرور ساده
  • ☰ مسیرها و قالب‌ها (Templates)
  • ☰ پردازش ورودی کاربر (فرم‌ها)
  • ☰ API های بسیار ساده
• ☰ فصل ۱۶: علم داده با پایتون
  • ☰ علم داده چیست؟
  • ☰ کار با داده‌ها
  • ☰ آشنایی با NumPy
  • ☰ آشنایی با pandas
  • ☰ مصورسازی داده با matplotlib
  • ☰ مثال‌های سادهٔ تحلیل داده
• ☰ فصل ۱۷: پروژه‌های کوچک
  • ☰ بازی حدس عدد
  • ☰ ماشین‌حساب ساده
  • ☰ فهرست کارها (To-Do List)
  • ☰ تولیدکنندهٔ رمز عبور
  • ☰ برنامهٔ آزمون (Quiz)
  • ☰ پروژهٔ کوچک وب یا داده
• ☰ فصل ۱۸: گام‌های بعدی
  • ☰ چگونه پایتون را تمرین کنیم
  • ☰ نوشتن کد تمیز و خوانا
  • ☰ انتخاب یک حوزهٔ تخصصی
    • ☰ توسعهٔ وب
    • ☰ علم داده
    • ☰ خودکارسازی
    • ☰ توسعهٔ نرم‌افزار
  • ☰ منابع یادگیری و انجمن‌ها
• ☰ پیوست
  • ☰ برگهٔ تقلب دستور زبان پایتون
  • ☰ خطاهای رایج و راه‌حل‌ها
  • ☰ واژه‌نامهٔ اصطلاحات

Close