لغة بايثون لمحللي البيانات

🐍 بايثون لمحللي البيانات

بايثون هي ثاني أهم مهارة لمحللي البيانات بعد SQL. إنها ما يميز المحللين الذين يستطيعون تنظيف جدول بيانات عن المحللين الذين يستطيعون بناء خط أنابيب تقارير مؤتمت بالكامل.

هذه الصفحة هي مركزك المجاني لتعلم بايثون. استخدمها، احفظها في الإشارات المرجعية، شاركها.


لماذا بايثون لتحليل البيانات؟

  • الأتمتة — توقف عن عمل نفس التقرير يدويًا كل يوم اثنين
  • الحجم — تحليل ملايين الصفوف التي كانت ستعطل برنامج Excel
  • المرونة — ضم البيانات وإعادة تشكيلها وتنظيفها بطرق لا تستطيع أي ورقة عمل القيام بها
  • التصور — تنتج Matplotlib و Seaborn رسوم بيانية بجودة النشر
  • القيمة المهنية — يضيف بايثون علاوة على الراتب تتراوح بين 12-22% للمحللين في المتوسط

مسار تعلم بايثون للمحللين

  1. الأسبوع الأول: أساسيات بايثون — المتغيرات، الحلقات، الدوال، القوائم، القواميس
  2. الأسبوع الثاني: أساسيات Pandas — تحميل البيانات، التصفية، التحديد، تنظيف القيم الفارغة
  3. الأسبوع الثالث: Pandas المتقدمة — GroupBy، الدمج، الجداول المحورية، apply()
  4. الأسبوع الرابع: التصور — رسوم بيانية خطية باستخدام Matplotlib، رسوم بيانية شريطية باستخدام Seaborn، خرائط حرارية
  5. الأسبوع الخامس: NumPy + الإحصائيات — المصفوفات، المتوسط، الوسيط، الانحراف المعياري، المئويات
  6. الأسبوع السادس: مشاريع حقيقية — تحليل المبيعات، تقسيم RFM، أتمتة التقارير الأسبوعية

مرجع كود Pandas الأساسي

المهمة الكود
تحميل ملف CSV df = pd.read_csv('file.csv')
تصفية الصفوف df[df['salary'] > 60000]
تجميع وتجميع البيانات df.groupby('dept')['salary'].mean()
التعامل مع القيم المفقودة df.fillna(df.mean())
فرز القيم df.sort_values('revenue', ascending=False)
دمج إطارات البيانات pd.merge(df1, df2, on='id', how='left')
تصدير إلى Excel df.to_excel('output.xlsx', index=False)

مصادر تعلم بايثون المجانية


احصل على الكتاب الإلكتروني الكامل عن بايثون

يغطي كتابنا الإلكتروني Python for Data Analysis كل ما ورد في هذه الصفحة بعمق كامل — مع أمثلة الكود، والتمارين، و3 مشاريع متكاملة يمكنك إضافتها إلى محفظتك.

احصل على كتاب بايثون الإلكتروني →