تحليل البيانات بـ Python - دليل شامل للمبتدئين

# تثبيت المكتبات
pip install pandas numpy matplotlib seaborn jupyter

# استيراد المكتبات
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# من CSV
df = pd.read_csv('data.csv')

# من Excel
df = pd.read_excel('data.xlsx')

# من JSON
df = pd.read_json('data.json')

# إنشاء DataFrame يدوياً
data = {
    'الاسم': ['أحمد', 'فاطمة', 'محمد', 'سارة'],
    'العمر': [25, 30, 22, 28],
    'المدينة': ['القاهرة', 'دبي', 'الرياض', 'بيروت'],
    'الراتب': [5000, 7000, 4500, 6000]
}
df = pd.DataFrame(data)

print(df)

# عرض أول 5 صفوف
df.head()

# عرض آخر 5 صفوف
df.tail()

# معلومات عامة
df.info()

# إحصائيات وصفية
df.describe()

# الشكل (عدد الصفوف والأعمدة)
df.shape

# أسماء الأعمدة
df.columns

# أنواع البيانات
df.dtypes

# اكتشاف القيم المفقودة
df.isnull().sum()

# حذف الصفوف التي فيها قيم مفقودة
df.dropna()

# ملء القيم المفقودة بقيمة معينة
df.fillna(0)

# ملء بالمتوسط
df['العمر'].fillna(df['العمر'].mean())

# ملء بالقيمة الأكثر تكراراً
df['المدينة'].fillna(df['المدينة'].mode()[0])

# التحقق من وجود تكرار
df.duplicated().sum()

# حذف الصفوف المكررة
df.drop_duplicates()

# اختيار عمود واحد
df['الاسم']

# اختيار عدة أعمدة
df[['الاسم', 'العمر']]

# تصفية بشرط
df[df['العمر'] > 25]

# شروط متعددة
df[(df['العمر'] > 25) & (df['الراتب'] > 5000)]

# استخدام loc (بالاسم)
df.loc[df['المدينة'] == 'القاهرة', ['الاسم', 'الراتب']]

# استخدام iloc (بالفهرس)
df.iloc[0:3, 0:2]  # أول 3 صفوف، أول عمودين

# المتوسط
df['الراتب'].mean()

# الوسيط
df['الراتب'].median()

# القيمة الأكثر تكراراً
df['المدينة'].mode()[0]

# الانحراف المعياري
df['الراتب'].std()

# أقل وأكبر قيمة
df['العمر'].min()
df['العمر'].max()

# التكرارات
df['المدينة'].value_counts()

# التجميع (Group By)
df.groupby('المدينة')['الراتب'].mean()

# تجميع متعدد
df.groupby('المدينة').agg({
    'الراتب': ['mean', 'min', 'max'],
    'العمر': 'mean'
})

# رسم خط
plt.figure(figsize=(10, 6))
plt.plot(df['الاسم'], df['الراتب'], marker='o')
plt.xlabel('الاسم')
plt.ylabel('الراتب')
plt.title('رواتب الموظفين')
plt.xticks(rotation=45)
plt.show()

# رسم أعمدة (Bar Chart)
plt.bar(df['الاسم'], df['الراتب'], color='skyblue')
plt.show()

# Histogram
plt.hist(df['العمر'], bins=10, edgecolor='black')
plt.show()

# Pie Chart
df['المدينة'].value_counts().plot(kind='pie', autopct='%1.1f%%')
plt.show()

# Scatter Plot
sns.scatterplot(data=df, x='العمر', y='الراتب', hue='المدينة')
plt.show()

# Box Plot
sns.boxplot(data=df, x='المدينة', y='الراتب')
plt.show()

# Heatmap (الارتباطات)
correlation = df[['العمر', 'الراتب']].corr()
sns.heatmap(correlation, annot=True, cmap='coolwarm')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 1. قراءة البيانات
df = pd.read_csv('sales_data.csv')

# 2. استكشاف أولي
print(df.head())
print(df.info())
print(df.describe())

# 3. تنظيف البيانات
# حذف القيم المفقودة
df.dropna(inplace=True)

# تحويل التاريخ
df['التاريخ'] = pd.to_datetime(df['التاريخ'])

# 4. تحليل المبيعات
total_sales = df['السعر'].sum()
print(f'إجمالي المبيعات: ${total_sales:,.2f}')

# أكثر المنتجات مبيعاً
top_products = df.groupby('المنتج')['الكمية'].sum().sort_values(ascending=False).head(10)
print(top_products)

# المبيعات الشهرية
df['الشهر'] = df['التاريخ'].dt.month
monthly_sales = df.groupby('الشهر')['السعر'].sum()

# 5. التصور
plt.figure(figsize=(12, 6))
monthly_sales.plot(kind='bar', color='green')
plt.title('المبيعات الشهرية')
plt.xlabel('الشهر')
plt.ylabel('المبيعات ($)')
plt.xticks(rotation=0)
plt.show()

# 6. حفظ النتائج
df.to_csv('cleaned_sales_data.csv', index=False)
top_products.to_excel('top_products.xlsx')