⭕️نموذج نصفي اساسيات علوم بيانات

موقع ترجمة فخم جدا وبيفيدكم أثناء المذاكره لترجمة السلايدات.

https://www.onlinedoctranslator.com/ar/translationform

مُرسل من أ.جواد.

⭕️نموذج نصفي  اساسيات علوم بيانات....رقم 10و11 الإجابة الصحيحة رقم A

⭕️ بالنسبة لأسئلة الاكواد ⭕️

بتجيب اكواد واحنا نختار الأصح من الاختيارات حسب عمل الكود والداله الموجوده بالكود نفسه، يعني نذاكر كل شي ونركز ع الدوال وعملهن اكثر.

والاختبار بيجي نفس صياغه النصفي وبسيط للفاهم.

هذا على ما سألتها، والله يعدي الاختبار ع خير.🌚✨

💢💢ملخص للدوال وأهم المفاهيم💢💢

1. Basic Python & Data Type Functions
print()
Used to display outputs and check variable values.
Type Conversion
int(), float(), str(), bool()
Used to define or convert the data type of a variable.
type()
Identifies the data type of a given value (Integer, Float, String, Boolean).
2. Exploratory & Distribution Functions
head()
Displays the first rows of a dataset for quick inspection.
unique()
Returns all distinct values in a categorical column.
nunique()
Counts the number of unique values in a column.
value_counts()
Counts the frequency of each unique value in a categorical variable.
3. Aggregation Functions
These functions operate on a column and return a single aggregated value.
sum()
Calculates the total of numeric values.
mean()
Computes the arithmetic average.
median()
Returns the middle value (50th percentile).
max() and min()
Identify the largest and smallest values (used to compute range).
count()
Counts non-missing (non-null) values.
std()
Computes the standard deviation, measuring data spread.
mode()
Returns the most frequent value (commonly used for categorical data).
var()
Calculates variance.
4. Data Processing & Transformation
groupby()
Splits the DataFrame into groups based on one or more columns.
It does not produce output by itself and must be followed by an aggregation function.
aggregate() / agg()
Applies multiple aggregation functions at once (e.g., min, max, mean).
map()
Used in feature engineering to transform or reclassify values.
abs()
Returns absolute values, useful when calculating measures like Mean Absolute Deviation (MAD).
5. Relationship & Statistical Functions
cov()
Calculates covariance to determine the direction of a relationship between two variables.
corr()
Calculates correlation by normalizing covariance, producing values between -1 and +1 to represent relationship strength and direction.
6. Visualization Functions
Used to visually analyze data distributions and relationships.
plot.pie()
Visualizes categorical distributions as pie charts.
plot.bar()
Displays categorical frequencies using bar charts.
plot.line()
Shows trends over continuous or ordered numeric data.
plot.scatter()
Visualizes relationships between two numeric variables.
Connections Between Functions
Grouping and Aggregation
groupby() prepares the data, while aggregation functions (mean, sum, count, etc.) produce the actual results.
Covariance vs Correlation
corr() is a standardized form of cov().
Covariance depends on measurement units, while correlation is unit-free.
Operation Chaining
Functions can be chained together, such as:
df.groupby(...).mean().plot.bar()
This allows data processing, aggregation, and visualization in a single workflow.
Categorical vs Numeric Analysis
Categorical data: unique(), nunique(), value_counts()
Numeric data: mean(), median(), std(), var()

💢 الترجمة 💢

أولاً: دوال بايثون الأساسية
Basic Python Functions
تُعد هذه الدوال مدمجة في لغة بايثون، وتُستخدم للتعامل الأولي مع المتغيرات والبيانات.
print()
تُستخدم لعرض المخرجات على الشاشة
Displays output to the screen
type()
تُستخدم لتحديد نوع المتغير مثل int, float, str
Determines the type of a variable
input()
تُستخدم لاستقبال مدخلات من المستخدم عبر لوحة المفاتيح
Gets user input from the keyboard
دوال تحويل النوع (Type Casting):
int(x)
تحويل القيمة إلى عدد صحيح
Converts x to an integer
float(x)
تحويل القيمة إلى عدد عشري
Converts x to a float
str(x)
تحويل القيمة إلى نص
Converts x to a string
bool(x)
تحويل القيمة إلى منطقية
Converts x to a boolean
ثانياً: دوال استكشاف البيانات في Pandas
Exploratory Data Analysis Functions
تُستخدم لفهم بنية ومحتوى الجداول (DataFrames).
df.head(n)
عرض أول صفوف من البيانات (الافتراضي 5)
Displays the first rows
df.tail(n)
عرض آخر صفوف من البيانات
Displays the last rows
df.dtypes
إظهار نوع البيانات لكل عمود
Returns column data types
df.describe()
إحصاءات وصفية مثل المتوسط، الانحراف المعياري، والقيم الرباعية
Generates summary statistics
df.shape
معرفة عدد الصفوف والأعمدة
Returns the number of rows and columns
df.unique()
إيجاد القيم الفريدة في عمود فئوي
Finds unique values
df.nunique()
حساب عدد القيم الفريدة
Returns number of unique values
ثالثاً: دوال التجميع والإحصاء
Aggregation & Statistical Functions
تُستخدم لتلخيص البيانات في قيمة رقمية واحدة.
sum()
حساب مجموع القيم
Computes the sum
mean()
حساب المتوسط الحسابي
Calculates the average
median()
حساب القيمة الوسيطة
Calculates the median
max()
إيجاد أكبر قيمة
Finds the maximum value
min()
إيجاد أصغر قيمة
Finds the minimum value
count()
حساب عدد القيم غير المفقودة
Counts non-missing values
std()
حساب الانحراف المعياري
Calculates standard deviation
mode()
إيجاد القيمة الأكثر تكراراً
Finds the most frequent value
value_counts()
حساب تكرار القيم الفئوية
Counts categorical value frequencies
رابعاً: دوال معالجة وتنظيف البيانات
Data Manipulation & Cleaning Functions
تُستخدم لإعداد البيانات قبل التحليل أو النمذجة.
fillna()
تعويض القيم المفقودة بقيمة محددة
Fills missing values
dropna()
حذف الصفوف أو الأعمدة التي تحتوي على قيم مفقودة
Drops missing values
pd.get_dummies()
تحويل المتغيرات الفئوية إلى متغيرات رقمية (0 و1)
Converts categorical variables into dummy variables
pd.crosstab()
إنشاء جدول تقاطعي بين متغيرين فئويين
Creates a cross-tabulation table
unstack()
تحويل البيانات من الشكل الطولي إلى العرضي
Reshapes hierarchical index levels
خامساً: دوال العلاقات الإحصائية
Relationship Functions
تُستخدم لدراسة العلاقة بين المتغيرات الرقمية.
df.cov()
حساب التباين المشترك لقياس اتجاه العلاقة
Calculates covariance
df.corr()
حساب معامل الارتباط لقياس قوة واتجاه العلاقة
Calculates correlation
سادساً: دوال التمثيل البياني
Visualization Functions
تُستخدم لتحويل البيانات إلى رسوم توضيحية.
plot.scatter()
مخطط تشتت بين متغيرين رقميين
Scatter plot
plot.bar()
مخطط أعمدة
Bar chart
plot.pie()
مخطط دائري
Pie chart
plot.line()
مخطط خطي
Line chart
الترابط بين الدوال
Relationships Between Functions
groupby() مع دوال التجميع
groupby() تُقسم البيانات فقط، ولا تُنتج نتائج فعلية إلا عند استخدامها مع دالة تجميعية مثل mean() أو sum().
aggregate() أو agg()
تُستخدم لتطبيق أكثر من دالة تجميعية في نفس الوقت بعد groupby().
العلاقة بين cov() و corr()
الارتباط (corr) هو نسخة معيارية من التباين المشترك (cov) وتتراوح قيمه بين -1 و +1.
التنظيف قبل التحليل
يجب استخدام fillna() أو dropna() قبل التحليل الإحصائي أو النمذجة لتجنب نتائج خاطئة.
سلسلة العمليات (Chaining)
يمكن ربط الدوال معاً في سطر واحد مثل:
df.groupby('A')['B'].mean().plot.bar()