مثال کتابخانه pyspan — ابزار پاک‌سازی و پیش‌پردازش داده‌ها با پایتون

امکان ثبت لاگ تغییرات و Undo علی الخصوص در پروژه هایی که تغیییرات زیادی روی داده ها متصور است بسیار کمک کننده است. در واقع هر بار که یک عملیات پاک‌سازی انجام می‌دهید (مثل پر کردن مقادیر گم‌شده، حذف outlier، تغییر فرمت‌ها و …)، کتابخانه یک نسخه از وضعیت قبلی داده را ذخیره می‌کند، به همین دلیل اگر اشتباهی یک ستون را پاک کردید یا داده‌ای را به شکل نادرست تغییر دادید، می‌توانید به راحتی دیتافریم را به وضعیت قبلی برگردانید.

چرا Undo در پروژه‌های واقعی مخصوصاً در داده‌های مالی و اقتصادی مهم است؟

ممکن است یک روش پاک‌سازی مناسب نباشد
ممکن است یک روش outlier detection بیش‌ازحد سخت‌گیر باشد
یا بخواهید چند روش مختلف را مقایسه کنید
به جای این‌که دوباره دیتافریم را از اول بخوانید، با Undo فقط یک قدم به عقب می‌روید.
در واقع Undo مرحله‌به‌مرحله کار می‌کند (مانند stack).
تا زمانی که لاگ تغییرات فعال باشد، می‌توانید به عقب برگردید.

مثال

from pyspan import Cleaner
import pandas as pd

df = pd.DataFrame({'x': [1, 2, None, 100]})

cleaner = Cleaner(df)

cleaner.fill_missing(method='mean')   # مرحله ۱
cleaner.detect_outliers(column='x')   # مرحله ۲

cleaner.undo()   # برگشت به مرحله ۱
cleaner.undo()   # برگشت به دیتافریم اولیه

print(cleaner.result())

#pyspan
#pandas
#dataframe


پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

معرفی کتاب «یادگیری ماشین با پایتون: اصول و تکنیک‌های کاربردی» به انگلیسی «Machine Learning with Python: Principles and Practical Techniques»

اگر به دنبال مسیری مشخص برای ورود به دنیای یادگیری ماشین با پایتون هستید، این کتاب یکی از بهترین انتخاب‌های اخیر است. نویسنده با نگاهی کاربردی، مفاهیم کلیدی ML را از سطح پایه تا مدل‌های پیشرفته توضیح می‌دهد و در هر بخش کدهای پایتون ارائه می‌کند. برخلاف بسیاری از منابع پراکنده، این کتاب یک نقشه راه منسجم دارد و دقیقاً می‌گوید برای ساخت مدل‌های هوشمند چه باید بدانید و چگونه باید آن‌ها را پیاده‌سازی کنید.

این کتاب طیف گسترده‌ای از روش‌های یادگیری ماشین را پوشش می‌دهد: از الگوریتم‌های کلاسیک نظیر رگرسیون و طبقه‌بندی تا روش‌های عمیق‌تر مانند شبکه‌های عصبی و یادگیری عمیق.
اگر می‌خواهید علاوه بر تحلیل داده‌های مالی، توانایی ساخت مدل‌های پیش‌بینی، سیستم‌های توصیه‌گر یا الگوریتم‌های تصمیم‌گیری هوشمند را کسب کنید، این کتاب می‌تواند نقطه شروع بسیار خوبی باشد.

#معرفی_کتاب
#یادگیری_ماشین
#Machine_learning

پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «یادگیری ماشین با پایتون: اصول و تکنیک‌های کاربردی» به انگلیسی «Machine Learning with Python: Principles and Practical Techniques»

اگر به دنبال مسیری مشخص برای ورود به دنیای یادگیری ماشین با پایتون هستید، این کتاب یکی از بهترین انتخاب‌های اخیر است. نویسنده با نگاهی کاربردی، مفاهیم کلیدی ML را از سطح پایه تا مدل‌های پیشرفته توضیح می‌دهد و در هر بخش کدهای پایتون ارائه می‌کند. برخلاف بسیاری از منابع پراکنده، این کتاب یک نقشه راه منسجم دارد و دقیقاً می‌گوید برای ساخت مدل‌های هوشمند چه باید بدانید و چگونه باید آن‌ها را پیاده‌سازی کنید.

#دانلود_کتاب
#یادگیری_ماشین
#Machine_learning

پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

مقایسه 10 کتابخانه اصلی پایتون برای کار با داده ها
در هنگام کار با پروژه های واقعی، فراخوانی داده ها بسیار حائز اهیمت است. در پست های قبلی مفصل در خصوص کتابخانه پانداس و کتابخانه های مشابه صحبت کرده بودم. ماژول های متداول برای کار با داده ها و کاربرد اصلی آنها به شرح زیر است:

ماژول pandas: پایه و استاندارد اکثر تحلیل‌های داده کوچک و متوسط.
ماژول NumPy: پایهٔ محاسبات عددی و الگوریتم‌های علمی.
ماژول Polars / Vaex: جایگزین سریع pandas برای داده‌های بزرگ.
ماژول Dask / Modin: برای داده‌های بزرگ و پردازش موازی یا توزیع‌شده.
ماژول DuckDB: کوئری های SQL تحلیلی و query روی فایل‌های بزرگ (Parquet, CSV).
ماژول SQLite: ذخیره‌سازی محلی و کارهای transactional کوچک.
ماژول PyArrow: تعامل ستون‌محور بین DataFrame‌ها و فایل‌های Parquet.
ماژول OpenPyXL / xlrd / xlwt: تعامل با Excel و داده‌های جدولی سنتی.

در جدول این پست مقایسه 10 تا از اصلی ترین کتابخانه های پایتون برای کار با داده ها و ویژگی های کلیدی هر کدام بررسی شده است.

#pandas
پایتون برای مالی
🆔 t.me/python4finance
🆔 ble.ir/python4finance

طلا در 2026 به کجا خواهد رسید؟
در اوایل سال 2025 در این پست گفته بودم که سال 2025 سال کامودیتی ها است و علاوه بر طلا و نقره شاهد تحرکات زیادی در فلزات کاربردی مثل مس خواهیم بود. اگر بحث های بنیادی مانند جنگ اوکراین و جنگ ونزوئلا را کنار بگذاریم و فقط دید تکنیکال داشته باشیم پیش بینی قیمت طلای جهانی در قالب تصویر این پست نمایش داده می شود.

پی نوشت: مجددا یادآوری می کنم این پست صرفا با هدف آموزش انجام شده است و عزیزان در صورتی که قصد سرمایه گذاری در طلا را دارند باید خودشان تحلیل انجام دهند.

🆔 t.me/python4finance
🆔 ble.ir/python4finance

یک سایت هوش مصنوعی جالب برای تحلیل گران مالی
اگر به دنبال یک ابزار مبتنی بر هوش مصنوعی برای انجام پیش‌بینی‌های روزانه و کمک به سرمایه‌گذاران در ایجاد ثروت پایدار هستید، هوش مصنوعی stockinvest.us را به شما پیشنهاد می کنم.
به کمک این ابزار، انواع و اقسام تحلیل ها را روی یک نماد می توانید انجام دهید و جالب تر آنکه یک گزارش تحلیلی دقیق از هوش مصنوعی دریافت کنید.
برای برنامه‌نویس‌های حوزه فایننس و علاقه‌مندان به Python، این سایت می‌تونه منبع خوبی برای:
➖ ایده‌گرفتن برای ساخت سیستم‌های تحلیلی
➖ مقایسه خروجی الگوریتم‌های شخصی با تحلیل‌های آماده
➖ و بررسی منطق سیگنال‌دهی،
باشه.
البته توجه داریم که مثل همیشه، خروجی این ابزارها پیشنهاد سرمایه‌گذاری قطعی نیست و حتماً باید در کنار تحلیل شخصی و مدیریت ریسک استفاده شود.

🌐 لینک سایت : stockinvest.us
#AI


🆔 t.me/python4finance
🆔 ble.ir/python4finance

شب،
ستاره‌ها را به احترامش بیدار نگه داشته بود
و کعبه،
دلش را گشود
تا مردی متولد شود
که نامش
وزنِ عدالت داشت
و صدایش
پناهِ تمام بی‌پناهان بود…

امروز
جهان
با نام علی
دوباره متولد شد.

میلاد با سعادت مولی الموحدین، امیرالمومنین، حضرت علی‌بن ابی‌طالب (ع) مبارک باد.

#مناسبت

🆔 t.me/python4finance
🆔 ble.ir/python4finance

دوستان عزیزم سلام
ان شالله که حال همگی خوب باشه،
راستش برای ادامه فعالیت کانال می خواستم محتوا آماده کنم گفتم نظر شما رو بپرسم و متناسب با درخواست شما عزیزان محتوا آماده کنم. ممنون می شوم در نظر سنجی مشارکت داشته باشید.🌺
در ضمن امکان انتخاب چند گزینه هم وجود داره

آشنایی با مدل هوش مصنوعی Finance-Llama-8B
حتما همه شما تا الان با یکی از این چت بات های هوشمند که مبتنی بر مدل های هوش مصنوعی (LLM) هستند کار کرده اید. هوش مصنوعی هایی مانند chatgpt و deepseek و ... . این هوش مصنوعی ها بر پایه یک مدل هوش مصنوعی مدل زبانی بزرگ یا LLM ایجاد شده اند. یکی از این مدل ها؛ مدل Llama است که توسط شرکت Meta توسعه داده شده است. بر روی این مدل، با استفاده از داده های اقتصادی و مالی ، یک مدل دیگر به نام Finance-Llama-8B توسعه داده شده است که ویژگی های بسیار جالبی دارد، مثلا تحلیل صورت‌های مالی، بررسی گزارش‌های سالانه و 10-K، تحلیل بازار، ریسک و بازده و تحلیل مفاهیم اقتصاد کلان و مالی رفتاری.
می توانید صورت مالی یک شرکت را به مدل بدهید و به راحتی بخواهید که آن را تحلیل کند و نسب های مالی را استخراج کند.
دقت مدل به حدی است که در پاسخ گویی به سوالات آزمون CFA کاملا موفق عمل کرده است.
همچنین مدل در تشخیص زبان فارسی به نحو بسیار خوبی عمل می کند.
برای بررسی این مدل به صورت آنلاین می توانید از لینک زیر استفاده کنید یا مدل را روی رایانه خود نصب کنید.
🌐 بررسی آنلاین مدل Finance-Llama-8B
پی‌نوشت: بعدا ان شاء الله مطالب و آموزش هایی را در خصوص اصول کار LLM ها و راهنمای استفاده از مدلهای هوش مصنوعی روی رایانه های شخصی در کانال قرار می دهم. اگر علاقه مند بودید که آموزش این موضوع با اولویت در کانال منتشر شود، لطفا با ❤️ اعلام نمایید.

#AI

🆔 t.me/python4finance
🆔 ble.ir/python4finance

میلاد با سعادت منجی عالم بشریت، حضرت مهدی موعود (ع) مبارک باد.

#مناسبت

🆔 t.me/python4finance
🆔 ble.ir/python4finance

معرفی کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب با نگاهی حرفه‌ای و کاربردی، پلی میان اقتصادسنجی کلاسیک و علم داده و یادگیری ماشین ایجاد می‌کند و نشان می‌دهد چگونه می‌توان مسائل اقتصادی را با رویکردی مدرن و مبتنی بر داده حل‌وفصل کرد. نویسنده از مفاهیم پایه‌ای مانند واریانس، کوواریانس و رگرسیون حداقل مربعات شروع کرده و به ارزیابی مدل‌ها، تحلیل باقیمانده‌ها و تفسیر نتایج می‌پردازد. سپس با فاصله گرفتن از مدل‌های سنتی سری زمانی، مدل‌های جمع‌پذیر غیرخطی را معرفی می‌کند. کتاب همچنین به مدل‌سازی غیرخطی از طریق رگرسیون لجستیک، مدل‌های مارکوف پنهان و خوشه‌بندی K-Means می‌پردازد. در ادامه، کاربرد عملی یادگیری عمیق، شبیه‌سازی مونت‌کارلو و مدل‌یابی معادلات ساختاری برای تحلیل روابط علّی تشریح می‌شود. تمامی مباحث با استفاده از پایتون و کتابخانه‌های کلیدی مانند Scikit-Learn، Keras و Pandas پیاده‌سازی شده‌اند. این کتاب منبعی ارزشمند برای تحلیلگران مالی است که به‌دنبال ارتقای مهارت‌های تحلیلی خود با ابزارهای نوین داده‌محور هستند.
#معرفی_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین

🆔 @python4finance

دانلود کتاب «اقتصاد سنجی و علم داده» به انگلیسی «Econometrics and Data Science»
این کتاب منبعی ارزشمند برای تحلیلگران مالی است که به‌دنبال ارتقای مهارت‌های تحلیلی خود با ابزارهای نوین داده‌محور هستند.

#دانلود_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین

🆔 @python4finance