Weecinta ugu badan ee Pandas waa mawduuc xiiso leh marka ay timaado falanqaynta xogta iyo wax-is-daba-marinta iyadoo la adeegsanayo maktabadda Python ee caanka ah Pandas. Mid ka mid ah dhinacyada muhiimka ah ee falanqaynta xogta ayaa ah aqoonsiga kala duwanaanshaha xogta, taas oo lagu samayn karo iyada oo la xisaabinayo leexashada ugu badan. Maqaalkan, waxaan ku baran doonaa sida loo xisaabiyo weecanka ugu badan ee Pandas, sahaminta habab kala duwan oo aan si qoto dheer u gelino qaar ka mid ah maktabadaha iyo shaqooyinka khuseeya ee loo isticmaali karo in lagu xalliyo dhibaatadan.
Weecinta ugu badan waxaa loola jeedaa farqiga ugu sarreeya ee u dhexeeya qiimaha kaydka xogta iyo celceliska ama dhexdhexaadka xogtaas. Marka la eego tira-koobka, leexashadu waxa ay caawisaa in la fahmo kala firdhisanaanta iyo kala duwanaanshaha dhibcaha xogta ee kaydka xogta. Waa fikrad muhiim ah oo inta badan loo isticmaalo falanqaynta maaliyadeed, habaynta calaamadaha, iyo qaybaha kale ee tirada.
Xalka Dhibaatada
Si loo xisaabiyo weecanka ugu badan ee Pandas, waxaan ku bilaabi karnaa inagoo soo dejinaaya maktabadaha lagama maarmaanka ah iyo abuurista muunad DataFrame. Kadib, waxaanu xisaabin doonaa celceliska ama dhexdhexaadka xogta waxaanan heli doonaa masaafada ugu badan ee u dhaxaysa dhibic kasta oo xog ah iyo dhexdhexaad / dhexdhexaad ah. Ugu dambeyntii, waxaan isticmaali doonaa shaqada max() si aan u helno qiimaha ugu sarreeya ee ka mid ah weecashooyinkan dhammaystiran.
Waa kuwan koodhka tusaalaha ah ee muujinaya sida loo xisaabiyo weecanka ugu badan ee Pandas DataFrame:
import pandas as pd
# Sample data
data = {'Value': [5, 7, 11, 18, 23, 25, 29, 35, 40, 50]}
df = pd.DataFrame(data)
# Compute mean and median
mean = df['Value'].mean()
median = df['Value'].median()
# Calculate absolute deviations from mean and median
df['Mean Deviation'] = (df['Value'] - mean).abs()
df['Median Deviation'] = (df['Value'] - median).abs()
# Find max deviation
max_mean_deviation = df['Mean Deviation'].max()
max_median_deviation = df['Median Deviation'].max()
print("Max Deviation from Mean: ", max_mean_deviation)
print("Max Deviation from Median: ", max_median_deviation)
Sharaxa tallaabo-tallaabo
Hadda aan u gudubno koodka tillaabo tallaabo si aan u fahamno habka xisaabinta weecanka ugu sarreeya ee Pandas DataFrame:
1. Marka hore, waxaan soo dejineynaa maktabadda pandas waxaanan sameyneynaa muunad DataFrame ah oo leh hal tiir oo lagu magacaabo 'Value'.
2. Kadibna waxaanu xisaabinaynaa celceliska iyo dhexdhexaadinta xogta anagoo adeegsanayna celceliska() iyo dhexdhexaadka() hawlaha ay bixiso Pandas.
3. Marka xigta, waxaan xisaabineynaa weecsanaanta buuxda ee dhibic kasta oo xog ah annagoo ka jarayna celceliska iyo dhexdhexaadka dhibcaha xogta, waxaanan qaadaneynaa qiimaha saxda ah ee farqiga ka dhalanaya.
4. Ugu dambeyntii, waxaan isticmaalnaa shaqada max () si aan u helno qiimaha ugu badan ee ka mid ah weecinta buuxda.
5. Wax-soo-saarku waxa uu muujin doonaa weecashada ugu badan ee dhexdhexaadka iyo dhexdhexaadka ah ee xogta.
Maktabadaha iyo Hawlaha la xidhiidha
- Pandas: Tani waa maktabadda aasaasiga ah ee lagu isticmaalo maqaalkan, waxaana si weyn loogu aqoonsan yahay awooddeeda awoodeed ee xogta. Hawlaha sida caadiga ah loo isticmaalo sida celceliska(), dhexdhexaadka(), max(), min(), iyo abs() waa qayb ka mid ah maktabadda Pandas.
- NumberPy: Kani waa maktabad kale oo tiro badan oo caan ah oo ku taal Python, oo bixisa taageero ballaaran oo lagula shaqeynayo habab iyo hawlgallo tirooyin. Xaaladaha qaarkood, waxaa laga yaabaa in qofku isticmaalo hawlaha NumPy si uu u gaaro hawlo la mid ah sida Pandas.
Gebogebadii
Aqoonsiga leexashada ugu badan ee Pandas waa arrin muhiim ah oo ka mid ah falanqaynta xogta, taas oo kuu ogolaanaysa inaad cabbirto kala firdhisanaanta gudaha kaydka xogta, oo maqaalkani wuxuu qeexay hab toos ah oo lagu fuliyo hawshan. Iyadoo la adeegsanayo isticmaalka Pandas-ka sida celceliska (), dhexdhexaad (), abs(), iyo max(), waxay noqonaysaa suurtogal in si hufan loo xisaabiyo weecasho badan ee xog kasta oo la bixiyo. Intaa waxaa dheer, hawlgallada la midka ah iyo shaqeynta ayaa sidoo kale lagu gaari karaa iyadoo la adeegsanayo maktabadaha sida NumPy, taas oo dhamaystiraysa oo balaadhisa baaxadda farsamooyinka wax-is-daba-marinta xogta ee uu heli karo horumariyaha.
