تعديل المحتوى

الموضوع *

الوحدة *

ترتيب الدرس ترتيب ظهور الدرس داخل الوحدة

عنوان المحتوى *

محتوى الدرس * (13581 حرف)

<!DOCTYPE html>
<html lang="ar" dir="rtl">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>الدرس 9.1: مقدمة في NumPy</title>
    <script src="https://cdn.tailwindcss.com"></script>
    <link href="https://fonts.googleapis.com/css2?family=Tajawal:wght@300;400;700;800&display=swap" rel="stylesheet">

.code-block {
            position: relative;
            background-color: #1e293b;
            color: #e2e8f0;
            border-radius: 0.75rem;
            padding: 1.5rem;
            font-family: 'Courier New', monospace;
            overflow-x: auto;
            direction: ltr;
            text-align: left;
            margin-top: 1rem;
            white-space: pre;
            font-size: 1.1rem;
            border: 2px solid #0f172a;
        }

.copy-btn {
            position: absolute;
            top: 0.5rem;
            right: 0.5rem;
            background-color: #334155;
            color: white;
            border: 1px solid #475569;
            padding: 0.3rem 0.9rem;
            border-radius: 0.25rem;
            font-size: 0.85rem;
            cursor: pointer;
            transition: 0.2s;
            font-family: 'Tajawal', sans-serif;
        }

.copy-btn:hover { background-color: #475569; }
        .copy-btn.copied {
            background-color: #10b981;
            border-color: #10b981;
        }

.try-btn {
            margin-top: 0.5rem;
            background-color: #10b981;
            color: white;
            padding: 0.55rem 1.2rem;
            border-radius: 0.45rem;
            font-size: 0.95rem;
            font-weight: 700;
            display: inline-block;
            cursor: pointer;
            transition: 0.2s;
            box-shadow: 0 3px 5px rgba(16, 185, 129, 0.22);
        }

.try-btn:hover {
            background-color: #059669;
            transform: translateY(-1px);
            box-shadow: 0 4px 8px rgba(16, 185, 129, 0.28);
        }

.py-comment { color:#94a3b8; font-style:italic; }
        .py-str { color:#4ade80; }
        .py-func { color:#60a5fa; }
        .py-num { color:#facc15; }
        .py-import { color:#a5b4fc; font-weight:bold; }
        .py-name { color:#fda4af; }
    </style>
</head>

<header class="text-center mb-12">
    <h1 class="text-4xl md:text-5xl font-extrabold text-green-700 mb-4">
        الدرس 9.1: مقدمة في NumPy
    </h1>
    <p class="text-2xl text-gray-600">
        الأساس الرياضي لتحليل البيانات والعمل مع المصفوفات في Python
    </p>
</header>

<section class="section-card">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-green-100 text-green-700">📊</span>
        ما هي مكتبة NumPy ولماذا نستخدمها؟
    </h2>

<p class="text-xl text-gray-700 mb-4">
        <strong>NumPy</strong> هي مكتبة قوية في Python متخصصة في التعامل مع:
    </p>

<ul class="list-disc pr-6 text-gray-700 text-xl space-y-3">
        <li>المصفوفات (Arrays) ذات الأبعاد المختلفة.</li>
        <li>العمليات الرياضية السريعة على كميات كبيرة من البيانات.</li>
        <li>الدوال الإحصائية والرياضية الأساسية المستخدمة في تحليل البيانات.</li>
    </ul>

<p class="text-xl text-gray-700 mt-4">
        تعتبر NumPy هي الأساس الذي تُبنى عليه مكتبات أخرى مثل <strong>Pandas</strong> و
        <strong>Scikit-learn</strong> و<strong>Matplotlib</strong>، لذلك فهمها خطوة مهمة جدًا في طريق تحليل البيانات.
    </p>

<p class="text-xl text-gray-700 mt-4">
        قبل استخدام NumPy يجب تثبيتها (مرة واحدة فقط) عبر:
        <br>
        <code>pip install numpy</code>
    </p>
</section>

<section class="section-card" style="border-right-color:#0ea5e9;">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-blue-100 text-blue-700">🧱</span>
        إنشاء أول مصفوفة NumPy (ndarray)
    </h2>

<p class="text-xl text-gray-700 mb-4">
        النوع الأساسي في NumPy هو <strong>ndarray</strong> وهو مشابه للقوائم ولكنّه:
        <strong>أسرع، وأكثر كفاءة، ويدعم العمليات الرياضية المباشرة</strong>.
    </p>

<code id="numpy-basic-array">
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

<span class="py-comment"># إنشاء مصفوفة من قائمة عادية</span>
data_list = [<span class="py-num">1</span>, <span class="py-num">2</span>, <span class="py-num">3</span>, <span class="py-num">4</span>]
arr = np.array(data_list)

<span class="py-func">print</span>(arr)          <span class="py-comment"># [1 2 3 4]</span>
<span class="py-func">print</span>(type(arr))   <span class="py-comment"># &lt;class 'numpy.ndarray'&gt;</span>
</code>

</div>

<button class="try-btn" onclick="runCode('numpy-basic-array')">▶️ تجربة الكود</button>

<p class="text-xl text-gray-700 mt-4">
        لاحظ أن طريقة العرض مختلفة عن القوائم، وأن النوع أصبح <strong>ndarray</strong> وليس list.
    </p>
</section>

<section class="section-card" style="border-right-color:#f97316;">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-orange-100 text-orange-700">🧊</span>
        مصفوفات ثنائية الأبعاد (مثل الجداول)
    </h2>

<p class="text-xl text-gray-700 mb-4">
        يمكن اعتبار المصفوفة ثنائية الأبعاد مثل جدول (صفوف × أعمدة)، وهي مفيدة جدًا في تمثيل البيانات:
    </p>

<code id="numpy-2d">
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

matrix = np.array([
    [<span class="py-num">1</span>, <span class="py-num">2</span>, <span class="py-num">3</span>],
    [<span class="py-num">4</span>, <span class="py-num">5</span>, <span class="py-num">6</span>]
])

<span class="py-func">print</span>(matrix)

<span class="py-comment"># شكل المصفوفة (عدد الصفوف × عدد الأعمدة)</span>
<span class="py-func">print</span>(matrix.shape)

<span class="py-comment"># نوع البيانات داخل المصفوفة</span>
<span class="py-func">print</span>(matrix.dtype)
</code>

</div>

<button class="try-btn" onclick="runCode('numpy-2d')">▶️ تجربة الكود</button>

<p class="text-xl text-gray-700 mt-4">
        الخاصية <strong>shape</strong> تعطيك (عدد الصفوف، عدد الأعمدة)،  
        والخاصية <strong>dtype</strong> تبيّن نوع البيانات (int32, float64, ...).
    </p>
</section>

<section class="section-card" style="border-right-color:#6366f1;">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-indigo-100 text-indigo-700">➕</span>
        العمليات الرياضية على المصفوفات دفعة واحدة
    </h2>

<p class="text-xl text-gray-700 mb-4">
        قوة NumPy تظهر عند إجراء العمليات على كل عناصر المصفوفة مرة واحدة بدون استخدام الحلقات:
    </p>

<code id="numpy-ops">
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

arr = np.array([<span class="py-num">1</span>, <span class="py-num">2</span>, <span class="py-num">3</span>, <span class="py-num">4</span>])

<span class="py-comment"># جمع ثابت مع كل العناصر</span>
<span class="py-func">print</span>(arr + <span class="py-num">10</span>)     <span class="py-comment"># [11 12 13 14]</span>

<span class="py-comment"># ضرب كل العناصر في 2</span>
<span class="py-func">print</span>(arr * <span class="py-num">2</span>)      <span class="py-comment"># [2 4 6 8]</span>

<span class="py-comment"># عملية بين مصفوفتين من نفس الطول</span>
arr2 = np.array([<span class="py-num">10</span>, <span class="py-num">20</span>, <span class="py-num">30</span>, <span class="py-num">40</span>])
<span class="py-func">print</span>(arr + arr2)  <span class="py-comment"># [11 22 33 44]</span>
</code>

</div>

<button class="try-btn" onclick="runCode('numpy-ops')">▶️ تجربة الكود</button>

<p class="text-xl text-gray-700 mt-4">
        هذا النوع من العمليات يسمى <strong>Vectorization</strong>، وهو أسرع بكثير من استخدام الحلقات for على القوائم.
    </p>
</section>

<section class="section-card" style="border-right-color:#8b5cf6;">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-purple-100 text-purple-700">📈</span>
        دوال مفيدة: متوسط، مجموع، إنشاء أرقام متتالية
    </h2>

<p class="text-xl text-gray-700 mb-4">
        توفر NumPy الكثير من الدوال الجاهزة للتحليل السريع:
    </p>

<code id="numpy-stats">
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

arr = np.array([<span class="py-num">5</span>, <span class="py-num">10</span>, <span class="py-num">15</span>, <span class="py-num">20</span>])

<span class="py-comment"># المجموع والمتوسط وأكبر/أصغر قيمة</span>
<span class="py-func">print</span>(np.sum(arr))
<span class="py-func">print</span>(np.mean(arr))
<span class="py-func">print</span>(np.max(arr))
<span class="py-func">print</span>(np.min(arr))

<span class="py-comment"># إنشاء أرقام متتالية</span>
a = np.arange(<span class="py-num">0</span>, <span class="py-num">10</span>)          <span class="py-comment"># من 0 إلى 9</span>
b = np.arange(<span class="py-num">0</span>, <span class="py-num">10</span>, <span class="py-num">2</span>)     <span class="py-comment"># خطوة 2: 0,2,4,6,8</span>

<span class="py-func">print</span>(a)
<span class="py-func">print</span>(b)
</code>

</div>

<button class="try-btn" onclick="runCode('numpy-stats')">▶️ تجربة الكود</button>
</section>

<section class="section-card" style="border-right-color:#ec4899;">
    <h2 class="text-3xl font-bold mb-6 flex items-center">
        <span class="icon-box bg-pink-100 text-pink-700">🧪</span>
        تمرين عملي (مرقّم)
    </h2>

<div class="bg-pink-50 p-6 rounded-lg border border-pink-200 text-right">
        <h3 class="text-pink-900 font-bold mb-4 text-2xl">المطلوب منك:</h3>

<ol class="space-y-4 text-gray-700 text-xl list-decimal pr-6">
            <li>
                أنشئ مصفوفة NumPy من الأعداد:
                <code>[2, 4, 6, 8, 10]</code> ثم:
                <ul class="list-disc pr-6 mt-2">
                    <li>اطبع مجموع العناصر.</li>
                    <li>اطبع المتوسط.</li>
                </ul>
            </li>
            <li>
                أنشئ مصفوفة ثنائية الأبعاد 2×3، ثم اطبع:
                <ul class="list-disc pr-6 mt-2">
                    <li>شكلها باستخدام <code>.shape</code></li>
                    <li>نوع بياناتها باستخدام <code>.dtype</code></li>
                </ul>
            </li>
            <li>
                استخدم <code>np.arange</code> لإنشاء أرقام من 0 إلى 20 بخطوة 5، واطبع النتيجة.
            </li>
            <li>
                أنشئ مصفوفتين من نفس الطول، ثم:
                <ul class="list-disc pr-6 mt-2">
                    <li>احسب مجموعهما (arr1 + arr2).</li>
                    <li>احسب الفرق بينهما (arr1 - arr2).</li>
                </ul>
            </li>
            <li>
                اشرح (كتابةً لنفسك) ما الفرق بين قائمة Python العادية و
                <strong>NumPy array</strong> من حيث:
                <ul class="list-disc pr-6 mt-2">
                    <li>السرعة.</li>
                    <li>سهولة العمليات الرياضية.</li>
                    <li>استخدامها في تحليل البيانات.</li>
                </ul>
            </li>
        </ol>
    </div>
</section>

<footer class="text-center text-gray-400 text-lg mt-8 pb-8">
    الدرس 9.1 — مقدمة في NumPy
</footer>

</div>

const textarea = document.createElement('textarea');
    textarea.value = text;
    document.body.appendChild(textarea);
    textarea.select();
    document.execCommand('copy');
    textarea.remove();

if (btnElement) {
        const original = btnElement.innerText;
        btnElement.innerText = "تم النسخ!";
        btnElement.classList.add('copied');
        setTimeout(() => {
            btnElement.innerText = original;
            btnElement.classList.remove('copied');
        }, 1500);
    }
}

function runCode(elementId) {
    copyCode(elementId);
    window.open("/python/trypython", "_blank");
}
</script>

</body>
</html>