تعديل المحتوى

الموضوع *

الوحدة *

ترتيب الدرس ترتيب ظهور الدرس داخل الوحدة

عنوان المحتوى *

محتوى الدرس * (17089 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 9.4: التعديل على البيانات (تنظيف – فرز – تصفية)</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;
            text-align: left;
            direction: ltr;
            margin-top: 1rem;
            white-space: pre;
            font-size: 1.05rem;
            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; }
    </style>
</head>

<header class="text-center mb-12">
    <h1 class="text-4xl md:text-5xl font-extrabold text-green-700 mb-4">
        الدرس 9.4: التعديل على البيانات (تنظيف – فرز – تصفية)
    </h1>
    <p class="text-2xl text-gray-600">
        كيف نحول البيانات الخام إلى بيانات جاهزة للتحليل باستخدام Pandas
    </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>
        لماذا نحتاج إلى تنظيف وفرز وتصفية البيانات؟
    </h2>

<p class="text-xl text-gray-700 mb-4">
        في الواقع العملي، البيانات نادرًا ما تأتي نظيفة وجاهزة للتحليل. غالبًا نجد:
    </p>

<ul class="list-disc pr-6 text-gray-700 text-xl space-y-2">
        <li>قيم ناقصة (Missing Values).</li>
        <li>صفوف غير مهمة أو مكررة.</li>
        <li>قيم غير منطقية أو خارج نطاق معين.</li>
    </ul>

<p class="text-xl text-gray-700 mt-4">
        مكتبة <strong>Pandas</strong> توفر أدوات قوية لـ:
    </p>

<ul class="list-disc pr-6 text-gray-700 text-xl space-y-2">
        <li><strong>تنظيف البيانات:</strong> التعامل مع القيم الناقصة، تعديل الأسماء، حذف الصفوف غير المطلوبة.</li>
        <li><strong>فرز البيانات:</strong> ترتيب الجدول حسب عمود أو أكثر.</li>
        <li><strong>تصفية البيانات:</strong> اختيار جزء معين من البيانات حسب شروط معينة.</li>
    </ul>
</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 جدول بيانات تجريبي
    </h2>

<p class="text-xl text-gray-700 mb-4">
        سننشئ DataFrame يحتوي على بيانات موظفين، مع بعض القيم الناقصة لاستخدامها في الأمثلة:
    </p>

<code id="df-sample">
<span class="py-import">import</span> pandas <span class="py-func">as</span> pd
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

data = {
    <span class="py-str">"name"</span>:   [<span class="py-str">"Ali"</span>, <span class="py-str">"Sara"</span>, <span class="py-str">"Omar"</span>, <span class="py-str">"Mona"</span>, <span class="py-str">"Laila"</span>],
    <span class="py-str">"age"</span>:    [<span class="py-num">25</span>, <span class="py-num">np.nan</span>, <span class="py-num">30</span>, <span class="py-num">28</span>, <span class="py-num">np.nan</span>],
    <span class="py-str">"salary"</span>: [<span class="py-num">8000</span>, <span class="py-num">7500</span>, <span class="py-num">np.nan</span>, <span class="py-num">9000</span>, <span class="py-num">8500</span>],
    <span class="py-str">"city"</span>:  [<span class="py-str">"Riyadh"</span>, <span class="py-str">"Jeddah"</span>, <span class="py-str">"Riyadh"</span>, <span class="py-str">"Dammam"</span>, <span class="py-str">"Riyadh"</span>]
}

df = pd.DataFrame(data)

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

</div>

<button class="try-btn" onclick="runCode('df-sample')">▶️ تجربة الكود</button>
</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>
        تنظيف البيانات: القيم الناقصة (NaN)
    </h2>

<p class="text-xl text-gray-700 mb-4">
        القيم الناقصة في Pandas تمثّل عادة بـ <strong>NaN</strong> (من NumPy).  
        يمكن التعامل معها بعدة طرق حسب الحالة:
    </p>

<ul class="list-disc pr-6 text-gray-700 text-xl space-y-2">
        <li><strong>حذف الصفوف الناقصة:</strong> عند كون الصف غير مهم.</li>
        <li><strong>ملء القيم:</strong> مثل وضع متوسط، صفر، أو قيمة ثابتة.</li>
    </ul>

<code id="df-missing">
<span class="py-import">import</span> pandas <span class="py-func">as</span> pd
<span class="py-import">import</span> numpy <span class="py-func">as</span> np

data = {
    <span class="py-str">"name"</span>:   [<span class="py-str">"Ali"</span>, <span class="py-str">"Sara"</span>, <span class="py-str">"Omar"</span>, <span class="py-str">"Mona"</span>],
    <span class="py-str">"age"</span>:    [<span class="py-num">25</span>, <span class="py-num">np.nan</span>, <span class="py-num">30</span>, <span class="py-num">28</span>],
    <span class="py-str">"salary"</span>: [<span class="py-num">8000</span>, <span class="py-num">7500</span>, <span class="py-num">np.nan</span>, <span class="py-num">9000</span>]
}
df = pd.DataFrame(data)

<span class="py-comment"># 1) معرفة القيم الناقصة</span>
<span class="py-func">print</span>(df.isna())

<span class="py-comment"># 2) حذف الصفوف التي تحتوي على NaN</span>
cleaned = df.dropna()
<span class="py-func">print</span>(cleaned)

<span class="py-comment"># 3) ملء القيم الناقصة في العمر بمتوسط العمر</span>
mean_age = df[<span class="py-str">"age"</span>].mean()
df[<span class="py-str">"age"</span>] = df[<span class="py-str">"age"</span>].fillna(mean_age)

<span class="py-comment"># 4) ملء الرواتب الناقصة بقيمة ثابتة (مثلاً 0)</span>
df[<span class="py-str">"salary"</span>] = df[<span class="py-str">"salary"</span>].fillna(<span class="py-num">0</span>)

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

</div>

<button class="try-btn" onclick="runCode('df-missing')">▶️ تجربة الكود</button>
</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>
        فرز البيانات sort_values
    </h2>

<p class="text-xl text-gray-700 mb-4">
        يمكن ترتيب الصفوف حسب عمود معيّن (أو أكثر)، تصاعديًا أو تنازليًا:
    </p>

<code id="df-sort">
<span class="py-import">import</span> pandas <span class="py-func">as</span> pd

data = {
    <span class="py-str">"name"</span>:   [<span class="py-str">"Ali"</span>, <span class="py-str">"Sara"</span>, <span class="py-str">"Omar"</span>, <span class="py-str">"Mona"</span>],
    <span class="py-str">"age"</span>:    [<span class="py-num">25</span>, <span class="py-num">22</span>, <span class="py-num">30</span>, <span class="py-num">28</span>],
    <span class="py-str">"salary"</span>: [<span class="py-num">8000</span>, <span class="py-num">7500</span>, <span class="py-num">9000</span>, <span class="py-num">8500</span>]
}
df = pd.DataFrame(data)

<span class="py-comment"># فرز حسب العمر تصاعديًا</span>
by_age = df.sort_values(by=<span class="py-str">"age"</span>)
<span class="py-func">print</span>(by_age)

<span class="py-comment"># فرز حسب الراتب تنازليًا</span>
by_salary_desc = df.sort_values(by=<span class="py-str">"salary"</span>, ascending=<span class="py-func">False</span>)
<span class="py-func">print</span>(by_salary_desc)
</code>

</div>

<button class="try-btn" onclick="runCode('df-sort')">▶️ تجربة الكود</button>
</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>
        تصفية البيانات باستخدام الشروط (Filtering)
    </h2>

<p class="text-xl text-gray-700 mb-4">
        التصفية تعني اختيار الصفوف التي تحقق شرطًا معيّنًا، مثل:  
        <strong>كل الموظفين من مدينة معيّنة، أو من لديهم راتب أكبر من قيمة معينة</strong>.
    </p>

<code id="df-filter">
<span class="py-import">import</span> pandas <span class="py-func">as</span> pd

data = {
    <span class="py-str">"name"</span>:   [<span class="py-str">"Ali"</span>, <span class="py-str">"Sara"</span>, <span class="py-str">"Omar"</span>, <span class="py-str">"Mona"</span>, <span class="py-str">"Laila"</span>],
    <span class="py-str">"age"</span>:    [<span class="py-num">25</span>, <span class="py-num">22</span>, <span class="py-num">30</span>, <span class="py-num">28</span>, <span class="py-num">27</span>],
    <span class="py-str">"salary"</span>: [<span class="py-num">8000</span>, <span class="py-num">7500</span>, <span class="py-num">9000</span>, <span class="py-num">8500</span>, <span class="py-num">7000</span>],
    <span class="py-str">"city"</span>:  [<span class="py-str">"Riyadh"</span>, <span class="py-str">"Jeddah"</span>, <span class="py-str">"Riyadh"</span>, <span class="py-str">"Dammam"</span>, <span class="py-str">"Riyadh"</span>]
}
df = pd.DataFrame(data)

<span class="py-comment"># الموظفون الذين رواتبهم أكبر من 8000</span>
high_salary = df[df[<span class="py-str">"salary"</span>] &gt; <span class="py-num">8000</span>]
<span class="py-func">print</span>(high_salary)

<span class="py-comment"># الموظفون من مدينة الرياض فقط</span>
riyadh_only = df[df[<span class="py-str">"city"</span>] == <span class="py-str">"Riyadh"</span>]
<span class="py-func">print</span>(riyadh_only)

<span class="py-comment"># شرط مركّب: من الرياض وراتبهم &gt;= 8000</span>
cond = (df[<span class="py-str">"city"</span>] == <span class="py-str">"Riyadh"</span>) &amp; (df[<span class="py-str">"salary"</span>] &gt;= <span class="py-num">8000</span>)
filtered = df[cond]
<span class="py-func">print</span>(filtered)
</code>

</div>

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

<p class="text-xl text-gray-700 mt-4">
        نستخدم العلامة <strong>&amp;</strong> للجمع بين شرطين (AND)،  
        والعلامة <strong>|</strong> للتعبير عن (OR) عند الحاجة.
    </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>
        إضافة أعمدة جديدة وتعديل القيم
    </h2>

<p class="text-xl text-gray-700 mb-4">
        يمكن بسهولة إنشاء أعمدة جديدة اعتمادًا على أعمدة موجودة، مثل احتساب ضريبة أو درجة نهائية:
    </p>

<code id="df-add-column">
<span class="py-import">import</span> pandas <span class="py-func">as</span> pd

data = {
    <span class="py-str">"name"</span>:   [<span class="py-str">"Ali"</span>, <span class="py-str">"Sara"</span>, <span class="py-str">"Omar"</span>],
    <span class="py-str">"salary"</span>: [<span class="py-num">8000</span>, <span class="py-num">7500</span>, <span class="py-num">9000</span>]
}
df = pd.DataFrame(data)

<span class="py-comment"># إضافة عمود نسبة الضريبة 15%</span>
df[<span class="py-str">"tax"</span>] = df[<span class="py-str">"salary"</span>] * <span class="py-num">0.15</span>

<span class="py-comment"># إضافة عمود صافي الراتب بعد الضريبة</span>
df[<span class="py-str">"net_salary"</span>] = df[<span class="py-str">"salary"</span>] - df[<span class="py-str">"tax"</span>]

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

</div>

<button class="try-btn" onclick="runCode('df-add-column')">▶️ 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 DataFrame يحتوي على بيانات 6 طلاب:
                <br>
                الأعمدة: <strong>name, math, physics, english</strong>.
                <br>
                ضع بعض القيم الناقصة (NaN) في الدرجات.
            </li>
            <li>
                استخدم <code>isna()</code> لمعرفة مواضع القيم الناقصة،  
                ثم استخدم <code>fillna()</code> لملء القيم الناقصة في كل مادة بمتوسط درجات تلك المادة.
            </li>
            <li>
                أضف عمودًا جديدًا باسم <strong>total</strong> يمثل مجموع درجات المواد الثلاث لكل طالب.
            </li>
            <li>
                فرز الجدول تنازليًا حسب عمود <strong>total</strong> لاختيار أعلى الطلاب درجة.
            </li>
            <li>
                أنشئ تصفية (filter) لاختيار الطلاب الذين:
                <ul class="list-disc pr-6 mt-2">
                    <li>مجموع درجاتهم أكبر من أو يساوي 240.</li>
                    <li>واطبع أسماءهم فقط.</li>
                </ul>
            </li>
        </ol>
    </div>
</section>

<footer class="text-center text-gray-400 text-lg mt-8 pb-8">
    الدرس 9.4 — التعديل على البيانات (تنظيف – فرز – تصفية)
</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>