Post#چالش_پایتون_در_هوش_مصنوعی

#چالش_پایتون_در_هوش_مصنوعی 🧠 قسمت ۹: کار با داده‌های جدولی 📊 سلام دوستان! 👋 حالا که با Pandas آشنا شدیم، بیایید یاد بگیریم چطوری روی داده‌های جدولی عملیات مختلف انجام بدیم. این بخش خیلی مهمه چون بیشتر داده‌های دنیای واقعی به شکل جدول هستن. 🗂 --- ۱. فیلتر کردن داده‌ها import pandas as pd data = { "نام": ["علی", "سارا", "نیما", "رضا"], "سن": [18, 20, 19, 21], "نمره": [15, 19, 17, 20] } df = pd.DataFrame(data) # فیلتر: نمایش فقط کسانی که نمره بالای 17 دارن print(df[df["نمره"] > 17]) --- ۲. مرتب‌سازی داده‌ها # مرتب‌سازی بر اساس نمره print(df.sort_values("نمره", ascending=False)) --- ۳. انتخاب چند ستون print(df[["نام", "نمره"]]) --- ۴. اضافه کردن ستون جدید df["وضعیت"] = df["نمره"].apply(lambda x: "قبول ✅" if x >= 18 else "مردود ❌") print(df) --- ۵. محاسبات گروهی (GroupBy) مثال: محاسبه میانگین نمره‌ها بر اساس سن 👇 print(df.groupby("سن")["نمره"].mean()) --- ۶. پروژه کوچک جدول نمرات دانش‌آموزان رو مرتب کنیم و وضعیت هر کس رو نشون بدیم: students = { "نام": ["علی", "سارا", "نیما", "رضا"], "نمره": [15, 19, 17, 20] } df = pd.DataFrame(students) df["وضعیت"] = df["نمره"].apply(lambda x: "قبول ✅" if x >= 18 else "مردود ❌") print(df.sort_values("نمره", ascending=False)) 📌 خروجی نمونه: نام نمره وضعیت 3 رضا 20 قبول ✅ 1 سارا 19 قبول ✅ 2 نیما 17 مردود ❌ 0 علی 15 مردود ❌ --- 👀 قسمت بعدی: پاک‌سازی و آماده‌سازی داده‌ها 🧹 🗂 مرکز آموزش پایتون ➖➖➖➖➖➖➖➖ @pythonchallenge