تمرين: تحميل CSV في Jupyter

تمرين صغير يجمع ما تعلّمته في Jupyter Notebook وNumPy وPandas. الهدف: تحميل ملف CSV صغير، فحصه بسرعة، وتنفيذ عمليتين أساسيتين — دون أي نموذج تعلّم آلي حتى الآن. هذا التمرين يسبق الخوارزميات لأنه يبني العادة اليومية لاستكشاف البيانات.

📋 المتطلبات قبل البدء: بيئة Python للذكاء الاصطناعي جاهزة، Jupyter مثبّت، Pandas مثبّت.

ما الذي ستحصل عليه بعد التمرين

• خبرة في فتح دفتر Jupyter جديد.
• عادة استيراد Pandas وقراءة ملف CSV.
• نظرة على أوامر الفحص الأساسية (head, shape, dtypes, isna).
• تنفيذ عمليتين بسيطتين: ترتيب، تجميع، أو حساب متوسط.

الخطوة 1 — إنشاء البيانات

في هذا التمرين لن نحتاج ملفًا خارجيًا — سننشئ جدولًا صغيرًا داخل الكود نفسه ونقرأه كـ CSV. هذا يحاكي سير العمل الحقيقي بدون إضافة ملف إلى المستودع.

في خلية Code جديدة في Jupyter:

import pandas as pd

# إنشاء جدول صغير يدويًا
data = {
    "neighborhood": ["Downtown", "Suburb", "Suburb", "Downtown", "Village", "Village"],
    "area": [120, 200, 85, 300, 150, None],
    "rooms": [3, 4, 2, 5, 3, 4],
    "age": [10, 5, 20, 2, 15, 30],
    "price": [400000, 550000, 250000, 800000, 420000, 500000],
}

df = pd.DataFrame(data)

# حفظ كملف CSV
df.to_csv("houses_practice.csv", index=False)

print("تم إنشاء الملف: houses_practice.csv")
print("عدد الصفوف:", len(df))

المتوقع:

تم إنشاء الملف: houses_practice.csv
عدد الصفوف: 6

الخطوة 2 — قراءة الملف وفحصه

خلية جديدة:

# قراءة الملف
df = pd.read_csv("houses_practice.csv")

# أوّل 5 صفوف
df.head()

المتوقع: جدول فيه الأعمدة neighborhood, area, rooms, age, price، والصف الأخير (Village) فيه area = NaN (قيمة مفقودة).

خلية جديدة:

# الشكل العام
print("الشكل:", df.shape)        # (6, 5)
print("الأعمدة:", df.columns.tolist())
print("الأنواع:")
print(df.dtypes)

الخطوة 3 — تحديد القيم المفقودة

# عدّ القيم المفقودة في كل عمود
df.isna().sum()

المتوقع:

neighborhood    0
area            1
rooms           0
age             0
price           0
dtype: int64

الخطوة 4 — عملية أساسية 1: ترتيب حسب السعر

df_sorted = df.sort_values("price", ascending=False)
df_sorted[["neighborhood", "area", "price"]]

المتوقع: الصف الأول (Downtown، المساحة 300، السعر 800,000) ثم الباقي تنازليًا.

الخطوة 5 — عملية أساسية 2: متوسط السعر حسب الحي

df.groupby("neighborhood")["price"].mean()

المتوقع:

neighborhood
Downtown    600000.0
Suburb      400000.0
Village     460000.0
Name: price, dtype: float64

الخطوة 6 — تنظيف سريع

املأ القيمة المفقودة في area بالوسيط:

median_area = df["area"].median()
df["area"] = df["area"].fillna(median_area)

# تأكيد: لا قيم مفقودة الآن
print("قيم مفقودة بعد التنظيف:", df.isna().sum().sum())

المتوقع: 0.

الخطوة 7 — احفظ النتيجة

df.to_csv("houses_practice_clean.csv", index=False)
print("تم حفظ النسخة النظيفة: houses_practice_clean.csv")

ما الذي تعلّمته من التمرين

• كيف تُنشئ DataFrame من قاموس Python.
• كيف تحفظه كملف CSV ثم تقرأه من جديد.
• كيف تفحص البيانات بسرعة بـhead, shape, dtypes, isna.
• كيف تفرز وتجمّع (sort_values, groupby).
• كيف تتعامل مع القيم المفقودة بـfillna.

كل خطوة هنا ستتكرّر يوميًا في أي مشروع تعلّم آلي فعلي. الاستكشاف والتحضير (Data Exploration and Preparation) هو الجزء الأطول من أي مشروع.

تحدّي اختياري

إذا أنهيت الخطوات بسرعة وتريد المزيد:

1. أضف عمود price_per_m2 = price / area، ثم احسب متوسطه حسب الحي.
2. أضِف صفًّا جديدًا بأسعار وهمية ثم احسب الانحراف المعياري للسعر.
3. احفظ نسخة جديدة كـhouses_practice_v2.csv مع العمود الجديد.

الخطوات التالية

• NumPy للذكاء الاصطناعي — كيف تتكامل NumPy مع Pandas.
• Pandas لتحضير البيانات — مرجع كامل لما استخدمته هنا.
• الموجة التالية من المسار ستأخذك إلى scikit-learn، حيث ستمرّر X و y من Pandas إلى نموذج تعلّم آلي.