‫در این ویدئو‪ ،‬مبانی گروه بندی و اینکه چگونه می تواند به تبدیل داه هایمان‬

‫کمک کند را پوشش می دهیم‪ .‬تصور کنید می خواهید بدانید‪ ،‬آیا رابطه ای بین انواع مختلف‬
‫و قیمت خودرو وجود دارد؟ اگر وجود دارد‪ ،‬چه نوع ‪ four-wheel drive،‬و ‪: forward، rear‬سیستم رانندگی‪ ،‬شامل‬
‫سیستم رانندگی‬
‫قیمت ماشین را باالتر می برد؟ خوب می شد اگر می توانستیم همه داده ها‬
‫های ‪ drive wheels‬گروه بندی کنیم و نتایج ‪ drive wheels‬با انواع مختلف‬
‫‪ group‬مختلف را با هم مقایسه کنیم‪ .‬در پانداس‪ ،‬این کار با استفاده از‬
‫در متغیرهای ‪. group by method‬انجام می شود ‪ method‬توسط‬
‫طبقه بندی استفاده می شود‪ ،‬بر اساس طبقه بندیهای متفاوت آن متغیر‪ ،‬داده ها‬
‫را به زیر مجموعه هایی گروه بندی می کند‪ .‬می توانید با یک متغیر‬
‫تنها یا با متغیرهای متعدد گروه بندی کنید با وارد کردن چند نام متغیر به عنوان مثال‪ ،‬بیایید بگوییم ما می خواهیم‬
‫تغییر می ‪drive wheels‬و ‪ body styles‬قیمت متوسط خودرو را پیدا کنیم و ببینیم چگونه با انواع مختلف متغیرهای‬
‫کند‪ .‬برای انجام این کار‪ ،‬ابتدا سه ستون داده‬
‫را که می خواهیم انتخاب می کنیم‪ ،‬که در خط اول کد انجام می شود‪ .‬سپس داده کوچک شده را‬
‫در خط دوم ‪ body style‬و ‪ drive wheels‬بر اساس‬
‫گروه بندی می کنیم‪ .‬از آنجاییکه می خواهیم بدانیم چگونه‬
‫قیمت متوسط درکل جدول تغییر می کند‪ ،‬می توانیم میانگین‬
‫‪،‬هر گروه را محاسبه کرده و و این مقدار را به انتهای خط اضافه کنیم‪ .‬داده ها به زیر گروهها‬
‫گروه بندی می شوند و تنها قیمت متوسط هر زیر گروه‬
‫و ‪، rear wheel drive convertibles‬نشان داده می شود‪ .‬می توانیم ببینیم که بر طبق داده هایمان‬
‫‪ four wheel‬باالترین مقدار را دارند در حالیکه ‪rear wheel drive hard hardtops‬‬
‫کمترین مقدار را دارد‪ .‬این جدول ساده ترین فرم برای خواندن ‪drive hatchbacks‬‬
‫این ‪ pivot‬نیست و همچنین تصویر سازی آن ساده نیست‪ .‬برای اینکه آنرا قابل فهم تر کنیم‪ ،‬می توانیم با استفاده از متد‬
‫‪ body style‬و ‪ drive wheels‬تبدیل کنیم‪ .‬در جدول قبلی‪ ،‬هر دو ‪ pivot table‬جدول را به یک‬
‫یک ‪ pivot table،‬در ستونها نمایش داده شدند‪ .‬یک‬
‫متغیر دارد که در ستون ها نمایش داده می شود و‬
‫متغیر دیگر در ردیف ها‪ .‬فقط با یک خط کد و با‬
‫‪ body style‬پانداس‪ ،‬می توانیم متغیر ‪ pivot‬استفاده از متد‬
‫‪ drive wheels‬کنیم تا آنرا در ستونها نشان دهید و ‪ pivot‬را‬
‫را در ردیف ها‪ .‬داده قیمت یک شبکه مستطیلی می شود‪ ،‬که برای تصویر سازی ساده تر است‪ .‬این شبیه کاریست که معموال‬
‫‪ pivot table‬در اکسل انجام می شود‪ .‬راه دیگر برای نشان دادن‬
‫شبکه مستطیلی داده ها ‪. heat map‬است ‪ heat map‬استفاده از یک نمودار‬
‫را می گیرد ویک شدت رنگ بر اساس مقدار داده در نقاط شبکه‬
‫به آن اختصاص می دهد‪ .‬این راه خوبی برای رسم متغیر‬
‫هدف با چند متغیر است و از این طریق راهنمای تصویری برای رابطه بین این متغیرها و‬
‫‪ pyplot's p color‬هدف بدست می آید‪ .‬در این مثال‪ ،‬از متد‬
‫را رسم کنیم و ‪ heat map‬استفاده می کنیم تا‬
‫قبلی را به یک فرم گرافیکی تبدیل کنیم‪ .‬ما طرح رنگی قرمز آبی ‪pivot table‬‬
‫ها شماره گذاری میشود و هرنوع ‪ x‬روی محور ‪ body style‬را در نظر می گیریم‪ .‬در نمودار خروجی‪ ،‬هر نوع از‬
‫ها‪ .‬قیمت متوسط با تغییر رنگها ‪ y‬روی محور ‪drive wheels‬‬
‫به نظر می رسد قیمت ‪ heat map‬بر اساس مقادیرشان رسم می شوند‪ .‬بر اساس نوار رنگ‪ ،‬می بینیم که قسمت باالیی‬
‫باالتری به‬
‫‪.‬نسبت قسمت پایینی داشته باشد‬