تحليل البيانات باستخدام Python: دليل عملي للمبتدئين والمحترفين

مقدمة في تحليل البيانات

تحليل البيانات هو عملية فحص وتنظيف وتحويل البيانات لاستخراج معلومات مفيدة واتخاذ قرارات مدروسة.

تجهيز بيئة العمل

# حمّل من الموقع الرسمي
https://www.anaconda.com/download

# التثبيت اليدوي
pip install pandas numpy matplotlib seaborn jupyter

# تشغيل Jupyter
jupyter notebook

المكتبات الأساسية

Pandas: التعامل مع البيانات

📥 قراءة البيانات

# قراءة CSV
df = pd.read_csv('sales_data.csv')

# قراءة Excel
df = pd.read_excel('report.xlsx')

# استكشاف البيانات
df.head()
df.info()
df.describe()

🔧 معالجة البيانات

# التصفية
df[df['price'] > 100]

# التجميع
df.groupby('category')['sales'].sum()

# عمود جديد
df['total'] = df['price'] * df['quantity']

🧹 التنظيف

# القيم المفقودة
df.isnull().sum()
df.fillna(0)
df.dropna()

# إزالة التكرار
df.drop_duplicates()

التصور البياني

import matplotlib.pyplot as plt

# Line Chart
plt.plot(months, sales, marker='o')
plt.title('المبيعات الشهرية')
plt.show()

# Bar Chart
plt.bar(categories, values)

# Pie Chart
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# حفظ
plt.savefig('chart.png', dpi=300)

مشروع تطبيقي: تحليل المبيعات

# 1. تحميل البيانات
df = pd.read_csv('sales_data.csv')

# 2. التحليل
total_revenue = df['revenue'].sum()
top_category = df.groupby('category')['revenue'].sum().idxmax()
monthly_trend = df.groupby('month')['revenue'].sum()

# 3. التصور
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
monthly_trend.plot(ax=axes[0,0], title='الإيرادات الشهرية')
df.groupby('category')['revenue'].sum().plot(kind='bar', ax=axes[0,1])

# 4. التقرير
print(f"إجمالي الإيرادات: ${total_revenue:,.2f}")
print(f"أفضل فئة: {top_category}")

المسار الوظيفي

الأسئلة الشائعة