بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 17: داده‌ی واقعی: جدول Real Data: Tables

داده‌ی واقعی مثل جدول است: هر سطر یک نفر، هر ستون یک ویژگی. با متن CSV و ماژول csv جدول را وارد پایتون می‌کنیم.

در این جلسه یاد می‌گیری

درس

در فاز قبل داده‌ها را خودمان در لیست می‌نوشتیم: [150, 160, 170]. اما داده‌ی واقعی از کجا می‌آید؟ از جدول! دفتر نمره‌ی معلم، لیست قد و وزن تیم، فروش بوفه‌ی مدرسه. هر سطر یک چیز است (یک دانش‌آموز) و هر ستون یک ویژگی (قد، سن، نمره).

رایج‌ترین شکل ذخیره‌ی جدول، CSV است: «مقدارهای جداشده با کاما». هر خط یک سطر است و ستون‌ها با , از هم جدا شده‌اند. خط اول معمولاً اسم ستون‌هاست و به آن «سرستون» (header) می‌گوییم.

name,age,height
Sara,12,150
Omid,13,162
Nika,11,143

در این سایت نمی‌توانیم فایل از اینترنت بگیریم، پس جدول را به شکل یک متن چندخطی داخل برنامه می‌گذاریم. سه کوتیشن """ یعنی متن می‌تواند چند خط باشد. .strip() خط خالی اول و آخر را پاک می‌کند.

data = '''
name,age,height
Sara,12,150
Omid,13,162
Nika,11,143
'''.strip()
print(data)

قدم اول: متن را به خط‌ها بشکن. splitlines() یک لیست از خط‌ها می‌دهد. قدم دوم: هر خط را با split(",") به ستون‌ها بشکن. حالا هر سطر یک لیست کوچک است.

lines = data.splitlines()
print(lines[0])            # name,age,height
row = lines[1].split(",")
print(row)                 # ['Sara', '12', '150']
print(row[0])              # Sara

دقت کن: همه‌چیز متن است! '150' عدد نیست. قبل از حساب کردن باید با int() یا float() عددش کنیم، درست مثل input(). سرستون (خط اول) را هم باید رد کنیم: lines[1:] یعنی از خط دوم به بعد.

heights = []
for line in lines[1:]:
    row = line.split(",")
    heights.append(int(row[2]))
print(heights)             # [150, 162, 143]
print(sum(heights) / len(heights))

پایتون یک ماژول آماده به اسم csv دارد که همین کار را امن‌تر انجام می‌دهد؛ مثلاً اگر یک اسم خودش کاما داشته باشد و بین کوتیشن باشد، خراب نمی‌شود. csv.reader روی خط‌ها می‌چرخد و هر سطر را به شکل لیست می‌دهد. next(reader) خط اول (سرستون) را برمی‌دارد.

import csv

reader = csv.reader(data.splitlines())
header = next(reader)
print(header)              # ['name', 'age', 'height']
for row in reader:
    print(row[0], "is", row[1], "years old")

اشتباه رایج: فراموش کردن سرستون. اگر int("height") اجرا شود، خطای ValueError می‌گیری. همیشه خط اول را جدا کن یا با next(reader) رد کن. اشتباه دوم: ستون را با شماره‌ی اشتباه برداشتن؛ شمارش از صفر است، پس height ستون ۲ است، نه ۳.

مثال‌های این جلسه

چالش‌ها

  1. Count the Rows (آسان)
  2. Just the Names (آسان)
  3. Average Age (متوسط)
  4. Tallest Student (متوسط)
  5. Table to Dictionaries (سخت)
  6. Column Report (سخت)

بیشتر بخوان

← جلسه‌ی 16: پروژه‌ی نهایی و ارائه جلسه‌ی 18: تمیز کردن داده →