صفحة 133 - كتاب علم البيانات - الصف 11 - الفصل 1 - المملكة العربية السعودية

📚 إنشاء أول مخطط شريطي في جوبيتر

المفاهيم الأساسية

المخطط الشريطي (Bar Chart): تمثيل القيم بارتفاع الأعمدة (مذكور في الخريطة السابقة).

خريطة المفاهيم

```markmap

تصوير البيانات

التعريف

التمثيل البياني للمعلومات

يجعل البيانات أيسر فهماً وتحليلاً

الأدوات

مفكرة جوبيتر

#### يدعم تصوير البيانات باستخدام مكتبات البايثون

الأنواع الشائعة

المخططات

#### المخطط الخطي

##### رسم القيم بخطوط مستقيمة عبر الزمن

##### للمقارنة بين أكثر من متغير

#### المخطط الشريطي

##### تمثيل القيم بارتفاع الأعمدة

##### أنواعه: المجمعة، المكدسة، مع أشرطة الخطأ

###### خطوات إنشاء مخطط شريطي في جوبيتر

####### 1. استيراد المكتبات

######## matplotlib.pyplot

######## numpy

######## arabic_reshaper

######## bidi.algorithm

####### 2. إنشاء مجموعة البيانات

######## تجميع البيانات حسب المنطقة باستخدام دالة (mean)

######## الحصول على متوسط عدد الطلبة والمعلمين والإداريين

######## فرز إطار البيانات حسب عمود الطلبة (تنازلياً)

####### 3. اختيار البيانات للرسم

######## استخدام الصفوف الخمسة الأولى فقط لمخطط أوضح

######## استخراج القيم إلى قوائم منفصلة

#### المخطط النقطي

##### تمثيل البيانات بنقاط مبعثرة

##### يوضح الارتباط بين متغيرين (إيجابي، سلبي، لاشيء)

#### المخطط الدائري (Pie Chart)

##### مخطط يشبه الفطائر مقسم إلى شرائح

##### يمثل القيم النسبية للمتغيرات في فئة معينة

##### أنواعه: المجوفة (Doughnut)، نصف المجوفة (Half-Doughnut)، متعددة الطبقات (Multilayered)

#### المخطط المدرج التكراري (Histogram)

##### مخطط يظهر تواتر البيانات العددية

##### الأعمدة متصلة ببعضها البعض

##### يختلف عن المخطط الشريطي الذي يقارن فئات البيانات

الرسوم البيانية

الجداول

الخرائط

مبدأ الاختيار

يتم تمثيل البيانات بشكل مختلف بكل نوع

اختر النوع حسب الهدف من التقرير

مكتبة مات بلوت ليب (Matplotlib)

مكتبة بايثون لإنشاء المخططات

تحتوي على أساليب جاهزة لجعل المخططات أكثر قابلية للفهم

دعم النص العربي

#### يتطلب استخدام مكتبتين إضافيتين:

##### arabic_reshaper

##### bidi.algorithm

#### يتم تثبيتهما بالأمر:

##### !pip install arabic-reshaper

##### !pip install python-bidi

```

نقاط مهمة

• الخطوة الأولى لإنشاء مخطط هي استيراد المكتبات الضرورية: `matplotlib.pyplot`، `numpy`، `arabic_reshaper`، `bidi.algorithm`.
• يتم تجميع البيانات وتحضيرها قبل الرسم، مثل حساب المتوسطات وفرزها تنازلياً حسب معيار محدد (مثل عدد الطلبة).
• لإنشاء مخطط أوضح، يمكن اختيار جزء من البيانات (مثل الصفوف الخمسة الأولى) للعرض.
• تُستخرج البيانات المختارة إلى قوائم منفصلة (للأسماء، الطلبة، المعلمين، الإداريين) كتمهيد لرسم المخطط.

المخطط الشريطي Bar Chart

حان الوقت لإنشاء أول مخطط لك في مفكرة جوبيتر. ابدأ باستيراد المكتبات التي ستستخدمها.

import matplotlib.pyplot as plt import numpy as np import arabic_reshaper from bidi.algorithm import get_display

الشكل 3.43: المكتبات المستوردة

الخطوة التالية هي إنشاء مجموعة البيانات التي ستستخدمها. من مجموعة البيانات التي استخدمتها في الدرس السابق، ابدأ بتجميع بياناتك حسب المنطقة باستخدام دالة (mean) واحصل على متوسط عدد الطلبة والمعلمين والإداريين. قم بفرز إطار البيانات هذا حسب عمود الطلبة.

groupsB = data.groupby(['المنطقة الإدارية'])[['مجموع المعلمين', 'مجموع الطلبة', 'مجموع الإداريين']].mean().round(0) groupsB = groupsB.sort_values(by=['مجموع الطلبة'], ascending=False) groupsB

صنف البيانات بحسب الترتيب التنازلي.

المنطقة الإدارية مجموع الطلبة مجموع المعلمين مجموع الإداريين الشرقية 1582.0 110.0 22.0 مكة المكرمة 1378.0 105.0 20.0 الرياض 1313.0 102.0 27.0 المدينة المنورة 1148.0 97.0 17.0 عسير 1088.0 85.0 20.0 نجران 1054.0 73.0 16.0 جازان 956.0 71.0 17.0 الجوف 953.0 79.0 19.0 الحدود الشمالية 756.0 61.0 8.0 القصيم 708.0 72.0 15.0 حائل 648.0 69.0 15.0 تبوك 433.0 57.0 10.0

الشكل 3.44: إنشاء مجموعة البيانات

لإنشاء مخطط شريطي أكثر وضوحًا، سيكون الاختيار والاستخدام للصفوف الخمسة الأولى فحسب من مجموعة البيانات الخاصة بك.

reg = groupsB.iloc[:5,0].tolist() studentsH = groupsB.iloc[:5,1].tolist() teacherH = groupsB.iloc[:5,2].tolist() adminH = groupsB.iloc[:5,3].tolist() print(reg) print(studentsH) print(teacherH) print(adminH)

['الشرقية', 'مكة المكرمة', 'الرياض', 'المدينة المنورة', 'عسير'] [1582.0, 1378.0, 1313.0, 1148.0, 1088.0] [110.0, 105.0, 102.0, 97.0, 85.0] [22.0, 20.0, 27.0, 17.0, 20.0]

الشكل 3.45: حدد الصفوف الخمسة الأولى من مجموعة البيانات

وزارة التعليم 133 Ministry of Education 2025 - 1447

المخطط الشريطي Bar Chart حان الوقت لإنشاء أول مخطط لك في مفكرة جوبيتر. ابدأ باستيراد المكتبات التي ستستخدمها. import matplotlib.pyplot as plt import numpy as np import arabic_reshaper from bidi.algorithm import get_display الشكل 3.43: المكتبات المستوردة الخطوة التالية هي إنشاء مجموعة البيانات التي ستستخدمها. من مجموعة البيانات التي استخدمتها في الدرس السابق، ابدأ بتجميع بياناتك حسب المنطقة باستخدام دالة (mean) واحصل على متوسط عدد الطلبة والمعلمين والإداريين. قم بفرز إطار البيانات هذا حسب عمود الطلبة. groupsB = data.groupby(['المنطقة الإدارية'])[['مجموع المعلمين', 'مجموع الطلبة', 'مجموع الإداريين']].mean().round(0) groupsB = groupsB.sort_values(by=['مجموع الطلبة'], ascending=False) groupsB صنف البيانات بحسب الترتيب التنازلي. المنطقة الإدارية مجموع الطلبة مجموع المعلمين مجموع الإداريين الشرقية 1582.0 110.0 22.0 مكة المكرمة 1378.0 105.0 20.0 الرياض 1313.0 102.0 27.0 المدينة المنورة 1148.0 97.0 17.0 عسير 1088.0 85.0 20.0 نجران 1054.0 73.0 16.0 جازان 956.0 71.0 17.0 الجوف 953.0 79.0 19.0 الحدود الشمالية 756.0 61.0 8.0 القصيم 708.0 72.0 15.0 حائل 648.0 69.0 15.0 تبوك 433.0 57.0 10.0 الشكل 3.44: إنشاء مجموعة البيانات لإنشاء مخطط شريطي أكثر وضوحًا، سيكون الاختيار والاستخدام للصفوف الخمسة الأولى فحسب من مجموعة البيانات الخاصة بك. reg = groupsB.iloc[:5,0].tolist() studentsH = groupsB.iloc[:5,1].tolist() teacherH = groupsB.iloc[:5,2].tolist() adminH = groupsB.iloc[:5,3].tolist() print(reg) print(studentsH) print(teacherH) print(adminH) ['الشرقية', 'مكة المكرمة', 'الرياض', 'المدينة المنورة', 'عسير'] [1582.0, 1378.0, 1313.0, 1148.0, 1088.0] [110.0, 105.0, 102.0, 97.0, 85.0] [22.0, 20.0, 27.0, 17.0, 20.0] الشكل 3.45: حدد الصفوف الخمسة الأولى من مجموعة البيانات وزارة التعليم 133 Ministry of Education 2025 - 1447 --- VISUAL CONTEXT --- **CODE_BLOCK**: المكتبات المستوردة Description: A Python code block containing import statements for matplotlib.pyplot, numpy, arabic_reshaper, and bidi.algorithm. Context: Shows the necessary libraries to import for data visualization and Arabic text handling in Python. **CODE_BLOCK**: Untitled Description: A Python code block demonstrating data grouping by 'المنطقة الإدارية' (Administrative Region) and sorting by 'مجموع الطلبة' (Total Students) in descending order. Context: Illustrates data manipulation techniques using pandas for aggregation and sorting. **TABLE**: إنشاء مجموعة البيانات Description: A table displaying grouped and sorted data by administrative region, showing the average number of teachers, students, and administrators, sorted by total students in descending order. Table Structure: Headers: المنطقة الإدارية | مجموع الطلبة | مجموع المعلمين | مجموع الإداريين Rows: Row 1: الشرقية | 1582.0 | 110.0 | 22.0 Row 2: مكة المكرمة | 1378.0 | 105.0 | 20.0 Row 3: الرياض | 1313.0 | 102.0 | 27.0 Row 4: المدينة المنورة | 1148.0 | 97.0 | 17.0 Row 5: عسير | 1088.0 | 85.0 | 20.0 Row 6: نجران | 1054.0 | 73.0 | 16.0 Row 7: جازان | 956.0 | 71.0 | 17.0 Row 8: الجوف | 953.0 | 79.0 | 19.0 Row 9: الحدود الشمالية | 756.0 | 61.0 | 8.0 Row 10: القصيم | 708.0 | 72.0 | 15.0 Row 11: حائل | 648.0 | 69.0 | 15.0 Row 12: تبوك | 433.0 | 57.0 | 10.0 Calculation needed: This table is the output of a data grouping and sorting operation, showing calculated averages. Context: Presents the processed data that will be used for creating a bar chart, demonstrating the result of data aggregation and sorting. **CODE_BLOCK**: Untitled Description: A Python code block using `iloc` to select the first five rows of the `groupsB` DataFrame and convert specific columns to lists, then printing these lists. Context: Shows how to select a subset of data (top 5 rows) for focused visualization, and how to extract specific columns. **CODE_OUTPUT**: حدد الصفوف الخمسة الأولى من مجموعة البيانات Description: The output from the Python code block, showing four lists: administrative regions, total students, total teachers, and total administrators for the top five regions. Context: Displays the specific data points extracted from the main table, which are intended for use in creating a bar chart.