أفكار وأدوات رقمية بلغة مفهومة.
1201 مقال
جداول فيشر ذات الهوامش الثابتة لا تعني أي إعادة ترتيب للأعداد في أربع خلايا. نثبت مجاميع الصفوف والأعمدة، ثم نشتق الجداول التي تحافظ عليها وتبقى أعدادها صحيحة غير سالبة. مثالنا يعطي أربعة جداول ممكنة، ونبين لماذا لا يكفي عددها لمنح كل منها احتمال الربع.
عندما يجهز مساعد جدولًا لتحليل بيانات نموذج، قد يرى ثلاثة صفوف وعمودين فيفترض أن ترتيب الدالة يطابق أسماء الجدول. اتجاه المتغيرات في corrcoef يحتاج تصريحًا: أي جانب يحمل المتغير، وأي جانب يحمل المشاهدات المتطابقة؟ نقرأ الخيار ثم نعد أسماء النتيجة في جدول صغير، دون استدعاء المكتبة.
تصحيح ييتس ودرجة الحرية سؤال عن إعداد الحساب الذي يقرأه المساعد، لا عن تغيير عدد الحالات في البيانات. قد يظهر إحصاء مختلف لجدول واحد لأن التصحيح فُعّل. نقيد المقارنة بجدول من صفين وعمودين، وبإحصاء Pearson والطريقة التحليلية المعتادة، ثم نفحص مقدار التغير يدويًا.
اختيار الإحصاء في power_divergence يحدد كيف يلخص مساعد تحليل البيانات الفرق بين أعداد مشاهدة ومتوقعة. بقاء الجدول نفسه لا يضمن بقاء الرقم إذا تغيرت العائلة الحسابية. نثبت فئتين ومتوقعًا معلنًا، ونحسب Pearson ونسبة الاحتمالية يدويًا؛ المقارنة تخص الإحصاء، لا اختيار النتيجة التي نريدها.
حين يلخص مساعد بيانات فئات مرمزة، قد يرى خمسة مواضع في ناتج مع أن الأصل لم يستعمل سوى رمزين. الفهارس والأوزان في bincount توضح السبب: موضع الناتج يطابق الرمز، لا ترتيب ظهور الفئات الفريدة. نكتب سجلًا قصيرًا ثم نقرأ الفراغات والأوزان والحد الأدنى للطول دون تنفيذ المكتبة.
تطبيع التكرارات قبل الإنتروبيا مهم حين يطلب مساعد عددًا يصف توزيع فئات البيانات. قائمة مثل اثنين وستة تجمع إلى ثمانية، فلا تدخل الأعداد نفسها مكان احتمالات تجمع إلى واحد. نقرأ ما تفعله scipy.stats.entropy ثم نقارن حصيلتين متناسبتين وصيغة استبدال خاطئة، دون استدعاء المكتبة.
تحجيم MAD بخيار normal قد يربك مساعدًا يقرأ ملخص تشتت في تقرير بيانات. الكلمة تصف معامل تحجيم في العقد، ولا تكفي لإعلان أن البيانات موزعة طبيعيًا أو أن الرقم صار الانحراف المعياري المحسوب من مربعات الفروق. نبدأ بخمس قيم معلنة ثم نفصل الوسيط ومقياس التحجيم والادعاء الإحصائي.
تقريب عدد الحذف في trim_mean مهم حين يلخص مساعد متوسط بيانات بعد معالجة طرفيها. النسبة تتعلق بعدد عناصر في كل طرف من القائمة المرتبة، وقد لا تعطي عددًا صحيحًا. نثبت ست قيم، ونقارن طلبين من دون تحويل حذف العناصر إلى قص قيمها أو إعلان أنها كانت أخطاء.
تعادل الرتب وتطبيع تاو كندال قد يجعل مساعدًا يرى رقمين مختلفين لدرجتي ترتيب على الحالات نفسها. قبل تفسير الفرق على أنه تغير علاقة، نحدد نسخة المعامل وما الذي يدخل مقامها. نكتب ثلاث حالات فيها تعادل من جانب واحد، ثم نعد الأزواج ونحسب نسختي b وc دون استدعاء SciPy.
لا تكفي قائمة القيم الفريدة وأعداد تكرارها لاستعادة ترتيب الإدخال الأصلي. تحتاج أيضا إلى علاقة تحدد القيمة التي تخص كل موضع. في تجهيز بيانات نموذج، قد يعرض المساعد ملخصا صحيحا للتكرارات، ثم يعيد بناء ترتيب مختلف. لذلك افصل بين سؤال عدد مرات الظهور وسؤال مكان كل ظهور.
لا تثبت نتيجة searchsorted وحدها وجود القيمة في البيانات. إنها تجيب عن موضع يمكن إدراج القيمة فيه مع حفظ الترتيب. قد يكون ذلك الموضع أمام قيمة مختلفة، أو عند نهاية القائمة. حين يطلب المساعد التحقق من عضوية عدد في قائمة مرتبة، يحتاج إلى فحص إضافي بعد حساب موضع الإدراج.
تعيد argsort فهارس يمكن بها ترتيب القيم، ولا تعيد القيم المرتبة نفسها. حين ترتبط نتيجة نموذج بمعرف سجل، يمكنك فهم هذه الفهارس بوصفها ترتيب اختيار من القائمة الأصلية. لكن استخدام الأعداد الناتجة كما لو كانت درجات النموذج يغير معنى التقرير. ويحتاج تعادل الدرجات إلى بيان سياسة ترتيب المتساويات.
الفهرس على محور الأعمدة يحدد موقعا داخل الصف الذي يخصه؛ لا يحدد خلية واحدة مشتركة بين الصفوف. في take_along_axis تستطيع قائمة فهارس مطابقة للصفوف أن تختار عمودا مختلفا من كل صف. لذلك يجب أن يشرح المساعد محور الاختيار وعلاقة الفهارس بالصفوف، خصوصا قبل نقل ميزات إلى نموذج.
لا تجعل ملء مواضع جديدة أثناء إعادة الفهرسة علاجًا تلقائيًا للقيم المفقودة التي كانت موجودة في البيانات الأصلية. السؤال المهم هو: هل الخانة غابت لأن تسميتها أضيفت الآن، أم كانت موجودة وقيمتها مجهولة؟ حين يجهز المساعد جدولًا للنموذج، يحتاج إلى إبقاء هذا الفرق ظاهرًا حتى لا ينسب قيمة اختارها إلى قياس سابق.
عند استخدام combine_first، يحتفظ الجدول الأول بقيمته غير المفقودة في الموضع المشترك، ويستفيد من الثاني لملء المواضع المفقودة. وقد تظهر في الناتج تسميات لم تكن في الأول. لذلك لا تصف العملية بأنها تحديث كل خانات الأول بالثاني، ولا تفترض أن الاسم الأول يعني أن بياناته أصح من غيرها.
قد يغير تبديل a وb نتيجة isclose عندما يكون السماح النسبي غير صفري. الفرق بين العددين يظل نفسه، لكن حد القبول يعتمد على القيمة المرجعية. لذلك لا يكفي أن يقول المساعد إن رقمين متقاربان من دون تحديد اتجاه المقارنة وإعداداتها. هذا سؤال عن عقد أداة عددية، لا عن اختيار أي قياس يمثل الحقيقة.
إذا قطعت مسافتين متساويتين بسرعتين ثابتتين موجبتين، فإن سرعة الرحلة الكلية تساوي المسافة الكلية مقسومة على الزمن الكلي. لا يكفي المتوسط الحسابي للسرعتين؛ فالجزء الأبطأ يستغرق زمنا أطول. يستطيع المساعد اقتراح المتوسط التوافقي لهذه الحالة، لكن ينبغي أن يحفظ شرط تساوي المسافتين ومعنى معدل الرحلة.
ترتيب إحداثيات GeoJSON جزء من معنى الأرقام عند إعداد بيانات مكانية للذكاء الاصطناعي. إذا كان سجلنا المقصود يحمل خط طول 40 وخط عرض 20 ، فإن تبديلهما يغير الموضع، حتى لو بقي الرقمان ضمن مجال مقبول. نوضح الفرق بين قراءة البنية والتأكد من المكان.
