اردو- 11۱۴۱حصہ نظم سبق: ۲۲ ( غزل ) تدریسی مقاصد: طلبہ کو پروین شاکر کی شاعری میں پائے جانے والی شعری خوبیوں یعنی تشبیہات، استعارات اور زبان کی ندرت کی شناخت، ادبی جمالیات اور شعری حسن کو سمجھنے کی صلاحیت پیدا کرنا۔ طلبہ سے نسوانی اور تانیثی ادب کے بارے میں گفتگو کرنا۔ طلبہ کو پروین شاکر کی غزل کے مضامین اور موضوعات کے بارے میں بتانا۔ بادباں کھلنے سے پہلے کا اشارہ دیکھنا میں سمندر دیکھتی ہوں تم کنارہ دیکھنا یوں بچھڑنا بھی بہت آساں نہ تھا اُس سے مگر جاتے جاتے اُس کا وہ مُڑ کر دوبارہ دیکھنا کس شباہت کو لیے آیا ہے دروازے پہ چاند اے شبِ ہجراں! ذرا اپنا ستارہ دیکھنا کیا قیامت ہے کہ جن کے نام پر پلپا ہوئے اُن ہی لوگوں کو مقابل میں صف آرا دیکھنا جیتنے میں بھی جہاں جی کا زیاں پہلے سے ہے ایسی بازی ہارنے میں کیا خسارہ دیکھنا آئیے کی آنکھ ہی کچھ کم نہ تھی میرے لیے جانے اب کیا کیا دکھائے گا تمھارا دیکھنا ایک مُشتِ خاک اور وہ بھی ہوا کی زد میں ہے زندگی کی بے بسی کا استعارہ دیکھنا (ماہِ تمام) اضافی مطالعہ و ویڈیوز (EOLS) ویڈیو لیکچر غزل نمبر 5: بادباں کھلنے سے پہلے کا اشارہ دیکھنا | پروین شاکر ...
.png)
Master the essentials of Python data handling with Excellence Online Learning School (EOLS). Learn the key differences between NumPy and Pandas, and how they are used in AI and Data Science.
کلاس: پروگرامنگ (Python)مضمون: EOLS AIیونٹ: 4
Python میں ڈیٹا ہینڈلنگ: Pandas اور NumPy کا تعارف
حاصلاتِ تعلم (Learning Objectives)
- ڈیٹا سائنس میں NumPy اور Pandas کی اہمیت کو سمجھنا۔
- عددی ڈیٹا (Numerical Data) اور ٹیبلولر ڈیٹا کے فرق کو پہچاننا۔
- ڈیٹا فریمز اور اریز (Arrays) کے بنیادی تصورات کو واضح کرنا۔
ڈیٹا سائنس اور مصنوعی ذہانت (AI) کی دنیا میں ڈیٹا کو ترتیب دینا، اس کا تجزیہ کرنا اور اسے استعمال کے قابل بنانا سب سے اہم مرحلہ ہوتا ہے۔ Python پروگرامنگ میں اس کام کے لیے دو طاقتور لائبریریز، Pandas اور NumPy، ریڑھ کی ہڈی کی حیثیت رکھتی ہیں۔ اگر آپ ایک پروفیشنل ڈیٹا سائنٹسٹ بننا چاہتے ہیں، تو ان لائبریریز پر مہارت حاصل کرنا لازمی ہے۔ Excellence Online Learning School کے اس بلاگ میں ہم ان لائبریریز کی اہمیت اور ان کے فرق پر روشنی ڈالیں گے۔
NumPy: عددی حساب کتاب کا مرکز
NumPy (Numerical Python) ایک بنیادی لائبریری ہے جو Python میں بڑے پیمانے پر کثیر جہتی (Multi-dimensional) اریز (Arrays) اور میٹرکس (Matrices) پر کام کرنے کے لیے استعمال ہوتی ہے۔ یہ Python کی عام لسٹ (List) کے مقابلے میں کہیں زیادہ تیز اور کارآمد ہے۔
A professional 3D educational illustration showcasing multidimensional numerical arrays and matrices floating in a digital space with a Python logo. Soft blue and neon green lighting, high resolution, minimalist data science aesthetic.
NumPy کی خصوصیات
- Arrays: یہ ہمیں ڈیٹا کو ایک خاص ترتیب میں محفوظ کرنے کی سہولت دیتا ہے۔
- ریاضیاتی فنکشنز: اس میں الجبرا، ٹرگنومیٹری اور شماریات کے پیچیدہ مسائل حل کرنے کے لیے پہلے سے بنے ہوئے فنکشنز موجود ہیں۔
- تیز رفتار: یہ C زبان میں لکھی گئی ہے، اس لیے یہ ڈیٹا پر کارروائی کرنے میں بہت تیز ہے۔
کیا آپ جانتے ہیں؟
NumPy اریز (Arrays) میموری میں ڈیٹا کو ایک تسلسل میں محفوظ کرتے ہیں، یہی وجہ ہے کہ یہ عام لسٹ کے مقابلے میں 50 گنا زیادہ تیز ہو سکتے ہیں۔
NumPy اریز (Arrays) میموری میں ڈیٹا کو ایک تسلسل میں محفوظ کرتے ہیں، یہی وجہ ہے کہ یہ عام لسٹ کے مقابلے میں 50 گنا زیادہ تیز ہو سکتے ہیں۔
Pandas: ڈیٹا کی صفائی اور تجزیہ کا بہترین ٹول
جب بات "ٹیبلولر ڈیٹا" (Tabular Data) جیسے کہ Excel شیٹس یا SQL ٹیبلز کی ہو، تو Pandas کا کوئی مقابلہ نہیں۔ یہ لائبریری ڈیٹا کو لوڈ کرنے، اسے صاف کرنے اور اس کا تجزیہ کرنے کے لیے بہترین ٹولز فراہم کرتی ہے۔ آپ excellenceonlinelearningschool.blogspot.com پر موجود Python ٹیوٹوریلز کے ذریعے اسے عملی طور پر سیکھ سکتے ہیں۔
A clean, modern 3D illustration of a digital spreadsheet or data table being organized. Icons of magnifying glasses analyzing rows and columns of data, professional aesthetic using emerald green and slate grey tones, representing Pandas library efficiency.
Pandas کے دو اہم ڈھانچے (Data Structures)
- Series: یہ ایک جہتی (1D) لیبل شدہ ارے کی طرح ہوتی ہے۔
- DataFrame: یہ دو جہتی (2D) ڈھانچہ ہے جو بالکل ایک ٹیبل (روز اور کالمز) کی طرح کام کرتا ہے۔
Pandas اور NumPy کے درمیان فرق
اگرچہ یہ دونوں لائبریریز ڈیٹا کے لیے استعمال ہوتی ہیں، لیکن ان کے مقاصد مختلف ہیں۔ درج ذیل ٹیبل سے ان کے فرق کو سمجھا جا سکتا ہے:
| خصوصیت | NumPy | Pandas |
|---|---|---|
| بنیادی اکائی | Arrays (ریز) | DataFrame اور Series |
| ڈیٹا کی قسم | صرف ایک ہی قسم کا ڈیٹا (Homogeneous) | مختلف قسم کا ڈیٹا (Heterogeneous) |
| استعمال | ریاضیاتی اور سائنسی حساب کتاب | ڈیٹا کی ہیرا پھیری اور تجزیہ |
| میموری | کم میموری استعمال کرتا ہے | زیادہ میموری لیتا ہے |
| انڈیکسنگ | نمبرز کے ذریعے انڈیکسنگ | کالم کے نام اور لیبلز کے ذریعے انڈیکسنگ |
ڈیٹا ہینڈلنگ کی اہمیت
ڈیٹا ہینڈلنگ سے مراد کچے ڈیٹا (Raw Data) کو صاف کرنا اور اسے مشین لرننگ ماڈلز کے لیے تیار کرنا ہے۔ Pandas اور NumPy کی مدد سے ہم:
- غائب شدہ ڈیٹا (Missing Data) کو فل کر سکتے ہیں۔
- بڑے ڈیٹا سیٹس کو فلٹر کر سکتے ہیں۔
- ڈیٹا کو گروپ کر کے اس کا خلاصہ نکال سکتے ہیں۔
اگر آپ پروگرامنگ کی دنیا میں قدم رکھ رہے ہیں، تو excellenceonlinelearningschool.blogspot.com پر فراہم کردہ وسائل آپ کی بھرپور رہنمائی کر سکتے ہیں۔
اہم نکات (Key Takeaways)
- NumPy سائنسی حساب کتاب اور اریز پر کام کرنے کے لیے استعمال ہوتا ہے۔
- Pandas ڈیٹا کی صفائی، فلٹرنگ اور ٹیبل کی شکل میں تجزیہ کرنے کے لیے بہترین ہے۔
- ڈیٹا سائنس کے زیادہ تر پروجیکٹس میں یہ دونوں لائبریریز مل کر کام کرتی ہیں۔
- Python میں ڈیٹا ہینڈلنگ سیکھنا AI کے شعبے میں کامیابی کی پہلی سیڑھی ہے۔
فرہنگ (Glossary)
| لائبریری (Library): | پہلے سے لکھا گیا کوڈ جو مخصوص کاموں کے لیے استعمال ہوتا ہے۔ |
| میٹرکس (Matrix): | نمبروں کی مستطیل شکل میں ترتیب۔ |
| تجزیہ (Analysis): | ڈیٹا سے مفید معلومات نکالنے کا عمل۔ |
نتیجہ
Pandas اور NumPy صرف لائبریریز نہیں بلکہ ڈیٹا سائنسدانوں کے بنیادی ہتھیار ہیں۔ ان کے بغیر بڑے پیمانے پر ڈیٹا کو ہینڈل کرنا تقریباً ناممکن ہے۔ چاہے آپ سٹوڈنٹ ہوں یا پروفیشنل، ان دونوں پر عبور حاصل کرنا آپ کے کیریئر کو چار چاند لگا سکتا ہے۔
Comments
Post a Comment