الموقع الرسمي لـ Fredit Flow

data cleaning python: سكربتات تراجعها وتختبرها

Fredit Flow 2.9.26 وكيل لنظام Windows يكتب ويشغّل سكربتات تنظيف بلغة Python على ملفات CSV وJSON الخاصة بك، ويحفظ النتيجة في ملف جديد ويعرض لك diff.

تنزيل Fredit Flow ↗استعرض مسارات التنظيف

Fredit Flow · تنظيف تصدير العملاء● Ask first

نظّف customers.csv: احذف المسافات الزائدة، حوّل البريد الإلكتروني إلى أحرف صغيرة، أزل العملاء المكررين واحفظ الناتج باسم customers_clean.csv.

glob./*.csvملفان
read_file./customers.csvتمت قراءة عيّنة
write_file./clean_customers.pyتم الحفظ
Shellyour Python command clean_customers.pyرمز الخروج 0
read_file./customers_clean.csv8 صفوف

بانتظار موافقتك قبل الخطوة التاليةرفضقبول

الإصدار

2.9.26

صدر في 2 نوفمبر 2026

المنصة

Windows 10/11

بمعمارية x64 فقط

ملف التثبيت

نحو 34 ميغابايت

ملف .exe المحمول نحو 25 ميغابايت

الواجهة

13 لغة

مدمجة في التطبيق

الحساب

غير مطلوب

لا شيء تسجّل فيه

النماذج

سحابية أو محلية

أو النموذج المدمج

التنظيف باستخدام Python

كيف تعمل سكربتات data cleaning python هنا

تكتشف سكربتات data cleaning python الأخطاء في مجموعة البيانات وتصلحها قبل التحليل: أنواع بيانات خاطئة ومسافات زائدة وحالة أحرف مختلطة وصفوف مكررة وقيم مفقودة. يكتب Fredit Flow سكربتًا كهذا ويشغّله بينما توافق أنت على كل قاعدة وتقرأ الـ diff. يبقى الملف الأصلي دون مساس. تذهب البيانات المنظّفة إلى ملف جديد، وتوضح الأمثلة الأربعة أدناه الخطوات.

رتّب تصدير العملاء من متجرك الخاص

يحتوي ملف التصدير customers.csv من متجرك على مسافات زائدة، وعناوين بريد بحالة أحرف مختلطة، وعملاء مكررين، وأعمار مخزّنة كنص. يبدأ Fredit Flow باستخدام read_file لاستعراض الصفوف الأولى، ثم يحفظ write_file الملف clean_customers.py، وهو سكربت يحذف المسافات ويحوّل البريد الإلكتروني إلى أحرف صغيرة ويتخطى العناوين المكررة ويحوّل الأعمار إلى أرقام. يشغّله Shell بأمر Python الخاص بك ويبلغ برمز الخروج الفعلي وعدد الصفوف المطبوع. الناتج هو customers_clean.csv. أما الملف الأصلي customers.csv فيبقى كما هو. في وضع Ask first تتوقف البطاقة قبل حفظ الملف، وتفحص يدويًا 10 صفوف من الملفين قبل أن تعتمد على النتيجة.

سجل الأدوات

read_file  ./customers.csv  → first rows
write_file  ./clean_customers.py  → saved
Shell  your Python command clean_customers.py  → exit 0
read_file  ./customers_clean.csv  → 8 rows

قرّر ما تفعله بالقيم المفقودة

ليس للقيم المفقودة جواب صحيح واحد، وهذا الجزء من عملية تنظيف البيانات قرارك أنت. في sales.csv يبحث grep عن فاصلتين متتاليتين، وهذا لا يجد إلا الفراغات في منتصف السطر، لذا يجب أن يعالج السكربت أيضًا الفراغات في نهايات الأسطر والقيم البديلة مثل n/a. تختار قاعدة لكل عمود: احذف الصف، أو املأ بقيمة ثابتة، أو املأ بالوسيط، أو أبقِ الفراغ وضع عليه علامة. ينشئ write_file الملف clean_sales.py، ويعدّل edit_file ذلك السكربت، وفي وضع Ask first تقرأ الـ diff. سجّل كل اختيار. ثم اقرأ بنفسك 5 صفوف معلَّمة في sales_clean.csv.

سجل الأدوات

grep  ,,  ./sales.csv  → 6 lines
write_file  ./clean_sales.py  → saved
edit_file  ./clean_sales.py  → +9 lines
Shell  your Python command clean_sales.py  → exit 0

تنسيق البيانات (data wrangling) باستخدام Python: ادمج ملفين بمفتاح مشترك

لديك orders.csv وcustomers.csv من متجرك الخاص وتريد جدولًا واحدًا. يعرض read_file صفوف العناوين في الملفين، فيستطيع الوكيل تسمية معرّف العميل المشترك، ويحفظ write_file الملف merge_orders.py. يشغّل Shell السكربت بأمر Python الخاص بك ويطبع عدد الطلبات التي وجدت عميلًا وعدد التي لم تجده. تُدرج الصفوف غير المتطابقة في قائمة. وتذهب إلى ملف منفصل بدل أن تختفي، ويُكتب الجدول المدمج أيضًا في ملف جديد. قارن عددَي الصفوف مع الملفين الأصليين، ثم افتح بضعة صفوف مدمجة للتأكد من أن كل طلب يحمل العميل الصحيح.

اقرأ الخطة قبل أن يعمل أي شيء

يكتب وضع Plan only خطوات التنظيف ولا يشغّل شيئًا، فلا يبدأ أي أمر ولا يتغير أي ملف. بالنسبة لمجلد من ملفات التصدير، تسرد الخطة ما سيفحصه read_file، وأي القواعد سيطبّقها السكربت، وأين سيذهب كل ملف ناتج. تبقى الخطط بعد إعادة التشغيل. تقرؤها، وتطلب قاعدة مختلفة في المحادثة، ثم تنتقل إلى Ask first للتنفيذ. لاحقًا يستطيع Cron إعادة تشغيل السكربت وفق جدول، فيحصل تصدير جديد واحد على القواعد نفسها. سكربت Python المحفوظ أداة تنظيف CSV بنص عادي: يمكنك قراءته وتشغيله على نسخة والاحتفاظ به.

تصفّح مسارات التنظيف

ما الذي يميّزه عن مساعد المحادثة المعتاد

تقترح مساعدات المحادثة خطوات. أما Fredit Flow 2.9.26 فيشغّل الأدوات بنفسه، وتظهر كل خطوة في المحادثة كبطاقة بنتيجتها الفعلية، مثل مخرجات الأمر أو diff الملف.

	مساعد المحادثة المعتاد	Fredit Flow
الإجراءات	يقترح سكربتًا ويترك لك تشغيله	يشغّل الأدوات ويعرض كل نتيجة في بطاقة
ملفاتك	يعمل على نص تلصقه في المحادثة	يقرأ الملفات في مجلد عمل المحادثة
التغييرات	تنسخ التعديلات بيدك	يعرض diff قبل أن تقبل تعديلًا في وضع Ask first
خصوصية البيانات	النص الملصوق يذهب إلى المزوّد	مع نموذج محلي لا يغادر شيء حاسوبك

كيف تبدأ

نزّل برنامج التثبيت، وحجمه نحو 34 ميغابايت، وقارن مجموع SHA-256 الخاص به بالبيان المنشور.
شغّله على Windows 10 أو 11، ثم اربط نموذجًا: مزوّدًا سحابيًا أو نموذجًا يعمل محليًا أو النموذج المدمج.
اختر مجلد المشروع الذي يحوي ملفات CSV أو JSON الخاصة بك؛ فأدوات الملفات تعمل داخل مجلد عمل المحادثة.
اطلب مهمة تنظيف واحدة في وضع Ask first أو Plan only، واقرأ الـ diff، وشغّل السكربت على نسخة، وافحص المخرجات بالعيّنة.

من يستخدمه ومتى

المجموعة الأولى هم المحللون وأصحاب المتاجر وأصحاب الاستبيانات الذين لديهم تصدير فوضوي. تصلهم ملفات CSV وJSON بمسافات زائدة وصيغ تواريخ مختلطة وعملاء مكررين، ويريدون سكربتًا يقرؤونه ويعيدون تشغيله ويحتفظون به. تبقى الملفات الأصلية كما هي.

المجموعة الثانية هم الطلاب والمهندسون الذين يجهّزون البيانات للتعلم الآلي. البيانات الواقعية الفوضوية تُفسد النماذج باستمرار، والمعالجة المسبقة للبيانات هي اسم التنظيف تتبعه خطوات مثل ترميز الفئات وتحجيم الأرقام. قسّم أولًا. يكتب Fredit Flow 2.9.26 السكربت، وأنت تتحقق من التقسيم.

من تحتوي ملفاته على بيانات شخصية عليه خطوة إضافية. تذهب الطلبات وأي نص ملف يقرؤه الوكيل إلى نقطة نهاية النموذج التي تختارها، لذا استخدم نموذجًا يعمل محليًا على حاسوبك أو احذف الأعمدة الشخصية أولًا. اعرف إلى أين تذهب الطلبات. اعمل فقط على بيانات تملكها أو يحق لك معالجتها.

أسئلة شائعة

ماذا تعني عبارة «data cleaning python»؟

تعني كتابة سكربت Python يكتشف الأخطاء في مجموعة البيانات ويصلحها قبل التحليل، مثل الأنواع الخاطئة والمسافات الزائدة والصفوف المكررة والقيم المفقودة. يساعد Fredit Flow بكتابة هذا السكربت وتشغيله معك. وأنت توافق على كل قاعدة.

هل freditcode.com هو الموقع الرسمي لـ Fredit Flow؟

نعم، freditcode.com هو الموقع الرسمي لـ Fredit Flow. ملف التثبيت غير موقَّع. قارن مجموع SHA-256 للملف الذي نزّلته بالبيان المنشور قبل تشغيله، وأرسل أي أسئلة عبر زر Send feedback داخل التطبيق.

متى تستحق البيانات التاريخية التنظيف؟

تستحق ذلك عندما تظل السجلات القديمة تغذي تقريرًا أو قرارًا أو نموذجًا، وتتبع أخطاؤها قواعد يستطيع السكربت التعبير عنها. وإلا فأرشفها دون مساس. احتفظ بالنسخة الخام في الحالتين، فلا يمكنك إعادة تطبيق قاعدة إلا ما دام الأصل موجودًا.

بأي ممارسات فضلى لتنظيف البيانات أبدأ؟

تأتي خمس عادات أولًا. انظر إلى البيانات الخام قبل كتابة قاعدة، وسجّل كل قاعدة، واحفظ النتيجة في ملف جديد بدل الكتابة فوق الأصل. ثم قارن عدد الصفوف قبل التنظيف وبعده، وافحص المخرجات يدويًا بالعيّنة.

هل يكتب الوكيل فوق ملفي الأصلي؟

لا، إذا طلبت ملف إخراج جديدًا، وكل الأمثلة هنا تفعل ذلك. في وضع Ask first يتوقف الوكيل قبل تغيير أي شيء، فتستطيع قراءة الـ diff ورفض أي كتابة تستهدف الملف الأصلي. واحتفظ بنسخة احتياطية أيضًا.

هل تغادر ملفاتي حاسوبي؟

الجواب يتوقف على اختيارك. مع نموذج سحابي يذهب نص الطلب، بما فيه نص الملفات التي يقرؤها الوكيل، إلى ذلك المزوّد، أما النموذج الذي يعمل محليًا على حاسوبك فلا يرسل شيئًا إلى الخارج. لذلك تحتاج البيانات الشخصية إلى نموذج محلي.

هل النتائج صحيحة دائمًا؟

لا. يطبّق الوكيل القواعد التي توافق عليها ولا يستطيع الحكم على صحة القيمة، ولا يوجد تنظيف آلي مكتمل. اقرأ الـ diff، واختبر السكربت على نسخة، وافحص الملف المنظَّف يدويًا بالعيّنة قبل أن تعتمد عليه.

ابدأ الآن

جرّبه على نسخة من بياناتك

نزّل Fredit Flow 2.9.26 لنظام Windows 10 أو 11، واربط نموذجًا، ووجّهه إلى نسخة من ملف تملكه. لا حاجة إلى حساب. اقرأ كل diff.

تنزيل Fredit Flow لنظام Windows ↗