البرمجة (انجليزية)

المحور الثاني: تحليل البيانات السياسية باستخدام بايثون (Pandas)

Module II: Political Data Analysis with Pandas

🎯 هدف المحاضرة / Lecture Goal

تمكين الطالب من فهم كيفية استيراد البيانات السياسية من ملفات خارجية (مثل Excel أو CSV) وتحويلها إلى "إطار بيانات" (DataFrame)، وتعلم كيفية فحص هذه البيانات وتنظيفها لتكون جاهزة للتحليل الأكاديمي.

🖋️ توطئة (Preamble)

في دراسات العلوم السياسية، نادراً ما نبدأ من الصفر؛ فنحن نعتمد غالباً على بيانات جاهزة مقدمة من المنظمات الدولية، الهيئات الانتخابية، أو مراكز الإحصاء. برنامج "Excel" مفيد، لكنه يواجه صعوبات عند تضخم البيانات أو الحاجة لأتمتة التحليل. هنا تأتي مكتبة Pandas؛ وهي الأداة الأكثر شهرة في بايثون لتحويل الجداول الصماء إلى كائنات برمجية ذكية يمكن استجوابها وتحليلها بسرعة فائقة.

1. ما هي مكتبة Pandas؟ (What is Pandas?)

هي مكتبة برمجية توفر أدوات مرنة لمعالجة البيانات الجدولية. تُحول البيانات إلى ما نسميه DataFrame؛ وهو جدول يشبه جداول الإحصاء الرسمية، حيث تمثل الأعمدة المتغيرات السياسية (مثل: اسم الدولة، سنة الانتخاب، نسبة التصويت)، وتمثل الصفوف الحالات المرصودة.

2. قراءة البيانات (Reading Data)

تسمح لنا بايثون بقراءة مختلف أنواع الملفات بامر واحد بسيط:

• لقراءة ملفات إكسل: pd.read_excel()

• لقراءة ملفات النصوص المجدولة: pd.read_csv()

3. تنظيف البيانات (Data Cleaning)

الباحث السياسي الناجح هو من يملك بيانات دقيقة. في هذه المرحلة نتعلم:

• كيفية اكتشاف القيم المفقودة (الدول التي لم تتوفر عنها بيانات).

• حذف البيانات المتكررة التي قد تؤثر على دقة النتائج الإحصائية.

Lecture 1: 

1. What is the Pandas Library?

Pandas is the standard Python library for data manipulation. It introduces the DataFrame, a 2D labeled data structure (like an Excel spreadsheet) that allows us to store and manipulate political datasets efficiently.

2. Importing Political Data

In political research, data often comes in CSV or Excel formats from international organizations (e.g., World Bank, UN). Pandas makes it easy to load these files with a single command, such as pd.read_csv().

3. Data Inspection & Cleaning

Raw data is often "messy." We will learn how to:

• Inspect: View the first few rows of a dataset using .head().

• Clean: Identify and handle missing values (NaN) to ensure the integrity of our political findings.

💡 مثال تطبيقي (Practical Example)

تخيل أن لدينا ملفاً يحتوي على نتائج الانتخابات في بلديات مختلفة، نستخدم الكود التالي للبدء:

import pandas as pd # استدعاء المكتبة

# قراءة ملف البيانات - Reading the dataset
data = pd.read_csv('elections_results.csv')

# عرض أول 5 أسطر من البيانات لفهمها
print(data.head())

# معرفة عدد الدول والظواهر الموجودة
print(data.shape)

 ملخص المحاضرة

انتقلنا اليوم من "البيانات الخام" إلى "إطار البيانات المنظم". لقد أصبح الحاسوب الآن يفهم جدولنا الإحصائي، وهو مستعد للمرحلة القادمة؛ وهي استخراج المؤشرات الرقمية والرسوم البيانية.