Mohamad Osman AI-MOO

## RD01.py
# pandas استيراد مكتبة
import pandas as pd

file_path = 'data/Employees.csv'  # csv مسار ملف

data_employees =pd.read_csv(file_path) # سحب البيانات وتخزينها في إطار بيانات

data_employees.head()  # التأكد من إطار البيانات الجديد

## RD02.py
# pandas استيراد مكتبة
import pandas as pd

file_path = 'data/Employees.txt' # tsv مسار ملف

data_employees = pd.read_csv(file_path, sep='\t') #  سحب البيانات وتخزينها في إطار بيانات

data_employees.head() # التأكد من إطار البيانات الجديد

## RD03.py
# إلى قيم مفصولة بمفتاح المسافة delim_whitespace يشير المعامل
data = pd.read_csv(filepath, delim_whitespace=True)

## RD04.py
# إلى عدم استخدام الصف الأول كـ أسماء للأعمدة header يشير المعامل
data = pd.read_csv(filepath, header=None)

# names يتم وضع أسماء مخصصة للأعمدة من خلال المعامل
data = pd.read_csv(filepath, names=['Names', 'Age', 'Job'])

## RD05.py
filepath = 'data/Fruits.json' # JSON مسار ملف

df_Fruits = pd.read_json(filepath) #  سحب البيانات وتخزينها في إطار بيانات

df_Fruits.head()

## RD06.py
# SQL Data Imports
import sqlite3 as sq3
import pandas as pd

path = 'data/sample.db' # SQLite db  مسار ملف قاعدة البيانات

con = sq3.Connection(path) # تهيئة اتصال مع قاعدة البيانات

query = ''' SELECT * FROM 'Employee'; ''' # SQL استعلام

## RD07.py
#استيراد المكتبات
import pandas as pd
from pymongo import MongoClient

con = MongoClient() # تهيئة الاتصال

# con.list_database_names()  #  استعراض قواعد البيانات المتاحدة لديك
db = con.database_name # الاتصال بقاعدة البيانات المطلوبة

cursor = db.collection_name.find(query) # تحضير المؤشر بواسطةالاستعلام

## RD08.py
import pandas as pd

data_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.switzerland.data' # رابط البيانات

df = pd.read_csv(data_url, header=None)

df.head()

## EDA01.py
# استيراد المكتبات
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns

## EDA02.py
 # مسار الملف
file_path = 'data/StudentsPerformance.csv'
# سحب البيانات وتحويلها إلى إطار بيانات
df = pd.read_csv(file_path)
# استعراض أول 10 صفوف
df.head(10)
	# pandas استيراد مكتبة
	import pandas as pd

	file_path = 'data/Employees.csv' # csv مسار ملف

	data_employees =pd.read_csv(file_path) # سحب البيانات وتخزينها في إطار بيانات

	data_employees.head() # التأكد من إطار البيانات الجديد
	# pandas استيراد مكتبة
	import pandas as pd

	file_path = 'data/Employees.txt' # tsv مسار ملف

	data_employees = pd.read_csv(file_path, sep='\t') # سحب البيانات وتخزينها في إطار بيانات

	data_employees.head() # التأكد من إطار البيانات الجديد
	# إلى قيم مفصولة بمفتاح المسافة delim_whitespace يشير المعامل
	data = pd.read_csv(filepath, delim_whitespace=True)
	# إلى عدم استخدام الصف الأول كـ أسماء للأعمدة header يشير المعامل
	data = pd.read_csv(filepath, header=None)

	# names يتم وضع أسماء مخصصة للأعمدة من خلال المعامل
	data = pd.read_csv(filepath, names=['Names', 'Age', 'Job'])
	filepath = 'data/Fruits.json' # JSON مسار ملف

	df_Fruits = pd.read_json(filepath) # سحب البيانات وتخزينها في إطار بيانات

	df_Fruits.head()
	# SQL Data Imports
	import sqlite3 as sq3
	import pandas as pd

	path = 'data/sample.db' # SQLite db مسار ملف قاعدة البيانات

	con = sq3.Connection(path) # تهيئة اتصال مع قاعدة البيانات

	query = ''' SELECT * FROM 'Employee'; ''' # SQL استعلام
	#استيراد المكتبات
	import pandas as pd
	from pymongo import MongoClient

	con = MongoClient() # تهيئة الاتصال

	# con.list_database_names() # استعراض قواعد البيانات المتاحدة لديك
	db = con.database_name # الاتصال بقاعدة البيانات المطلوبة

	cursor = db.collection_name.find(query) # تحضير المؤشر بواسطةالاستعلام
	import pandas as pd

	data_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.switzerland.data' # رابط البيانات

	df = pd.read_csv(data_url, header=None)

	df.head()
	# استيراد المكتبات
	import numpy as np
	import pandas as pd
	import matplotlib.pyplot as plt
	%matplotlib inline
	import seaborn as sns
	# مسار الملف
	file_path = 'data/StudentsPerformance.csv'
	# سحب البيانات وتحويلها إلى إطار بيانات
	df = pd.read_csv(file_path)
	# استعراض أول 10 صفوف
	df.head(10)