قراءات حساس في CSV: اكتشف البيانات الناقصة قبل حساب المتوسط

قد يعطي برنامجك متوسطًا مرتبًا لبيانات غير صالحة. سنقرأ مجموعة صغيرة افتراضية ونفصل القيم العددية الصالحة من الخانة الفارغة والقيمة غير المحدودة، مع توثيق ما استبعدناه.

الملف ليس أرقامًا جاهزة دائمًا

قراءة CSV قد تعيد نصوصًا تحتاج تحويلًا وتحققًا. حدد العمود والوحدة والتوقيت ومعنى القيم الناقصة. تحويل خانة فارغة إلى صفر دون سبب يغير التحليل، كما أن المتوسط لا يكتشف وحده انقطاع الحساس أو انجرافه.

مثال شفاف

لدينا النصوص 1.00 و1.02 وخانة فارغة وnan و0.98، بوحدة افتراضية واحدة. بعد استبعاد غير القابل للتحويل وغير المحدود تبقى ثلاث قيم ومتوسطها 1.00. سجل أن الأصل خمس خانات وأن الصالح ثلاث، بدل إظهار المتوسط وإخفاء نقص البيانات.

ما الذي يضاف قبل الاعتماد؟

هذه عينة تدريبية لا تثبت دقة حساس أو معدل توافر منظومة. في مشروع فعلي راجع المعايرة والزمن والحدود المسموحة وأسباب الفقد. احتفظ بالبيانات الأصلية وبنسخة المعالجة، واكتب قاعدة الاستبعاد قبل انتقاء نتائج تبدو أجمل.

كود بايثون للتجربة

from math import isfinite
from statistics import mean
raw = ["1.00", "1.02", "", "nan", "0.98"]
valid = []
for item in raw:
    try:
        value = float(item)
    except ValueError:
        continue
    if isfinite(value):
        valid.append(value)
print(len(raw), len(valid), round(mean(valid), 6))

النتيجة المتوقعة

عدد الخانات 5، والقيم المقبولة 3، والمتوسط 1.0.

قبل أن تعتمد النتيجة

1. الوحدة وسياسة الاستبعاد مكتوبتان.
2. عدد القيم الأصلية والمقبولة ظاهر.
3. البيانات الأصلية محفوظة للمراجعة.

سؤال للمراجعة

هل المتوسط الصحيح حسابيًا يثبت صحة القياس؟
لا؛ صحة البيانات والمعايرة والتمثيل أسئلة تسبق الحساب وتتجاوزه.

مراجع الوحدات والبرمجة

قراءة CSV — توثيق بايثون
الإحصاء — توثيق بايثون

الأمثلة والشفرة والرسوم أصلية للتعلم. الحساب البرمجي لا يعوض بيانات المكونات أو مراجعة التصميم الفعلي، ولا يتضمن هذا المقال توصيلات للشبكة الكهربائية.

تجربة تالية

جرّب قانون أوم ببايثون: كيف يتغير التيار مع المقاومة؟
مقاومات التوالي ببايثون: تحقق من مجموع هبوط الجهد