از Day 1 تا Day 17 چیا یادگرفنیم؟!
✅ Variables
✅ Conditions
✅ Loops
✅ Functions
✅ Lists & Dictionaries
✅ File Handling
✅ CSV
✅ Error Handling
✅ OOP
✅ NumPy
✅ Pandas

🚀 چالش این هفته:
با استفاده از آموخته‌های Day 1 تا Day 17، نسخه خودتان از این پروژه را بسازید.
لازم نیست طراحی شما دقیقاً شبیه ویدیو باشد.
نسخه ساده، ناقص یا در حال توسعه هم پذیرفته می‌شود؛ مهم این است که شروع کنید و دانسته‌هایتان را به یک خروجی واقعی تبدیل کنید.

🟢 حداقل امکانات پیشنهادی:
• خواندن اطلاعات از CSV
• نمایش آمار کلی دانشجویان
• جست‌وجوی دانشجو
• شناسایی دانشجوی برتر
• نمایش وضعیت تحصیلی
• حداقل یک نمودار تحلیلی

🔴 چالش Pro:
• ساخت رابط کاربری با Streamlit
• اضافه‌کردن فیلتر و نمودارهای تعاملی
• شناسایی دانشجویان At Risk
• امکان دانلود گزارش
• انتشار پروژه در GitHub

Expected Output:

Before Cleaning:
Original rows: 15,000

import pandas as pd

df = pd.read_csv("sales_raw.csv")

Original rows: 15,150
Columns: 9

Region: 2510
Price: 23

Duplicate rows: 150

Date      object
Price     float64
Quantity  int64
Revenue   int64

df = df.drop_duplicates()

Removed duplicates: 150 rows

df["Date"] = pd.to_datetime(
    df["Date"],
    errors="coerce"
)

Invalid dates: 10

df["Revenue"] = df["Quantity"] * df["Price"]

Rows: 15,150

Clean rows: 12,482

0

0

💡 Key Learning
داده خام همیشه قابل استفاده برای Machine Learning نیست.
قبل از ساخت هر مدل AI باید:
Collect → Clean → Prepare → Train
را انجام دهیم.
یک مدل قوی با داده ضعیف نمی‌تواند نتیجه خوبی بدهد.

# Day18_Data_Cleaning.py
# Data Cleaning & Data Preparation with Pandas

import pandas as pd


# ==============================
# 1. Load Dataset
# ==============================

df = pd.read_csv("sales_raw.csv")

print("========== Original Dataset ==========")
print(f"Rows: {df.shape[0]}")
print(f"Columns: {df.shape[1]}")

print("\nFirst 5 rows:")
print(df.head())


# ==============================
# 2. Check Missing Values
# ==============================

print("\n========== Missing Values ==========")

missing = df.isnull().sum()

print(missing[missing > 0])


# ==============================
# 3. Check Duplicate Rows
# ==============================

print("\n========== Duplicate Rows ==========")

duplicates = df.duplicated().sum()

print("Duplicate rows:", duplicates)


# ==============================
# 4. Check Data Types
# ==============================

print("\n========== Data Types ==========")

print(df.dtypes)


# ==============================
# 5. Data Cleaning
# ==============================

print("\n========== Cleaning Process ==========")


# Remove duplicate rows

df = df.drop_duplicates()

print("Duplicates removed")


# Convert Date column

df["Date"] = pd.to_datetime(
    df["Date"],
    errors="coerce"
)

print("Date converted")


# Remove invalid dates

df = df.dropna(subset=["Date"])

print("Invalid dates removed")


# Handle missing Price

df["Price"] = df["Price"].fillna(
    df["Price"].mean()
)

print("Missing Price values filled")


# Handle missing Region

df["Region"] = df["Region"].fillna("Unknown")

print("Missing Region values filled")


# ==============================
# 6. Create Revenue Column
# ==============================

df["Revenue"] = df["Quantity"] * df["Price"]

print("Revenue column created")


# ==============================
# 7. Save Clean Dataset
# ==============================

df.to_csv(
    "sales_cleaned.csv",
    index=False
)


# ==============================
# 8. Final Report
# ==============================

print("\n========== Final Dataset ==========")

print(f"Clean rows: {df.shape[0]}")
print(f"Clean columns: {df.shape[1]}")

print("\nRemaining Missing Values:")
print(df.isnull().sum())

print("\nFile saved successfully:")
print("sales_cleaned.csv")