
English: 
As you can imagine, since data science is being deployed in a wide range of
fields, data scientists use many different tools, depending on the task at hand.
Two of the most common tools used by data scientists are Numpy and Pandas.
Numpy is popular because it adds support for
things like multi-dimensional arrays and matrices.
It also adds a lot of mathematical functions that base python lacks.
Pandas on the other hand, allows us to structure and
manipulate our data in ways that are particularly well suited for data analysis.
If you happen to be familiar with the scripting language R,
Pandas takes a lot of the best elements from R and implements them in Python.
Both Numpy and Pandas are popular tools in the data science world, so
being familiar with them will help you read other people's code in the future.
Why don't we quickly discuss a couple of the more important features in both
Numpy and Pandas?

Portuguese: 
Como você pode imaginar, como a ciência de dados está sendo implantada em um grande intervalo de
áreas, os cientistas de dados usam muitas ferramentas diferentes, dependendo da tarefa em questão.
Duas das ferramentas mais comuns usadas pelos cientistas de dados são o Numpy e o Pandas.
O Numpy é popular porque adiciona suporte para
coisas, como arrays e matrizes multidimensionais.
Ele também adiciona muitas funções matemáticas que o Python básico não tem.
O Pandas, por outro lado, permite estruturar e
manipular nossos dados de maneiras que são particularmente muito adequadas para a análise de dados.
Se você estiver familiarizado com a linguagem de script R,
o Pandas usa muitos dos melhores elementos da R e as implementa no Python.
O Numpy e o Pandas são ferramentas populares no mundo da ciência de dados,
portanto, se estiver familiarizado com eles você poderá ler mais facilmente código de outras pessoas no futuro.
Por que não discutimos rapidamente dois dos recursos mais importantes no
Numpy e no Pandas?

Japanese: 
データ・サイエンスは幅広い分野で用いられるので
データ・サイエンティストは
作業に応じて異なるツールを使います
一般的なのはNumPyとpandasです
NumPyは多次元の配列や行列をサポートし
ベースとなるPythonに欠けている数学関数を
多数加えます
一方pandasはPythonに
データ解析に適した構造と操作法を提供します
スクリプト言語のRに慣れている人は
Rの優れた要素を
Pythonで実装できるようになると考えてください
NumPyもPandasも
データ・サイエンスの世界では一般的なので
これらに精通すれば
他の人のコードを読むのに役立つでしょう
NumPyとpandasの特徴をもう少し説明しましょう

Arabic: 
،كما يمكنك أن تتخيل، ونظرًا لأن علم البيانات ينتشر على نطاق واسع من المجالات
.فإن علماء البيانات يستخدمون الكثير من الأدوات المختلفة وفقًا لنوع المهمة التي يتم تنفيذها
.تُعد الأداتان Numpy وPandas أشهر أداتين شائعتين يستخدمهما علماء البيانات
تشتهر الأداة Numpy
.لأنها توفر دعمًا للأشياء مثل الصفائف والمقاييس متعددة الأبعاد
.كما أنها تضيف الكثير من الدوال الرياضية التي يفتقدها Python
وعلى الناحية الأخرى، تتيح لنا الأداة Pandas
.إمكانية إنشاء البيانات ومعالجتها بطرق تتناسب بشكل خاص مع تحليل البيانات
إذا كانت لغة البرمجة R مألوفة بالنسبة إليك، فإن الأداة
.Pandas تأخذ الكثير من أفضل العناصر من لغة البرمجة R وتطبقها في Python
تُعد كلتا الأداتين Numpy وPandas من الأدوات الشهيرة في مجال علم البيانات، لذا فإن إتقان التعامل معهما
.سيفيدك في قراءة التعليمة البرمجية لأشخاص آخرين في المستقبل
لماذا لا نناقش سريعًا اثنتين من الميزات الأكثر أهمية في كلٍ من الأداتين
Numpy وPandas؟
