كيفية حساب ملخص الأرقام الخمسة في بانداز

يمثل استكشاف البيانات في بيئة الحوسبة الإحصائية المعاصرة ركيزة لا غنى عنها في استنطاق الظواهر الكمية وبناء النماذج التنبؤية الرصينة، إذ تتطلب الأبحاث التجريبية المعمقة في مجالات القياس النفسي، والعلوم العصبية الإدراكية، وعلم البيانات السلوكية، أدواتٍ تلخيصية تجمع بين البساطة الرياضية والمناعة المنهجية ضد تشوهات التوزيع. وفي هذا الإطار، يبرز «ملخص الأرقام الخمسة» (Five-Number Summary) الذي صاغه عالم الإحصاء الشهير جون توكي John Tukey بوصفه أحد أمتن المقاييس اللامعلمية القادرة على تقديم خريطة مورفولوجية متكاملة للبيانات دون الانزلاق إلى الافتراضات الصارمة للتوزيع الطبيعي المعتدل. وبفضل التطور المتسارع للبرمجيات مفتوحة المصدر، أصبحت مكتبة بانداز (Pandas) في لغة بايثون البيئة المفضلة للباحثين والمحللين لتنفيذ هذه العمليات الحسابية بكفاءة برمجية عالية تجمع بين السرعة والدقة.

تكمن الأهمية التحليلية لهذا الملخص في قدرته الفريدة على موازنة الأبعاد المركزية والطرفية لأي متغير كمي، متجاوزاً بذلك أوجه القصور الهيكلية التي يعاني منها المتوسط الحسابي والانحراف المعياري عند مواجهة الالتواءات الإحصائية والبيانات المتطرفة ذات الطبيعة غير المتماثلة. ففي بيئات البحث الأكاديمي وسياقات التحليل الإحصائي الميداني، لا تكفي معرفة المركز العام للتوزيع لفهم حقيقة الظاهرة؛ بل تبرز الحاجة الملحة لمعرفة حدود الانتشار، وكيفية تراكم المشاهدات في الأرباع المختلفة، وتحديد المدى الذي يحصر بداخله الكتلة الحيوية للملاحظات. ويتيح إطار عمل بانداز آليات مرنة وسريعة تترجم هذه المعادلات الرياضية المعقدة إلى دوال برمجية متقدمة، مما ييسر عملية الفحص الاستكشافي المبدئي (Exploratory Data Analysis – EDA) ويوفر أساساً متيناً لصياغة الفرضيات العلمية وقرارات النمذجة الإحصائية المتقدمة.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك الخطوات المنهجية والبرمجية لحساب وتفسير ملخص الأرقام الخمسة في بيئة بايثون باستخدام مكتبة بانداز، بدءاً من التأصيل النظري والمفاهيمي في الإحصاء الوصفي والقياس النفسي، مروراً بالمعالجات التقنية الدقيقة لسلاسل البيانات وأطر البيانات متعددة المتغيرات، ووصولاً إلى فحص خوارزميات التقدير الرياضي، والتعامل مع فجوات البيانات المفقودة، وعزل القيم الشاذة، وتمثيل النتائج وفق المعايير الأكاديمية الصارمة. إن هذا الدليل مصمم ليكون مرجعاً تقنياً وبحثياً متكاملاً للمشتغلين بتحليل البيانات، وعلماء النفس الرياضي، والباحثين في العلوم الاجتماعية الحسابية الساعين إلى تحقيق التميز المنهجي والدقة التحليلية.

1. مقدمة تأصيلية: مفهوم ملخص الأرقام الخمسة وأهميته الإحصائية

1.1 ما هو ملخص الأرقام الخمسة في الإحصاء الاستدلالي والوصفي؟

يُعرَّف ملخص الأرقام الخمسة في الأدبيات الإحصائية بأنه حزمة من خمسة معالم ترتيبية تلخص التوزيع التكراري لأي متغير كمي مستمر أو فئوي ترتيبي، وتتألف هذه المعالم من: القيمة الدنيا (Minimum)، والربيع الأول أو الأدنى (First Quartile – Q1)، والوسيط أو الربيع الثاني (Median – Q2)، والربيع الثالث أو الأعلى (Third Quartile – Q3)، والقيمة القصوى (Maximum). لا تعتمد هذه المؤشرات على جمع القيم وحساب أوزانها الجبرية كما هو الحال في العزوم الإحصائية الكلاسيكية، بل تنطلق من ترتيب المشاهدات تصاعدياً من الأدنى إلى الأعلى وتقسيم السلسلة التوزيعية إلى أربعة أجزاء متساوية يضم كل منها 25% من مجموع الملاحظات الخاضعة للرصد.

يحتل هذا الملخص مكانة القلب في مدرسة التحليل الاستكشافي للبيانات (EDA)، وهي المدرسة التي أسسها جون توكي للتأكيد على ضرورة معاينة البيانات في حالتها الخام قبل فرض أي نماذج احتمالية مسبقة عليها. وتتجلى قوته في تحرير الباحث من شراك الافتراضات المقيدة للبارامترات الإحصائية؛ فالقيمة الدنيا ترسم الحد السفلي لقدرة الأداة أو عتبة الظاهرة، بينما يشير الربيع الأول إلى النقطة التي تقع دونها ربع العينة بالضبط، ويوفر الوسيط المؤشر الأعدل للموضع المركزي، في حين يعزل الربيع الثالث الربع المتفوق أو الأعلى للبيانات، لتكتمل الصورة بالقيمة القصوى التي تحدد السقف الأعلى للأداء أو للقياس المرصود.

إن الاعتماد على هذه المعالم اللامعلمية الخمسة يمنح الباحثين فهماً موضوعياً شاملاً للبنية المورفولوجية للتوزيعات الرقمية؛ حيث يسمح التحليل بملاحظة سلوك البيانات عبر مراحلها الأربع: الربع الأدنى من القيمة الدنيا إلى Q1، والربع البيني الأدنى من Q1 إلى الوسيط، والربع البيني الأعلى من الوسيط إلى Q3، وأخيراً الربع المتفوق الممتد من Q3 إلى القيمة القصوى. هذا التشريح الدقيق يكشف بوضوح عن مناطق التكدس الكثافي والتخلخل العددي للمشاهدات دون الاعتماد على متوسطات قد تخفي ورائها تباينات جوهرية وتشوهات بنيوية حادة.

1.2 الخصائص الإحصائية ومزايا المقياس اللامعلمي

تتمتع المقاييس اللامعلمية المكونة لملخص الأرقام الخمسة بخاصية إحصائية بالغة الأهمية تُعرف في الإحصاء الرياضي باسم «المتانة الإحصائية» (Robustness) ومقاومة التأثر بالقيم المتطرفة والشاذة (Breakdown Point Resistance). ففي حين أن ملاحظة واحدة شاذة ذات قيمة فلكية كفيلة بجذب المتوسط الحسابي باتجاهها بصورة جذرية وتضخيم الانحراف المعياري، فإن الوسيط والربيعيات تتمتع بنقطة انهيار تبلغ 50% للوسيط و25% للربيعيات، مما يعني أن ربع البيانات قد يتعرض للتلف أو التغير المتطرف دون أن يؤدي ذلك إلى انهيار القيمة الحقيقية للربيع الأول أو الثالث.

بالإضافة إلى ذلك، يوفر الملخص الخماسي أداة فورية وحاسمة للكشف عن التواء التوزيع (Skewness) وتحديد اتجاه تشتت المشاهدات بدقة بالغة. فبمقارنة المسافة الهندسية بين الربيع الأول والوسيط (Median – Q1) بالمسافة بين الوسيط والربيع الثالث (Q3 – Median)، يمكن للباحث الجزم بما إذا كان التوزيع متماثلاً (حيث تتساوى المسافتان تقريباً)، أو يعاني من التواء موجب جهة اليمين (حيث تتسع المسافة بين الوسيط وQ3 مقارنة بنظيرتها الدنيا)، أو التواء سالب جهة اليسار (حيث تتمدد المسافة بين الأدنى والوسيط نتيجة ذيل التوزيع الممتد يساراً).

وينبثق عن هذا الملخص مفهوم حيوي آخر وهو المدى الربيعي (Interquartile Range – IQR)، الذي يتم حسابه مباشرة من خلال طرح الربيع الأول من الربيع الثالث (IQR = Q3 – Q1). يمثل هذا المدى النطاق الحسابي الذي تتمركز فيه الكتلة الحيوية للبيانات بنسبة 50% مستبعداً التقلبات التي تحدث في الأطراف، مما يجعله المقياس الأنسب لوصف التشتت في العينات التي تشهد تفاوتاً واسعاً أو تحتوي على ضوضاء قياسية يتعذر التخلص منها بالطرق الكلاسيكية دون فقدان مصداقية البيانات.

1.3 التطبيقات في أبحاث القياس النفسي والعلوم المعرفية

تكتسب هذه الأدوات التلخيصية وزناً استثنائياً عند معالجة البيانات السلوكية والنفسية، حيث تفشل المقاييس المعلمية التقليدية مراراً في تقديم تفسير نزيه للنتائج. وتعتبر درجات الاستجابة على مقاييس ليكرت (Likert Scales) في الاستبانات السيكومترية تطبيقاً نموذجياً؛ إذ تُعامل هذه الدرجات كمتغيرات ترتيبية (Ordinal) لا تفترض ثبات الفواصل القياسية بين الخيارات، مما يجعل حساب المتوسط والانحراف المعياري ممارسة إحصائية مشوبة بالعيوب المنهجية، في حين يضمن استخدام ملخص الأرقام الخمسة تقديم تصوير أمين لتوزيع الاستجابات ورصد مستويات التوافق والاختلاف بين الأفراد.

علاوة على ذلك، يشكل تحليل أزمنة الرجع (Reaction Times – RTs) في تجارب علم النفس المعرفي والعلوم العصبية تحدياً توزيعياً مزروعاً في طبيعة المتغير نفسه؛ حيث تتصف أزمنة الرجع بالالتواء الموجب الحاد نظراً لوجود حد أدنى فسيولوجي للاستجابة العصبية لا يمكن تجاوزه، مقابل ذيل طويل من الاستجابات المتأخرة الناتجة عن شرود الذهن أو تردد المفحوصين. في مثل هذه السياقات، يقدم ملخص الأرقام الخمسة سرداً إحصائياً متوازناً، يحدد الزمن الأدنى للاستجابة الحقيقية، والوسيط الممثل للأداء الحركي الإدراكي، والربيعيات المعبرة عن اتساع المعالجة المعرفية المركزية دون أن يفسد البطء الطارئ في بضع محاولات دقة الصورة العامة.

يمتد التطبيق كذلك إلى فحص استقرار الخصائص السيكومترية لأدوات التقييم النفسي والتربوي عبر المجموعات المعيارية؛ إذ يتيح الملخص الخماسي مقارنة مستويات التشتت وكتل الدرجات بين مجموعات عمرية أو ثنائية اللغة أو تشخيصية مختلفة. فعند رصد ظاهرة معينة كالقلق أو الاكتئاب، يساعد الملخص على استجلاء ما إذا كان التباين بين المرضى والأسوياء يكمن في المركز التوزيعي فقط، أم أن الاختلاف يتجلى في اتساع الشريحة العليا (Q3 إلى Max)، مما ينبئ بوجود أنماط فرعية مستترة تتطلب تدخلات إكلينيكية مخصصة بدلاً من الاكتفاء بدرجة كلية واحدة مضللة.

2. الإعداد التقني وبيئة العمل البرمجية في بايثون

2.1 تهيئة بيئة التحليل واستيراد المكتبات الضرورية

تبدأ المعالجة الحسابية الموثوقة بإعداد بيئة عمل برمجية مستقرة تدعم استنساخ النتائج وتضمن عدم تضارب الاعتماديات البرمجية بين الحزم المختلفة. يوصى دوماً بإنشاء بيئة افتراضية مخصصة (Virtual Environment) باستخدام مدير الحزم البرمجية الشهير مثل Conda أو أداة venv المدمجة في بايثون، يعقب ذلك تثبيت وتحديث الإصدارات المتوافقة من مكتبة بانداز المسؤولة عن معالجة البيانات الهيكلية، ومكتبة نمباي (NumPy) التي تشكل العمود الفقري للعمليات الحسابية المتجهية وإدارة المصفوفات الرياضية الأساسية تحت غطاء بيئة بايثون.

في الممارسة الأكاديمية والمخبرية المعيارية، يتم استيراد هذه الحزم بالأسماء الاصطلاحية المختصرة المتفق عليها عالمياً، حيث يُشار إلى بانداز بالاسم pd وتُختزل نمباي إلى np، مما يسهم في تسهيل تبادل الأكواد البرمجية بين المجموعات البحثية وضمان مقروئية الشفرات عند النشر التشاركي في المستودعات الرقمية المفتوحة مثل GitHub. يُظهر المثال الآتي التهيئة النموذجية للكود داخل بيئة التطوير:

import pandas as pd
import numpy as np

ولضمان جودة العرض وتفادي تشويه الدقة العددية عند طباعة الجداول والمخرجات في أوراق البحث الأكاديمي، يُستحسن ضبط خيارات العرض المتقدمة في بانداز؛ إذ يمكن للباحث تحديد عدد الخانات العشرية المعروضة للمقاييس الوصفية عبر استدعاء التابع pd.set_option وضبط المتغير ‘display.float_format’. يساعد هذا الإجراء التنسيقي على تجنب الإسهاب الرقمي غير المجدي للكسور الطويلة وتوحيد مظهر التقارير الجداولية دون المساس بالقيم الحقيقية المخزنة داخل الذاكرة الحاسوبية الحية للمتغيرات.

2.2 بناء وتجهيز إطار البيانات (DataFrame)

يتطلب التحقق العملي من حسابات ملخص الأرقام الخمسة تشييد إطار بيانات تمثيلي (DataFrame) يعكس التعقيدات الميدانية التي تواجه الباحثين في القياس السلوكي، بما في ذلك التوزيعات غير المتناظرة، والمقاييس ذات الحدود المقيدة، والبيانات المتعددة المستويات. يمكن محاكاة هذه الظروف بتوليد مصفوفة تحوي متغيرات مثل أزمنة الرجع (المعبر عنها بالمللي ثانية)، ودرجات مقياس الذاكرة العاملة، ومستويات القلق النفسي المستندة إلى مقاييس الاستجابة الذاتية الترتيبية، لتكون حقل الاختبار التطبيقي للأدوات التحليلية.

عقب بناء إطار البيانات أو استيراده من ملفات خارجية مثل CSV أو Excel، تقتضي قواعد الصرامة المنهجية إجراء فحص هيكلي فوري للتحقق من أنواع البيانات الرقمية المخزنة. ويتم ذلك باستدعاء الخاصية dtypes أو استخدام التابع الاستكشافي الشامل info()؛ حيث تكمن الغاية في ضمان أن كافة المتغيرات المراد تلخيصها إحصائياً مُعرَّفة بأنماط عددية صريحة مثل float64 أو int64، والتأكد من عدم وجود بيانات مفقودة مفاجئة قد تشير إلى أخطاء أثناء الاستيراد.

إذا رصد الفحص الأولي أن أحد الأعمدة الحسابية قد تم ترميزه كنص (object) نتيجة وجود رموز غريبة أو مسافات بيضاء غير مرئية أثناء الإدخال اليدوي، يتعين على المحلل اللجوء إلى التحويل الإجباري للمتغيرات إلى أشكال عددية صالحة للمعالجة. يُجرى ذلك عادة باستخدام الدالة المتقدمة pd.to_numeric() مع تمرير المعامل errors=’coerce’ لتحويل المدخلات الفاسدة إلى قيم غير معرفة (NaN)، مما يهيئ البنية التحليلية لإجراء العمليات الحسابية المتجهية دون مواجهة استثناءات برمجية تكسر مسار التنفيذ الخوارزمي في المراحل اللاحقة.

3. المنهجية الأساسية: استخدام الدالة describe() في بانداز

3.1 تشريح مخرجات الدالة describe() الافتراضية

تُعد الدالة describe() في بانداز الحصان الرابح للتحليل الإحصائي السريع وأداة التشخيص الأولى للمتغيرات الكمية؛ إذ تقوم بمجرد استدعائها بمسح مصفوفات إطار البيانات وإنتاج جدول توصيفي يلخص الملامح العامة لكل عمود رقمي عبر توليد ثمانية مقاييس وصفية متكاملة. تشمل هذه المخرجات: عدد المشاهدات الصالحة (count)، والمتوسط الحسابي (mean)، والانحراف المعياري (std)، والحد الأدنى (min)، والربيع الأول (25%)، والوسيط (50%)، والربيع الثالث (75%)، والحد الأقصى (max).

من الناحية المعرفية والإحصائية، يجمع هذا المخرج بين مدرستين إحصائيتين متمايزتين؛ فالمتوسط الحسابي والانحراف المعياري ينتميان أصلاً إلى الإحصاء المعلمي (Parametric Statistics) الذي يفترض التناظر التوزيعي واعتدالية المنحنى، بينما تشكل الصفوف الخمسة المتبقية (min، 25%، 50%، 75%، max) التجسيد الرياضي الحرفي لملخص الأرقام الخمسة اللامعلمي الذي أسسه توكي. إن هذا التوليف البرمجي يوفر رؤية مقارنة فورية تسمح للباحث برصد التباين الصريح بين المتوسط والوسيط دون الحاجة إلى تشغيل دوال إضافية مستقلة.

يتسم سلوك الدالة بالمرونة الشديدة عند التعامل مع مجموعات البيانات المتنوعة؛ حيث تستبعد تلقائياً الأعمدة غير الرقمية ما لم يتم توجيهها بخلاف ذلك، كما تقوم بإسقاط القيم المفقودة بصورة ضمنية عند حساب كل مقياس على حدة. يتيح هذا السلوك للمحلل فحص مسح شامل لعشرات المتغيرات في لمحة بصرية واحدة، مما يكشف عن التناقضات المبدئية في البيانات ويحدد المتغيرات التي تحتاج إلى تعميق دراستها عبر الملخص الخماسي المستقل نظراً لظهور بوادر التواءات عنيفة في مقاييسها المركزية.

3.2 استخراج ملخص الأرقام الخمسة عبر المحدد الموضعي loc

على الرغم من شمولية مخرجات describe()، إلا أن تضمين المتوسط والانحراف المعياري في تقارير البيانات الملتوية يُعد مخالفة منهجية صريحة في المنهجيات الرصينة للبحث الأكاديمي، حيث يُطلب عزل المقاييس اللامعلمية بشكل منفصل ونقي تماماً. ولتحقيق هذه الغاية في بانداز، يتم توظيف المحدد الموضعي القائم على التسميات الفهرسية loc، لاقتطاع الصفوف الخمسة المستهدفة واستبعاد المقاييس المعلمية بصورة قطعية.

تتبلور الصيغة البرمجية المعتمدة لتحقيق هذا الاستخراج الأنيق في التعبير التالي:
five_num = df.describe().loc[['min', '25%', '50%', '75%', 'max']]
تقوم هذه الشيفرة في خطوتها الأولى بتوليد إطار بيانات وصفي متكامل بواسطة الدالة describe()، ثم تطبق الفهرسة التسموية عبر تمرير مصفوفة نصية دقيقة تطابق أسماء الفهارس المولدة من الدالة، مما يسفر عن جدول نقي يحتوي حصرياً على معالم ملخص الأرقام الخمسة مرتبة ترتيباً تصاعدياً منطقياً.

توفر هذه المنهجية فوائد توثيقية واضحة عند إعداد النشرات والتقارير العلمية الجاهزة للتحكيم؛ إذ يتيح عزل القيم الخمس تقديم بيانات إحصائية متطابقة مع الشروط الصارمة لجمعيات القياس النفسي دون تشتيت انتباه القارئ بمؤشرات معلمية لا تعكس الواقع التوزيعي للظاهرة المدروسة. كما يسهل هذا الهيكل النظيف تحويل الجداول المستخرجة مباشرة إلى صيغ نصية متوافقة مع جداول النشر العلمي دون الحاجة إلى تنقيح يدوي لاحق قد يتخلله الخطأ البشري.

3.3 قراءة المخرجات وتفسير الأبعاد الإحصائية

يتطلب الانتقال من الأرقام الصماء إلى المعنى الإحصائي الدلالي قراءة منهجية متأنية للصفوف الخمسة المستخرجة من المحدد loc. يبدأ التحليل بفحص نقطة التمركز عبر الربيع الثاني (الوسيط / 50%)؛ إذ يمثل هذا الرقم الدرجة الفاصلة التي انقسمت عندها العينة إلى نصفين متطابقين عددياً، متفادياً التشوه الذي كان يمكن للمتوسط الحسابي أن يحدثه في حال وجود قفزات مفاجئة في أحد أطراف القياس السلوكي أو التجريبي.

يلي ذلك تقييم التشتت الداخلي عبر فحص المسافات البينية للشريحة الدنيا والوسطى والعليا؛ فإذا لوحظ أن الفارق الحسابي بين الوسيط (50%) والربيع الأول (25%) أصغر بكثير من الفارق بين الربيع الثالث (75%) والوسيط، دل ذلك بوضوح لا يقبل الشك على تمدد ذيل التوزيع نحو القيم الكبرى، مما يشير إلى أن غالبية أفراد العينة يميلون إلى التمركز في المستويات الدنيا مع وجود نخبة محدودة تبدي أداءً متطرفاً إيجابياً. في المقابل، فإن تقارب هذه المسافات يؤكد تماثل المنحنى وتوازنه الموضعي.

وأخيراً، يتم قراءة المدى الإجمالي الكلي للدرجات عبر حساب الفارق المباشر بين النهايتين الطرفيتين: القيمة القصوى مطروحاً منها القيمة الدنيا (Range = Max – Min). تبرز هذه القراءة الحدود التشغيلية القصوى للأداة القياسية وتكشف عما إذا كان الاختبار قد نجح في التقاط التباين الفردي الواسع، أم أن النطاق كان ضيقاً بشكل مفرط يوحي بضعف الحساسية التمييزية للمقياس المستخدم في الدراسة الاستقصائية.

4. حساب ملخص الأرقام الخمسة لسلسلة فردية (Series)

4.1 استخراج المتغير المستهدف وتطبيق describe() الموجه

في كثير من السيناريوهات التحليلية المعمقة، يركز الباحث على دراسة متغير نفسي أو تجريبي منفرد يُشكل المتغير التابع المحوري في الفرضية العلمية، مثل درجات اختبار التذكر الاسترجاعي أو درجات قياس الاستجابة الجلدية الجلفانية. في هذه الحالة، يكون من غير المجدي معالجة إطار البيانات بأكمله، بل يتم عزل المتغير المستهدف في بنية سلسلة بيانات أحادية البعد (Series) مستقلة، تمهيداً لإخضاعها للفحص التلخيصي المباشر.

يتم استدعاء السلسلة الفردية عبر استخدام التدوين القوسي القياسي للإشارة إلى اسم العمود، ثم ربط هذا الاستخراج مباشرة بالدالة التوصيفية وتحديد الفهارس النصية الخمسة. يُصاغ هذا الإجراء على النحو البرمجي التالي:
target_summary = df['Variable_Name'].describe().loc[['min', '25%', '50%', '75%', 'max']]
يعيد هذا التعبير سلسلة بيانات مختزلة تحتوي حصرياً على الأرقام الخمسة الخاصة بالمتغير المحدد، مع الاحتفاظ بأسماء المعالم الإحصائية كمفاتيح فهرسية تضمن وضوح التفسير والتنقل البرمجي السلس.

يوفر تخزين هذا الملخص في سلسلة بيانات مستقلة مرونة فائقة؛ إذ يمكن تمريره لاحقاً كمدخل لمتغيرات التقرير الأكاديمي، أو تصديره إلى ملفات وصفية، أو استخدامه كمعالم معيارية (Normative Benchmarks) لاختبار عينات جديدة في التجارب المتكررة. كما تتيح هذه الطريقة معالجة السلسلة بحرية دون القلق من التأثير على بقية الأعمدة في إطار البيانات الأم.

4.2 الحساب التفكيكي عبر دوال بانداز المستقلة

على الرغم من ملاءمة وسرعة الدالة describe()، إلا أن الممارسات البرمجية المتقدمة تتطلب أحياناً تفكيك ملخص الأرقام الخمسة وحساب كل معلم إحصائي بمعزل عن الآخر؛ سواء كان ذلك لدمج بعض المعالم في معادلات رياضية معقدة أخرى، أو لتحسين كفاءة الحوسبة في تدفقات البيانات الضخمة التي لا تتطلب حساب المتوسط والانحراف المعياري المضمنين إجبارياً في دالة التوصيف الشاملة.

تقدم بانداز دوالاً متجهية مباشرة وموجهة لإنجاز هذا الحساب التفكيكي بكفاءة لا متناهية. يتم حساب القيمة الدنيا باستدعاء الدالة المباشرة df['Variable'].min()، والقيمة العظمى بالدالة المماثلة df['Variable'].max(). ولتحديد نقطة التمركز يتم اللجوء إلى التابع df['Variable'].median(). أما الربيعيات الدقيقة فيتم استخراجها عبر الدالة المتخصصة df['Variable'].quantile([0.25, 0.75]) والتي تقبل مصفوفة احتمالية تمثل النسب المئوية المطلوبة، معيدة القيم الربيعية بدقة متناهية.

عند المقارنة بين المنهجين من زاوية الكفاءة الحوسبية وأداء الذاكرة (Algorithmic Performance)، يتبين أن الدوال المنفصلة تتفوق بوضوح عند التعامل مع مصفوفات ضخمة تتجاوز ملايين السجلات؛ فالدالة describe() تضطر لإجراء دورتين على الأقل فوق مصفوفة البيانات لحساب المتوسط ومجموع المربعات اللازم للانحراف المعياري، في حين تكتفي الدوال التفكيكية مثل min() و max() بدورة فحص خطية واحدة دون أي أعباء حسابية إضافية، مما يجعلها الخيار الأمثل للأنظمة ذات الموارد المحدودة.

5. حساب ملخص الأرقام الخمسة لأطر البيانات متعددة المتغيرات

5.1 التطبيق المتزامن على أعمدة رقمية متعددة

عند التعامل مع بطاريات الاختبارات النفسية الشاملة أو استبانات التقييم متعددة الأبعاد، يواجه الباحث مصفوفة بيانات تضم عدة مقاييس فرعية مترابطة تتطلب مقارنة متبادلة وفورية للملخصات الخماسية لتقييم الأداء النسبي عبر المجالات السلوكية المختلفة. تتيح بانداز إمكانية معالجة هذه المصفوفات متعددة المتغيرات بضربة برمجية واحدة تضمن التوحيد الإحصائي وسرعة المعاينة عبر إطار البيانات بأكمله.

بتطبيق الصيغة المدمجة المتجهة على إطار البيانات الذي يضم المتغيرات الرقمية المستهدفة:
multi_summary = df[['Scale_1', 'Scale_2', 'Scale_3']].describe().loc[['min', '25%', '50%', '75%', 'max']]
ينتج جدول تحليلي موحد تظهر فيه المقاييس الفرعية كأعمدة مستقلة، في حين تمثل الصفوف معالم الملخص الخماسي الخمسة. يسمح هذا التنسيق المتوازي بمقارنة الفروق الفورية بين الوسائط، وملاحظة اتساع المدى الربيعي لكل مقياس، ورصد المقاييس التي تميزت بانضغاط درجاتها مقارنة بالأخرى التي أظهرت تشتتاً واسعاً.

وللارتقاء بالمخرجات لتتوافق مع الأعراف الصارمة لكتابة الجداول الإحصائية في الدوريات العلمية، يُنصح بتطبيق عملية التحويل الرياضي للمصفوفات (Transpose) عبر إلحاق الخاصية .T بالجدول المستخرج، كالتالي:
formatted_summary = multi_summary.T
تؤدي هذه الخطوة الأنيقة إلى جعل المتغيرات النفسية صفوفاً والمعالم الإحصائية الخمسة أعمدة، وهو التنسيق القياسي المعتمد في الجمعية الأمريكية لعلم النفس (APA) الذي يسهل القراءة الأفقية للمقاييس ويسمح بدمج نتائج العشرات من الأبعاد بأسلوب مكثف وجذاب بصرياً.

5.2 تصفية الأعمدة قبل إجراء الحسابات الإحصائية

تحتوي مجموعات البيانات الحقيقية في الواقع التطبيقي على مزيج متباين من المتغيرات؛ فإلى جانب الدرجات الرقمية، توجد معرفات الأفراد (Subject IDs)، والمتغيرات الديموغرافية الاسمية (مثل الجنس، والحالة الاجتماعية)، والمتغيرات الزمنية. يؤدي محاولة تمرير هذا الخليط بأكمله إلى دالة التوصيف دون تنقية مسبقة إلى هدر غير مبرر لموارد المعالج واستنزاف غير كفء للذاكرة، بل وقد يولد مخرجات إحصائية زائفة لمتغيرات لا معنى رياضي لملخصاتها الخماسية.

تتصدى بانداز لهذه المسألة عبر تزويد المحلل بالدالة الاستثنائية select_dtypes() التي تتيح عزل المتغيرات على أساس أنواعها البيانية المخزنة في الذاكرة. يُمكن صياغة الكود الذكي لاستخلاص المتغيرات الحسابية فقط على النحو الآتي:
numeric_df = df.select_dtypes(include=[np.number])
five_num_matrix = numeric_df.describe().loc[['min', '25%', '50%', '75%', 'max']]
يضمن هذا البروتوكول البرمجي استبعاد كافة النصوص والمتغيرات الفئوية والتواريخ تلقائياً، مع اقتصار العمليات الرياضية على القيم المتوافقة منطقياً مع الحساب الترتيبي والكمي.

تكتسب هذه الاستراتيجية أهمية بالغة عند التعامل مع مجموعات البيانات الضخمة (High-Dimensional Datasets) كتلك الناتجة عن أبحاث التنميط الجيني السلوكي أو القياسات اللحظية المتكررة (Ecological Momentary Assessment – EMA) التي قد تضم مئات الأعمدة؛ حيث يؤدي الانتقاء الانتقائي المسبق للمتغيرات إلى تقليص زمن التنفيذ بنسبة كبيرة وحماية الذاكرة العشوائية من الفيضان، مع الإبقاء على سلامة الهيكل الحسابي العام للبحث.

6. التحليل المقارن والتجميعي باستخدام الدالة groupby()

6.1 تقسيم البيانات وفق المتغيرات التصنيفية

لا تكتمل البحوث التجريبية والارتباطية دون عقد مقارنات بنيوية بين مجموعات مختلفة من المشاركين؛ كالمقارنة الكلاسيكية بين المجموعة التجريبية الخاضعة لبرنامج تدريبي معرفي والمجموعة الضابطة، أو فحص التباينات التوزيعية عبر الفئات العمرية والطبقية. في مثل هذه التصاميم، يفقد الملخص الخماسي الإجمالي دلالته إذا لم يُفكك ويُحسب بصورة مستقلة لكل مستوى من مستويات المتغير التصنيفي، لتوضيح كيفية تغير سلوك التوزيع تحت تأثير المتغير المستقل.

تعد تركيبة الدالة groupby() المقترنة بالدالة describe() في بانداز من أقوى التراكيب البرمجية لإنجاز هذا التقسيم الطبقي المعقد؛ حيث يتم تجميع البيانات وفق عمود التصنيف وتطبيق العمليات التوصيفية بالتوازي على كل فئة. تُصاغ الشفرة الأساسية كما يلي:
grouped_summary = df.groupby('Condition')['Score'].describe().loc[:, ['min', '25%', '50%', '75%', 'max']]
يتيح هذا التعبير تقسيم المشاهدات بناءً على مستويات متغير ‘Condition’ وحساب الأرقام الخمسة لدرجات الاختبار لكل مجموعة بصورة متزامنة ومرتبة.

تتمخض هذه العمليات التجميعية في بانداز عن بنية جدولية ذات فهرسة متعددة المستويات (MultiIndex) في الصفوف أو الأعمدة وفقاً لاتجاه الاستخراج. يتطلب التعامل المنهجي مع هذا الفهرس المزدوج مهارة في تسطيح البيانات وإعادة تشكيلها عبر التابع unstack() أو reset_index() لتحويل الجداول المعقدة إلى هيئات مسطحة واضحة، مما يتيح تصديرها إلى برمجيات النشر المكتبي أو تضمينها في التقارير الإحصائية دون أي تشويه في التنسيق الطباعي.

6.2 استخلاص الأرقام الخمسة عبر دالة التجميع المتقدمة agg()

على الرغم من فعالية الربط بين groupby() و describe()، إلا أن المحلل قد يرغب في فرض سيطرة هندسية مطلقة على تسميات الأعمدة وطرق احتساب المقاييس التجميعية لتفادي أعباء الاقتطاع اللاحق لمخرجات الدالة الوصفية. وهنا تبرز دالة التجميع المتقدمة agg() كأداة فائقة الدقة والبراعة تتيح تطبيق مصفوفة من الدوال المخصصة والمتجهية على نحو مبرمج بدقة متناهية.

يمكن بناء تجميع مخصص للأرقام الخمسة بتمرير قائمة تضم دوال بانداز المدمجة ودوال التعبير السريع (Lambda Functions) لحساب الربيعيات المعينة، كما يتضح في البناء التالي:
custom_five_num = df.groupby('Group')['Reaction_Time'].agg(
    Min='min',
    Q1=lambda x: x.quantile(0.25),
    Median='median',
    Q3=lambda x: x.quantile(0.75),
    Max='max'
)
يتميز هذا الأسلوب بتوليد إطار بيانات نهائي ذي أعمدة واضحة ومسماة مسبقاً وفق أدق المعايير التوثيقية، ودون أي صفوف زائدة تتطلب الحذف.

يتيح هذا البناء التجميعي المرن إمكانية تطبيق معايير طبقية متعددة في آن واحد؛ مثل تقسيم العينة بحسب متغيري ‘الجنس’ و’المستوى التعليمي’ معاً عبر تمرير قائمة بالمجموعات، مما يسفر عن لوحة إحصائية غنية تتيح المقارنة التقاطعية المباشرة وتسهل تصدير الجداول الجاهزة للنشر العلمي بضغطة زر واحدة، مما يوفر عشرات الساعات من التنسيق اليدوي المعرض للخطأ.

6.3 تفسير الفروق التوزيعية بين المجموعات المستقلة

يمثل التفسير النقدي للملخصات الخماسية المقارنة ذروة التحليل الإحصائي السلوكي؛ فالهدف يتجاوز مجرد سرد الأرقام إلى فهم الدلالات الكامنة وراء تباعد الربيعيات واختلاف المسافات بين المجموعات. إن مقارنة الوسائط بين مجموعة العلاج والمجموعة الضابطة يكشف عن الإزاحة المركزية الحقيقية للأداء، ولكن الفحص المعمق لـ Q1 و Q3 هو الذي يوضح ما إذا كان التدخل قد أفاد كافة أفراد المجموعة التجريبية بانتظام، أم أنه كان ذا تأثير نخبوي اقتصر على الشريحة المتفوقة فقط.

علاوة على ذلك، يلعب فحص القيمتين الطرفيتين (الدنيا والقصوى) دوراً ريادياً في رصد ظاهرتي «تأثير السقف» (Ceiling Effect) و«تأثير الأرضية» (Floor Effect) اللتين تؤرقان علماء القياس النفسي. فإذا أظهرت المجموعة الضابطة قيمة قصوى تتطابق أو تدنو بصورة طفيفة جداً من الربيع الثالث للمجموعة التجريبية وتتساوى مع سقف المقياس الكلي، دل ذلك على أن أداة الاختبار سهلة جداً للمتفوقين ولم تعد قادرة على رصد التمايزات العليا، وهي رؤية حاسمة تعجز المتوسطات الحسابية عن إبرازها بذات الجلاء.

وتتجلى القوة المنهجية لهذا التفسير في قدرته على استنتاج الفروق التوزيعية بين المجموعات المستقلة دون الاضطرار إلى تبني افتراض التوزيع الطبيعي أو تجانس التباين (Homoscedasticity) الذي تشترطه اختبارات الفروق المعلمية الكلاسيكية كاختبار t وتحليل التباين (ANOVA). إن المقارنة القائمة على الأرقام الخمسة تحمي الباحث من الوقوع في خطأ الاستنتاج الزائف الناتج عن حساسية الاختبارات المعلمية للعينات الكبيرة أو عدم تكافؤ التباينات، موفرة أساساً صلباً لتقييم حجم الأثر السلوكي الحقيقي.

7. خوارزميات حساب الربيعيات في بانداز ومعامل الإقحام

7.1 فهم خوارزميات التقدير الرياضي للربيعيات

قد يبدو حساب الربيعيات في ظاهره عملية رياضية بسيطة تعتمد على تقسيم البيانات المرتبة إلى أربعة أجزاء، ولكن عند الغوص في البنية الرياضية الخوارزمية، تبرز إشكالية عميقة عند التعامل مع العينات الرقمية المنتهية أو الصغيرة، حيث لا ينتج عن ضرب حجم العينة في النسبة المئوية (مثل 0.25 أو 0.75) عدد صحيح يحدد موقع المشاهدة بدقة، مما يولد فجوات رقمية تتطلب إجراء تقدير استقرائي بين نقطتين بيانيتين متجاورتين يُعرف بـ «الإقحام الرياضي» (Quantile Interpolation).

توفر دالة quantile() في بانداز ونمباي خمسة خيارات رئيسية لمعامل الإقحام (interpolation)، تتحكم في كيفية حساب القيم البينية:

• خطي (Linear): وهو الخيار الافتراضي في بانداز، ويقوم بحساب القيمة عبر الاستكمال الخطي التناسبي بين الرتبتين المجاورتين بناءً على المسافة الكسرية.
• الأدنى (Lower): يفرض اعتماد قيمة المشاهدة الدنيا المجاورة للموقع المحسوب، متجاهلاً الجزء الكسري بالكامل.
• الأعلى (Higher): يعتمد على قيمة المشاهدة العليا المجاورة مباشرة للرتبة النظرية.
• نقطة المنتصف (Midpoint): يحسب المتوسط الحسابي البسيط بين النقطتين المجاورتين بغض النظر عن قيمة الكسر التقديري.
• الأقرب (Nearest): يقرب الرتبة إلى أقرب مؤشر صحيح للمشاهدة المتاحة في السلسلة.

إن إدراك هذا التمايز الخوارزمي ذو أهمية قصوى للباحثين؛ فالاعتماد على الخيار الافتراضي الخطي (Linear) قد يولد قيماً ربيعية لا توجد فعلياً في مجموعة البيانات الأصلية (كأن ينتج عن استبانة تركز على درجات صحيحة من 1 إلى 5 قيمة ربيعية قدرها 3.25). وفي حين يُعد هذا التقريب الخطي ممتازاً للمتغيرات المتصلة الحقيقية كالأوزان والزمن، إلا أنه قد يتطلب إعادة ضبط واعية عند التعامل مع القياسات الترتيبية الصارمة.

7.2 التوافق مع الحزم الإحصائية الأخرى (R و SPSS)

يواجه العديد من الباحثين الذين ينتقلون بين بيئات العمل الإحصائي المختلفة، مثل الانتقال من لغة R أو حزمة SPSS إلى بايثون وبانداز، تضارباً مربكاً يتمثل في اختلاف طفيف في قيم الربيعيات المحسوبة لنفس مجموعة البيانات بدقة. لا يعود هذا الاختلاف إلى أخطاء في البرمجة أو في الحساب، بل ينبع من التباين في «النمط الخوارزمي» المعتمد افتراضياً لتقدير الربيعيات بين البرمجيات.

تستخدم لغة R تسعة أنماط خوارزمية قياسية لتقدير الكميات الإحصائية (تُعرف من Type 1 إلى Type 9) وتعتمد افتراضياً النمط السابع (Type 7). في المقابل، تعتمد بانداز عبر خوارزميات نمباي المدمجة صيغة إقحام تعادل النمط السابع في R عند استخدام interpolation='linear'، ولكن تظهر الخلافات الصريحة عند مقارنة النتائج مع برنامج SPSS الذي يتبنى خوارزميات ترجيح مختلفة (تتطابق جزئياً مع النمط السادس في R) مبنية على رتب ويبل وتوزيع التردد المتراكم.

لتجاوز هذا اللبس الأكاديمي وضمان استنساخ النتائج عند كتابة الأطروحات ومشاريع التعاون البحثي متعددة المراكز، يتعين على الباحث إما محاكاة خوارزميات البرامج الأخرى بضبط معايير الدالة بدقة، أو الأهم من ذلك: التوثيق المنهجي الصريح للأسلوب الخوارزمي المتبع. يجب أن يُذكر بوضوح في فصل المنهجية أن حساب الربيعيات قد تم في بيئة Python Pandas باستخدام الاستكمال الخطي للربيعيات، مما يرفع من جودة الشفافية العلمية ويقطع الطريق أمام أي سوء فهم تحكيمي للنتائج المنشورة.

8. معالجة القيم المفقودة (Missing Data) وأثرها على الحساب

8.1 سلوك دوال بانداز الافتراضي تجاه القيم الناقصة (NaN)

تعتبر ظاهرة البيانات المفقودة (Missing Data) حقيقة لا مفر منها في البحوث الإمبيريقية والسلوكية، سواء بسبب انسحاب المفحوصين، أو عطل تقني في مجسات القياس البيولوجي، أو امتناع المشاركين عن الإجابة على أسئلة حساسة. عند تطبيق دوال حساب ملخص الأرقام الخمسة في بانداز، فإن السلوك الافتراضي المدمج في دوال مثل describe() و quantile() و median() هو التفعيل التلقائي للمعامل skipna=True، مما يعني أن الحزم تتجاهل المشاهدات المفقودة (NaN) وتجري الحساب حصرياً على البيانات المتبقية الصالحة.

وعلى الرغم من أن هذا السلوك يبدو مريحاً للوهلة الأولى ويمنع تعطل الكود البرمجي، إلا أنه ينطوي على مخاطر منهجية جسيمة يجب على الباحث الوعي بها؛ فتجاهل الفقد يؤدي إلى تقليص حجم العينة الفعلي (Effective Sample Size) الذي تُبنى عليه الربيعيات، مما يؤدي إلى تراجع القوة الإحصائية وتضخيم احتمالية وقوع أخطاء المعاينة في التقديرات الطرفية كالقيمة الدنيا والقصوى على وجه الخصوص.

ولضمان نزاهة المخرجات، يجب على المحلل قبل تشغيل الملخص الخماسي تقييم مدى ونمط الفقد الإحصائي؛ ويتحقق ذلك بتشغيل دالة الفحص السريع df.isnull().sum() لتحديد التكرار المطلق والنسبي للمشاهدات المفقودة في كل متغير. فإذا تجاوزت نسبة الفقد عتبات حرجة (كأن تزيد عن 5% أو 10%)، يصبح الاعتماد على التجاهل التلقائي ممارسة غير مسؤولة قد تؤدي إلى انحياز توزيعي حاد في حال لم تكن البيانات مفقودة عشوائياً بالكامل (MCAR).

8.2 استراتيجيات التنقية والتعويض المسبق للبيانات

أمام تحدي الفقد الإحصائي، يمتلك المحلل خيارين منهجيين رئيسيين قبل استخراج ملخص الأرقام الخمسة: الحذف المسبق للحالات، أو اللجوء إلى تقنيات التعويض الإحصائي (Imputation). يتمثل الأسلوب الأول في «الحذف بالقائمة» (Listwise Deletion) باستخدام دالة dropna()، وهو إجراء يحذف أي سجل يحتوي على قيمة مفقودة واحدة في أي من المتغيرات، مما يضمن ثبات حجم العينة عبر جميع المعالم ولكنه قد يتسبب في فقدان مؤلم لكميات هائلة من البيانات الصالحة وتشويه التمثيل المجتمعي للعينة.

أما الأسلوب البديل فيتمثل في استبدال القيم المفقودة بقيم تقديرية مدروسة. وفي سياق التحليل اللامعلمي القائم على الملخص الخماسي، يُعد التعويض بالوسيط (Median Imputation) باستخدام الدالة:
df['Variable'].fillna(df['Variable'].median(), inplace=True)
أحد أكثر الحلول شيوعاً؛ نظراً لأن الوسيط يمثل نقطة التمركز الطبيعية المقاومة للالتواء، وبالتالي فإن إقحامه كبديل للقيم الناقصة يحافظ على المركز التوزيعي العام للسلسلة دون أن يتأثر بأي قيم متطرفة موازية.

مع ذلك، يجب أن يدرك الباحث بحس نقدي متقدم أن التعويض بالوسيط، على الرغم من محافظته على القيمة المركزية، فإنه يؤدي بشكل حتمي إلى ضغط التشتت وتصغير المدى الربيعي (IQR) بصورة مصطنعة؛ لأن تكرار إضافة نفس القيمة في منتصف البيانات يرفع من الكثافة المركزية ويقلل التباين الطبيعي. لذا يوصى دوماً بإجراء تحليل الحساسية (Sensitivity Analysis) عبر مقارنة ملخص الأرقام الخمسة للبيانات قبل التعويض وبعده، للتأكد من أن التدخل لم يغير الطبيعة المورفولوجية للتوزيع التكراري الأصلي.

9. الكشف عن القيم الشاذة (Outliers) بالاعتماد على الملخص الخماسي

9.1 قاعدة جون توكي (John Tukey) وحساب الأسوار الإحصائية

يرتبط ملخص الأرقام الخمسة ارتباطاً عضوياً بأحد أشهر المناهج الإحصائية اللامعلمية وأكثرها موثوقية لاكتشاف المشاهدات الشاذة، والمعروف تاريخياً باسم «قاعدة أسوار توكي» (Tukey’s Fences Rule). لا تعتمد هذه المنهجية على المتوسطات أو درجات Z المعيارية التي تفترض مسبقاً اعتدالية البيانات، بل تستند مباشرة إلى مكونات الملخص الخماسي، مستخدمة كلاً من الربيع الأول (Q1)، والربيع الثالث (Q3)، والمدى الربيعي المشتق بينهما (IQR).

تحدد قاعدة توكي نطاقين من الأسوار الإحصائية لعزل الحالات غير النمطية في أي توزيع كمي:

• الأسوار الداخلية (Inner Fences): وتُحسب لتحديد القيم الشاذة المعتدلة (Mild Outliers)، حيث يُعرف السور الداخلي الأدنى بالمعادلة: Lower Inner Fence = Q1 - 1.5 * IQR، بينما يُعرف السور الداخلي الأعلى بالمعادلة: Upper Inner Fence = Q3 + 1.5 * IQR. تُصنف أي ملاحظة تقع خارج هذا النطاق باعتبارها قيمة شاذة تستحق الفحص المنهجي.
• الأسوار الخارجية (Outer Fences): وتُستخدم لرصد القيم الشاذة المتطرفة أو الفلكية (Extreme Outliers)، حيث يُحسب السور الخارجي الأدنى كـ: Q1 - 3.0 * IQR، والسور الخارجي الأعلى كـ: Q3 + 3.0 * IQR. يمثل وقوع الملاحظات خلف هذه الحدود الخارجية مؤشراً قوياً على وجود أخطاء قياسية جسيمة أو حالات نادرة جداً تتطلب تدخلاً نوعياً فورياً.

يتميز معامل التوسيع 1.5 بأساس رياضي متين؛ ففي حالة التوزيع الطبيعي النظري، يغطي النطاق المحدد بأسوار 1.5 ما يعادل 99.3% من مجموع المشاهدات، مما يعني أن احتمال تصنيف نقطة عادية كقيمة شاذة بطريق الخطأ لا يتعدى 0.7%، وهو ما يجعل هذه المنهجية حائط صد فعال يجمع بين الحساسية العالية للاختلالات والأمان الشديد ضد الإنذارات الإحصائية الكاذبة.

9.2 برمجة مرشح آلي لاكتشاف وعزل القيم المتطرفة في بانداز

تتيح لغة بايثون ومكتبة بانداز أتمتة قاعدة توكي البرمجية في أسطر معدودة، محولة المفاهيم النظرية إلى مرشح منطقي متجهي فائق السرعة. يبدأ التطبيق العملي باستخراج الأرقام الضرورية من مخرجات describe().loc أو الدوال المباشرة، وحساب الأسوار، ثم بناء قناع منطقي ثنائي (Boolean Mask) يقوم بفحص كل صف في إطار البيانات وإرجاع الحالات الشاذة بمفردها.

يُبنى المرشح الآلي برمجياً وفق الصياغة المعتمدة الآتية:
Q1 = df['RT'].quantile(0.25)
Q3 = df['RT'].quantile(0.75)
IQR = Q3 - Q1
lower_fence = Q1 - 1.5 * IQR
upper_fence = Q3 + 1.5 * IQR
outliers = df[(df['RT'] < lower_fence) | (df['RT'] > upper_fence)]
يقوم هذا الكود بعزل المشاهدات المتطرفة في إطار بيانات فرعي مستقل، مما يتيح للباحث إحصاء عددها، ودراسة خصائصها، وتحديد هويات المشاركين الذين ينتمون إليها.

تضع هذه الخطوة المحلل أمام قرار منهجي حساس في أبحاث القياس السلوكي وعلم النفس؛ إذ لا يُنصح أبداً بالحذف التلقائي الأعمى للقيم المتطرفة. يجب أولاً التمييز بين القيم الشاذة الناتجة عن أخطاء إدخال أو تعطل في الأجهزة (وهي التي تستوجب التصحيح أو الاستبعاد الحاسم)، وبين تلك التي تمثل «استجابات نوعية أصيلة» لعينات تعاني من اضطرابات عصبية أو تمتلك مهارات استثنائية تفوق المعتاد؛ حيث يشكل الإبقاء على الأخيرة وتحليلها بشكل منفصل إضافة علمية نوعية تزيد من ثراء الفهم الإمبيريقي للظاهرة وتجنب الباحث الوقوع في فخ التنميط القسري للبيانات.

10. التمثيل البصري لملخص الأرقام الخمسة: المخطط الصندوقي (Boxplot)

10.1 الترجمة الرسومية لمكونات الملخص الخماسي

لا يكتمل الفهم العميق لملخص الأرقام الخمسة دون تحويله إلى صورته الهندسية المرئية الشهيرة المتمثلة في المخطط الصندوقي (Boxplot) أو رسم الصندوق والشاربين (Box-and-Whisker Plot)، وهو الابتكار البصري الرائد الآخر الذي أهداه جون توكي للمجتمع العلمي. يمثل المخطط الصندوقي ترجمة حرفية متطابقة لكل عنصر من عناصر الملخص الخماسي، محولاً الأرقام المجردة إلى نسب ومساحات بصرية تكشف في ثانية واحدة ما قد تعجز الجداول الطويلة عن توضيحه.

يتشكل قوام الرسم من مستطيل محوري (الصندوق) ترسم حافته السفلى عند قيمة الربيع الأول (Q1)، في حين تمثل حافته العليا قيمة الربيع الثالث (Q3)، مما يجعل طول الصندوق الإجمالي مساوياً تماماً للمدى الربيعي (IQR) وحاوياً لنصف البيانات المركزية. ويقطع هذا الصندوق خط وسطي بارز يمثل الربيع الثاني (الوسيط / Median). ويكشف موقع هذا الخط داخل الصندوق عن شكل التناظر الداخلي؛ فإذا توسط الصندوق تماماً دل على التناظر، وإن هبط مقترباً من Q1 أشار إلى التواء موجب، وإن صعد نحو Q3 أشار إلى التواء سالب.

تمتد من الصندوق ذراعان أو ما يُعرف بالشوارب (Whiskers)؛ وتمثل نهايات هذه الشوارب في المعايير الكلاسيكية أدنى وأعلى قيمة في البيانات تقع ضمن نطاق الأسوار الداخلية المقبولة (أي في حدود 1.5 * IQR من حافتي الصندوق)، وليست بالضرورة القيمة الدنيا والقصوى المطلقة إذا وُجدت قيم شاذة. أما المشاهدات التي تتخطى نهايات هذه الشوارب فتُرسم بشكل صريح كنقاط أو دوائر منفصلة (Fliers/Outliers)، مما يتيح فحص الملاحظات الشاذة بالعين المجردة ومقارنة حجم انتشارها بين المتغيرات المختلفة دون أي غموض.

10.2 التطبيق العملي للرسم باستخدام بانداز والمكتبات المساندة

توفر بيئة بايثون التحليلية مسارات برمجية متعددة لرسم المخططات الصندوقية، تتراوح بين الأدوات السريعة المضمنة داخل بانداز والأدوات الجرافيكية المتقدمة المصممة للنشر الأكاديمي عالي الجودة. في مرحلة الاستكشاف الأولي السريع، يمكن للباحث توليد المخطط الصندوقي مباشرة من إطار البيانات باستخدام الدالة المدمجة df.boxplot() مع تحديد الأعمدة المرغوبة وتقسيمها اختيارياً عبر المتغير الفئوي، كالتالي:
df.boxplot(column='Score', by='Group')

مع ذلك، تقتضي متطلبات النشر في المجلات العلمية المحكمة ذات التصنيف المرموق اللجوء إلى مكتبات بصرية ذات قدرات جمالية ومعيارية فائقة، وتأتي في مقدمتها مكتبة سيبرون (Seaborn) المبنية على محرك مات بلوت ليب (Matplotlib). يتيح التكامل بين بانداز وسيبرون إنتاج رسومات بيانية متطابقة بدقة مع أدلة التنسيق المعتمدة دولياً، كما يُظهر البناء البرمجي التالي:

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6))
sns.boxplot(x='Group', y='Score', data=df, palette='Blues')
plt.title('Distribution Analysis via Five-Number Summary')
plt.xlabel('Experimental Condition')
plt.ylabel('Assessment Score')
plt.show()

يتيح هذا الكود المتقدم تخصيص الألوان بدقة لتناسب معايير الطباعة المونوكرومية والملونة في أوراق APA، وتعديل سماكة الخطوط، وتسمية المحاور بوضوح، وضبط المقاييس التناسبية لإبراز التباين السلوكي بدقة. ومن خلال الجمع بين الدقة الإحصائية لملخص الأرقام الخمسة في بانداز والرقي الجرافيكي لسيبرون، يحصل الباحث على تمثيل بصري ينطق بالصرامة المنهجية ويقدم للقارئ برهاناً بصرياً لا يقبل الشك على موثوقية النتائج الإمبيريقية المستخلصة.

11. الأخطاء الشائعة والتحذيرات البرمجية عند حساب الملخص

11.1 أخطاء التنسيق وتعارض أنماط البيانات

من أكثر الأخطاء التقنية شيوعاً والتي توقع المحللين في ارتباك تحليلي كبير هو الإخفاق الصامت في حساب الأرقام الخمسة نتيجة وجود بيانات غير رقمية مندسة داخل الأعمدة؛ ففي أحيان كثيرة تُستورد قواعد البيانات من مصادر خارجية تحتوي على رموز نصية خاصة بالغياب مثل “N/A” أو “?” أو حتى مسافات فارغة مجهولة. يؤدي هذا التلوث إلى قيام بانداز بقراءة العمود بأكمله كنوع بيانات نصي (object)، وعند استدعاء الدالة describe() ينتج ملخص مغاير تماماً يتضمن مقاييس المتغيرات النصية (count, unique, top, freq) بدلاً من ملخص الأرقام الخمسة، مما يربك التحليل إذا لم يكن المبرمج يقظاً لطبيعة المخرجات.

خطأ تقني ومفاهيمي آخر يكمن في تطبيق حساب ملخص الأرقام الخمسة على متغيرات اسمية (Nominal) تم ترميزها بالأرقام لأغراض تنظيمية؛ كأن يُرمز لمتغير الجنس بـ (1 للذكور و 2 للإناث) أو الجنسيات بأكواد من 1 إلى 50. إن تطبيق دالة الملخص الخماسي على مثل هذه الأعمدة ينتج قيماً عددية زائفة تماماً تفتقر إلى أي معنى رياضي؛ فلا وجود لشيء اسمه “وسيط الجنس” أو “الربيع الثالث للجنسية”، وهو ما يفرض على الباحث استبعاد هذه الأعمدة مسبقاً وتوعية الفريق التحليلي بعدم الخلط بين الرقم كمعرف رمزي والرقم ككمية قابلة للمقارنة الترتيبية.

بالإضافة إلى ذلك، تبرز مشكلات استنزاف الذاكرة الحسابية (Out of Memory) عند استدعاء الدالة التوصيفية الشاملة على مجموعات البيانات الضخمة التي تحتوي على مئات المتغيرات وملايين القياسات في بيئات حوسبية محدودة. إن محاولة تشغيل df.describe() على كامل المصفوفة يستهلك قدراً هائلاً من سعة المعالج لتوليد مقاييس قد لا تكون مطلوبة، والحل الأمثل هنا يكمن في تقسيم مصفوفات الحساب وتطبيق الدوال التفكيكية المتجهة quantile() على مجموعات فرعية صغيرة لتخفيف العبء الحوسبي وتجنب انهيار جلسة العمل البرمجية.

11.2 سوء الفهم الإحصائي للنتائج والمخرجات

على الصعيد النظري والمفاهيمي، يقع العديد من المحللين المبتدئين في فخ الخلط المستمر بين دلالات الوسيط ودلالات المتوسط الحسابي؛ ففي حالات التوزيعات الملتوية التواءً حاداً، لا يعبر الوسيط إطلاقاً عن المركز الثقلي الحسابي (Center of Mass) بل يعبر عن المركز الترتيبي، واستخدام أحدهما كبديل مماثل للآخر في صياغة القرارات المؤسسية أو التفسيرات النظرية يقود إلى استنتاجات خاطئة تماماً حول حقيقة الظاهرة وتوزيع أعبائها أو مكاسبها بين الأفراد.

وثمة سوء فهم بنيوي آخر يتمثل في الافتراض الخاطئ بأن تموضع الوسيط في منتصف الصندوق في المخطط التوزيعي يعني حتماً أن التوزيع بأكمله يتبع التوزيع الطبيعي المعتدل. إن تناظر الأرقام الخمسة هو شرط ضروري ولكنه غير كافٍ لإثبات التوزيع الطبيعي؛ إذ قد يكون التوزيع متماثلاً تماماً ولكنه يتبع التوزيع المنتظم (Uniform) أو التوزيع ثنائي المنوال (Bimodal) حيث تنقسم المشاهدات إلى كتلتين متطابقتين حول وسيط شبه فارغ من المشاهدات الحقيقية. لذا، يجب أن يقترن فحص الملخص الخماسي دوماً بمعاينة المخططات التكرارية أو اختبارات الاعتدالية المتقدمة لتفادي الوقوع في هذا الوهم الإحصائي.

أخيراً، يؤدي الإهمال الشائع لحجم العينة (Sample Size) إلى المبالغة في الوثوق بملخص الأرقام الخمسة المستخرج من عينات بالغة الصغر (أقل من 15 أو 20 مفحوصاً). ففي العينات الضئيلة، تكون رتب الربيعيات حساسة للغاية لتقلبات المعاينة العشوائية، ويكون أي تغير طفيف في قيمة مفحوص واحد كفيلاً بخلخلة قيمة الربيع الأول أو الثالث بشكل دراماتيكي، مما يستلزم توخي الحذر الشديد وإرفاق فترات الثقة المناسبة أو التعامل مع الملخص بوصفه مؤشراً استكشافياً أولياً لا حقيقة استدلالية قطعية.

12. المقارنة النقدية: الملخص الخماسي مقابل الإحصاءات الوصفية المعلمية

12.1 متى يفضل اعتماد ملخص الأرقام الخمسة كمعيار رئيسي؟

تحسم القواعد المنهجية الصارمة في الإحصاء التطبيقي الجدل القائم حول الاختيار بين المقاييس المعلمية (المتوسط والانحراف المعياري) والمقاييس اللامعلمية (ملخص الأرقام الخمسة) استناداً إلى نتائج اختبارات التحقق من الفروض التوزيعية؛ فمتى ما دلت الاختبارات الإحصائية الصارمة مثل اختبار شابيرو-ويلك (Shapiro-Wilk) أو اختبار كولموجوروف-سميرنوف على انتهاك صريح لفرضية التوزيع الطبيعي المعتدل (p < .05)، يصبح التمسك بالمتوسط الحسابي خطأً علمياً يزيف معالم الواقع التوزيعي، ويصبح ملخص الأرقام الخمسة هو الخيار الحصري والمفضل لتقديم توصيف نزيه وموضوعي للبيانات.

ينطبق هذا التفضيل المطلق كذلك على تحليل البيانات الترتيبية ومقاييس التقدير الذاتي في العلوم الاجتماعية والإنسانية؛ مثل استطلاعات الرأي العام، واستبانات الدافعية، وتقييمات جودة الحياة. فهذه المقاييس لا توفر سوى معلومات ترتيبية حول تفضيلات الأفراد دون أي ضمان رياضي لتساوي المسافات السيكومترية بين رتب التقييم، مما يجعل العمليات الجبرية المعتمدة على الجمع والضرب فاقدة للمعنى القياسي الصلب، في حين تحافظ الأرقام الخمسة على الطبيعة الرتبية الأصلية للمتغير وتوفر قراءة متسقة تماماً مع بنيته التجريبية.

علاوة على ذلك، يمثل الملخص الخماسي طوق النجاة المنهجي عند دراسة الظواهر النادرة أو العينات الإكلينيكية الخاصة صغيرة الحجم المعرضة لتقلبات حادة في الأداء؛ كمرضى الحبسة الكلامية الحادة، أو متلازمات التلف الدماغي البؤري النادر، حيث يتعذر جمع عينات ضخمة وتظهر البيانات تشتتاً لامتناظراً حاداً يستحيل إخضاعه للتحويلات الرياضية (كتحويل اللوغاريتم). هنا يوفر الملخص الخماسي أرضية صلبة للمقارنة دون تضخيم زائف للتباين الناتج عن تأرجح بعض الحالات الفردية.

12.2 التكامل الإحصائي في كتابة التقارير العلمية والأكاديمية

لا تعني المزايا الاستثنائية لملخص الأرقام الخمسة وجوب القطيعة التامة مع المقاييس المعلمية، بل إن المنهجية الأكاديمية الرفيعة تدعو في كثير من الأحيان إلى «التكامل الإحصائي» بين المقاربتين لتقديم صورة بانورامية متكاملة عن الظاهرة موضوع البحث؛ إذ يتيح عرض المتوسط الحسابي والانحراف المعياري جنباً إلى جنب مع الوسيط والمدى الربيعي للقارئ المتخصص تقييم درجة الالتواء وتقدير حجم التباعد بين المركز الجبري والمركز الترتيبي بصورة فورية تعزز من موثوقية الورقة العلمية.

عند صياغة النتائج الوصفية في متن البحوث ورسائل الدكتوراه وفقاً لضوابط الدليل الإرشادي المعياري لجمعية علم النفس الأمريكية (APA Publication Manual 7th ed)، يجب توثيق ملخص الأرقام الخمسة بصيغ دقيقة ومختصرة؛ كأن يُذكر في النص: «أظهرت درجات الذاكرة العاملة وسيطاً قدره (Mdn = 45.00)، بمدى ربيعي يمتد من (Q1 = 38.00) إلى (Q3 = 52.00)، في حين انحصر النطاق الكلي للأداء بين حد أدنى (Min = 21.00) وحد أقصى (Max = 65.00)». يضمن هذا التوثيق المكثف والموحد نقل الصورة التوزيعية الكاملة للقارئ دون الحاجة إلى إثقاله بجداول مطولة.

وفي المحصلة التحليلية النهائية، فإن استنتاج التوصيات السلوكية والإكلينيكية الرصينة يستند دوماً إلى هذا الفهم التوزيعي العميق؛ فالتدخلات التعليمية أو العلاجية الناجحة لا تُبنى على تحريك المتوسطات الحسابية الوهمية العامة، بل تُصمم لتحريك الشرائح التوزيعية الحقيقية: تقليص النطاق البيني للمتعثرين بين Min و Q1، ودفع الكتلة الوسطى بين Q1 و Q3 نحو مستويات إتقان أعلى، وضمان استقرار الشريحة المتفوقة وصولاً إلى القيمة القصوى، وهو ما يجعل ملخص الأرقام الخمسة في بانداز ليس مجرد كود برمجي عابر، بل أداة تفكير علمي حاسمة ترتقي بجودة البحث والتحليل الكمي المعاصر.

خاتمة واستنتاجات ختامية

لقد أثبتت المعالجة الإحصائية والبرمجية المعمقة لملخص الأرقام الخمسة أن هذا المقياس اللامعلمي الكلاسيكي، الذي ابتدعه جون توكي، لا يزال يمثل أحد أمتن الأدوات وأكثرها حيوية في عصر البيانات الضخمة والتحليلات السلوكية المعقدة. إن قدرة هذا الملخص على تجاوز عيوب المقاييس المعلمية وتوفير خريطة خمسية الأبعاد تختزل التمركز، والتشتت، والالتواء، والحدود التشغيلية في آن واحد، تجعل منه خط الدفاع المنهجي الأول لكل باحث ومحلل يسعى لاستنطاق البيانات بنزاهة وموضوعية بعيداً عن التقديرات المضللة للمتوسطات المتأثرة بالانحيازات والالتواءات الإحصائية.

وقد تجلى بوضوح أن بيئة العمل البرمجية المعتمدة على بايثون ومكتبة بانداز توفر بنية تحتية حوسبية استثنائية المرونة والكفاءة؛ حيث تمكن المحلل من استخراج هذه المعالم الخمسة بمستويات متعددة من الأناقة والتخصيص: بدءاً من الاستدعاء السريع والمباشر عبر دالة describe() والمحدد الفهرسي loc، مروراً بالدوال المتجهة التفكيكية التي تعزز أداء الحوسبة في البيانات المتطاولة، ووصولاً إلى التجميع الطبقي المتقدم عبر groupby() و agg() لإجراء أدق المقارنات التوزيعية بين المجموعات التجريبية والضابطة، مع التحكم الكامل في معاملات الإقحام الرياضي ومعالجة فجوات الفقد الإحصائي بحس نقدي واعٍ.

إن إتقان توظيف هذه الدوال البرمجية ودمجها بالقواعد التفسيرية الصارمة، كاستخدام قاعدة أسوار توكي لاكتشاف القيم الشاذة وترجمتها رسومياً عبر المخططات الصندوقية المعيارية المتوافقة مع معايير النشر الأكاديمي الدولية (APA)، يحول التحليل الاستكشافي من مجرد ممارسة حسابية روتينية إلى عملية كشف معرفي أصيلة. نوصي الباحثين في ختام هذا الدليل بضرورة تبني الصرامة التوثيقية المنهجية لطرق حساب الربيعيات، وتفضيل المقاييس اللامعلمية دائماً عند مواجهة البيانات الملتوية أو الترتيبية، واعتماد الملخص الخماسي كمعيار رئيسي يضمن الارتقاء بجودة الأبحاث المنشورة وموثوقية قراراتها التجريبية والميدانية.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473566
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
• McKinney, W. (2010). Data structures for statistical computing in Python. In Proceedings of the 9th Python in Science Conference (pp. 56–61). https://doi.org/10.25080/Majora-92bf1924-00a
• McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (3rd ed.). O’Reilly Media.
• The pandas development team. (2024). pandas-dev/pandas: pandas documentation. Zenodo. https://pandas.pydata.org/docs/
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley Publishing Company.
• Waskom, M. L. (2021). seaborn: statistical data visualization. Journal of Open Source Software, 6(60), 3021. https://doi.org/10.21105/joss.03021
• Wickham, H., & Grolemund, G. (2017). R for data science: Import, tidy, transform, visualize, and model data. O’Reilly Media.