วิธี iloc เป็นการจัดทำดัชนีตามตำแหน่งจำนวนเต็มสำหรับการเลือกตามตำแหน่ง เรากำลังใช้ iloc เพื่อผนวกรายการเข้ากับ DataFrame ให้เราสร้าง DataFrame ก่อน ข้อมูลอยู่ในรูปแบบของรายการการจัดอันดับทีมสำหรับตัวอย่างของเรา - # data in the form of list of team rankings Team = [['India', 1, 100],['Au

ในการรวม Pandas DataFrame เข้าด้วยกัน ให้ใช้ merge() การทำงาน. เพียงแค่ตั้งค่าทั้ง DataFrames เป็นพารามิเตอร์ของฟังก์ชัน merge() ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝง “pd” − import pandas as pd สร้าง 1st ดาต้าเฟรม - # Create DataFrame1 dataFrame1 = pd.DataFrame(    {   &nbs

ในการรวม Pandas DataFrame สองตัวเข้ากับคอลัมน์ทั่วไป ให้ใช้ merge() ฟังก์ชันและตั้งค่า เปิด พารามิเตอร์เป็นชื่อคอลัมน์ ขั้นแรก ให้เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง - import pandas as pd ให้เราสร้าง 1st ดาต้าเฟรม - dataFrame1 = pd.DataFrame(    {       "Car": ['

ในการรับคอลัมน์ที่แชร์โดย DataFrames สองตัว ให้ใช้เมธอด intersect1d() วิธีนี้จัดทำโดย numpy ดังนั้นคุณต้องนำเข้า Numpy ด้วย Pandas ด้วย ให้เรานำเข้าไลบรารีที่จำเป็นก่อน - import pandas as pd import numpy as np สร้าง DataFrame สองอัน - # creating dataframe1 dataFrame1 = pd.DataFrame({"Car"

ในการสร้างชุดย่อยและแสดงเฉพาะรายการสุดท้ายจากค่าที่ซ้ำกัน ให้ใช้ “เก็บ ” พร้อมพารามิเตอร์ ‘สุดท้าย ” ค่าในเมธอด drop_duplicates() วิธีการ drop_duplicates() ลบรายการที่ซ้ำกัน ขั้นแรกให้เราสร้าง DataFrame ที่มี 3 คอลัมน์ - dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', &

หากต้องการสแต็กคอลัมน์หลายระดับ ให้ใช้เมธอด stack() ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import pandas as pd สร้างคอลัมน์หลายระดับ - items = pd.MultiIndex.from_tuples([('Maths', 'Mental Maths'),('Maths', 'Discrete Mathematics'),('Maths', 'Applied Mathematics&

หากต้องการเชื่อมต่อ Pandas DataFrames มากกว่า 2 เฟรม ให้ใช้เมธอด concat() ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import pandas as pd ให้เราสร้าง 1st ดาต้าเฟรม - dataFrame1 = pd.DataFrame(    { "Col1": [10, 20, 30],"Col2": [40, 50, 60],"Col3": [70, 80, 90],

หากต้องการรวมไฟล์ CSV มากกว่าหนึ่งไฟล์เป็น dataframe เดียวของ Pandas ให้ใช้ read_csv ขั้นแรก ให้นำเข้าไลบรารี Pandas ที่จำเป็น ที่นี่. เราได้ตั้ง pd เป็นนามแฝง - import pandas as pd ทีนี้ สมมติว่าต่อไปนี้คือไฟล์ CSV ของเรา – Sales1.csv Sales2.csv เราได้กำหนดเส้นทางเป็นสตริง ทั้งสองไฟล์อยู่

หากต้องการอ่านไฟล์ excel ทั้งหมดในไดเร็กทอรี ให้ใช้โมดูล Glob และเมธอด read_excel() สมมติว่าต่อไปนี้คือไฟล์ excel ของเราในไดเร็กทอรี - Sales1.xlsx Sales2.xlsx ขั้นแรก ให้กำหนดเส้นทางที่ไฟล์ excel ทั้งหมดตั้งอยู่ รับไฟล์ excel และอ่านโดยใช้ glob - path =C:\\Users\\amit_\\Desktop\\filenames

โครงเรื่องไวโอลินใน Seaborn ใช้เพื่อวาดชุดค่าผสมของ boxplot และค่าความหนาแน่นของเคอร์เนล seaborn.violinplot() ใช้สำหรับสิ่งนี้ กำหนดลำดับที่ชัดเจนโดยใช้ลำดับ พารามิเตอร์ของ violinplot() สมมติว่าต่อไปนี้คือชุดข้อมูลของเราในรูปแบบไฟล์ CSV – Cricketers.csv ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import seab

Swarm Plot ใน Seaborn ใช้ในการวาด scatterplot ที่มีจุดไม่ทับซ้อนกัน seaborn.swarmplot() ใช้สำหรับสิ่งนี้ หากต้องการจัดกลุ่มฝูงตามตัวแปรหมวดหมู่สองตัว ให้ตั้งค่าตัวแปรเหล่านั้นใน swarmplot() โดยใช้ x, y หรือ hue พารามิเตอร์ สมมติว่าต่อไปนี้คือชุดข้อมูลของเราในรูปแบบไฟล์ CSV:Cricketers2.csv ขั้นแรก

Swarm Plot ใน Seaborn ใช้ในการวาด scatterplot ที่มีจุดไม่ทับซ้อนกัน seaborn.swarmplot() ใช้สำหรับสิ่งนี้ ควบคุมลำดับของฝูงโดยส่งคำสั่งที่ชัดเจน เช่น การจัดลำดับตามคอลัมน์เฉพาะโดยใช้คำสั่ง พารามิเตอร์ - สมมติว่าต่อไปนี้คือชุดข้อมูลของเราในรูปแบบไฟล์ CSV −Cricketers2.csv ขั้นแรก นำเข้าไลบรารีที่จำเป

Swarm Plot ใน Seaborn ใช้ในการวาด scatterplot ที่มีจุดไม่ทับซ้อนกัน seaborn.swarmplot() ใช้สำหรับสิ่งนี้ วาดข้อสังเกตจำนวนมากบนแผนผังกล่องโดยใช้ seaborn.boxplot() สมมติว่าต่อไปนี้คือชุดข้อมูลของเราในรูปแบบไฟล์ CSV −Cricketers2.csv ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import seaborn as sb import pandas

โครงเรื่องไวโอลินใน Seaborn ใช้เพื่อวาดชุดค่าผสมของ boxplot และค่าความหนาแน่นของเคอร์เนล ใช้ seaborn.violinplot() ตั้งค่าควอไทล์เป็นเส้นแนวนอนโดยใช้ ด้านใน พารามิเตอร์ที่มีค่า ควอร์ไทล์ . สมมติว่าต่อไปนี้คือชุดข้อมูลของเราในรูปแบบไฟล์ CSV −Cricketers.csv ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import sea

หากต้องการอ่านไฟล์ excel ทั้งหมดในโฟลเดอร์ ให้ใช้โมดูล Glob และเมธอด read_csv() สมมติว่าต่อไปนี้คือไฟล์ excel ของเราในไดเร็กทอรี - ขั้นแรกให้เรากำหนดเส้นทางและรับไฟล์ csv ไฟล์ CSV ของเราอยู่ในโฟลเดอร์ MyProject - path = "C:\\Users\\amit_\\Desktop\\MyProject\\" อ่านไฟล์ที่มีนามสกุล .csv จ

หากต้องการจัดเรียง CSV ตามคอลัมน์เดียว ให้ใช้เมธอด sort_values() ตั้งค่าคอลัมน์ที่คุณต้องการจัดเรียงในเมธอด sort_values() ขั้นแรก มาอ่านไฟล์ CSV ของเรา “SalesRecords.csv” กับ DataFrame - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv") เรียงตามคอลัมน์เดียว “รถยนต์”

ในการกรองแถวและดึงค่าคอลัมน์เฉพาะ ให้ใช้เมธอด Pandas contain() ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝง - import pandas as pd อ่านไฟล์ CSV โดยใช้ read_csv() ไฟล์ CSV ของเราอยู่บนเดสก์ท็อป - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") ตอนนี้ ให้เรากรองแถวด้

ในการวนซ้ำและดึงข้อมูลแถวที่มีข้อความที่ต้องการ ให้ใช้เมธอด itertuples() และ find() itertuples() วนซ้ำแถว DataFrame ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝง - import pandas as pd CSV ของเราอยู่บนเดสก์ท็อปตามที่แสดงในเส้นทางด้านล่าง - C:\\Users\\amit_\\Desktop\\CarRecords.csv ให้เราอ่านไฟล์

หากต้องการแสดงจำนวนแถวที่ระบุจาก DataFrame ให้ใช้ head() การทำงาน. ตั้งค่าพารามิเตอร์เป็นจำนวนระเบียนแถวที่จะดึงข้อมูล ตัวอย่างเช่น สำหรับ 10 แถว ให้ระบุ − dataFrame.head(10) ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝง - import pandas as pd CSV ของเราอยู่บนเดสก์ท็อปดังที่แสดงในเส้นทางด้านล่าง

ในการนับแถวและคอลัมน์ใน DataFrame ให้ใช้คุณสมบัติรูปร่าง ในตอนแรก สมมติว่าเรามีไฟล์ CSV บนเดสก์ท็อปดังที่แสดงในเส้นทางด้านล่าง - C:\\Users\\amit_\\Desktop\\CarRecords.csv อ่านไฟล์ CSV - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") ตอนนี้ให้เรานับแถวและคอลัมน์โดยใ