บทนำ เมธอด add_prefix() ของ DataFrame เพิ่มคำนำหน้า (prefix) ให้ทุกชื่อคอลัมน์พร้อมกัน คืน DataFrame ใหม่ (ไม่แก้ไข inplace) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cubic_Capacity: [2000, 1800, 1500, 2500, 2200, 3000],

บทนำ ใน Matplotlib scatter plot สามารถตั้งสีขอบจุด (border/edge color) ได้ด้วยพารามิเตอร์ edgecolors ใน plt.scatter() หรือ ax.scatter() ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True N = 10 x = np

บทนำ NetworkX เป็น library สำหรับสร้างและวิเคราะห์กราฟ (graph theory) สามารถวาดกราฟได้โดยตรงผ่าน Matplotlib ใช้ nx.draw() ร่วมกับ nx.grid_2d_graph() สำหรับ lattice grid ตัวอย่างโค้ด: 2D Grid Graph (Lattice) import networkx as nx import matplotlib.pyplot as plt # กำหนดขนาดรูป plt.rcParams[figure.f

บทนำ Masked surface plot คือ 3D surface plot ที่ซ่อนบางส่วนของพื้นผิวด้วย masked array ใช้ numpy.ma.masked_where() สร้าง mask แล้ววาดด้วย ax.plot_surface() ตัวอย่างโค้ด = 0.01 # วาด surface plot surf = ax.plot_surface(x, y, z, color=red, alpha=0.8) ax.set_xlabel(X) ax.set_ylabel(Y) ax.set_zlabel(

บทนำ การเปลี่ยนสีพื้นหลังของพื้นที่วาดกราฟ (axes face color) ใน Matplotlib ใช้เมธอด ax.set_facecolor() สีพื้นหลังของ figure ใช้ fig.set_facecolor() ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt # กำหนดขนาดรูป plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autola

บทนำ การวาด polygon ใหญ่ที่สุดที่ครอบจุดทั้งหมด เรียกว่า Convex Hull ใน Matplotlib ใช้ Polygon patch จาก matplotlib.patches แต่อาจต้องคำนวณ hull ก่อนด้วย SciPy หรือการคำนวณเอง ตัวอย่างโค้ด (ใช้จุดที่กำหนดเอง) import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Polygon

บทนำ เมธอด sort_index() ใช้เรียงลำดับแถว (rows) ตามค่า index สามารถเรียง ascending (น้อยไปมาก) หรือ descending (มากไปน้อย) ได้ ตัวอย่างโค้ด import pandas as pd # DataFrame ที่ index ไม่เรียง df = pd.DataFrame( [100, 150, 200, 250, 250, 500], index=[4, 8, 2, 9, 15, 11], columns=[Col1]

บทนำ การค้นหาค่าเฉพาะใน DataFrame และดึงแถวทั้งแถวที่ตรงเงื่อนไข สามารถทำได้หลายวิธี โค้ดตัวอย่างใช้ลูปตรวจสอบคอลัมน์ Reg_Price แล้วใช้ iloc[] ดึงแถว โค้ดต้นฉบับ (Manual Loop) import pandas as pd df = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cubic_Capacity: [200

บทนำ ใช้ fillna(value=constant) เติมค่าขาดหาย (NaN) ด้วยค่าคงที่ที่กำหนดเอง เหมาะสำหรับกรณีที่ทราบค่า default หรือ sentinel value ตัวอย่างโค้ด import pandas as pd import numpy as np df = pd.DataFrame({ Car: [BMW, Lexus, Lexus, Mustang, Bentley, Mustang], Units: [100, 150, np.NaN, 80, np.N

บทนำ Mode (ฐานนิยม) คือค่าที่เกิดขึ้นบ่อยที่สุด ใช้ fillna() ร่วมกับ mode() เติมค่าขาดหายในคอลัมน์ categorical หรือ discrete ตัวอย่างโค้ด import pandas as pd import numpy as np df = pd.DataFrame({ Car: [BMW, Lexus, Lexus, Mustang, Bentley, Mustang], Units: [100, 150, np.NaN, 80, np.NaN, n

บทนำ DataFrame.loc[] ใช้เข้าถึงแถว/คอลัมน์ด้วย label สามารถใช้เพิ่มแถวใหม่ได้โดยระบุ index ใหม่คือ len(df) เป็นวิธีที่แนะนำแทน append() ที่ deprecated แล้ว ตัวอย่างโค้ด import pandas as pd Team = [ [India, 1, 100], [Australia, 2, 85], [England, 3, 75], [New Zealand, 4, 65], [S

บทนำ โจทย์: จากลิสต์หลัก สร้างลิสต์ mask (0/1) บ่งบอกว่าแต่ละองค์ประกอบปรากฏในลิสต์อ้างอิงหรือไม่ ใช้ list comprehension ตัวอย่างโค้ด my_list = [5, 6, 1, 9, 11, 0, 4] search_list = [2, 10, 6, 3, 9] print(fลิสต์หลัก: {my_list}) print(fลิสต์อ้างอิง: {search_list}) # List comprehension: 1 ถ้าอยู่ใน

บทนำ Median (ค่ามัธยฐาน) เป็นค่ากึ่งกลางที่แยกข้อมูลครึ่งบนและครึ่งล่าง ทนทานต่อ outliers ดีกว่า mean ใช้ fillna() ร่วมกับ median() เพื่อเติมค่าขาดหาย ตัวอย่างโค้ด import pandas as pd import numpy as np # สร้าง DataFrame พร้อม NaN df = pd.DataFrame({ Car: [Lexus, BMW, Audi, Bentley, Mustang,

บทนำ การรวม (concatenate) DataFrame หลายตัวอาจทำให้เกิดแถวซ้ำ ใช้ pd.concat() รวม แล้วตามด้วย drop_duplicates() ลบแถวที่ซ้ำกันทั้งแถว ตัวอย่างโค้ด import pandas as pd # DataFrame 1 df1 = pd.DataFrame({ Car: [BMW, Jaguar, Audi, Mustang], Units: [100, 150, 110, 80] }) # DataFrame 2 df2 = p

บทนำ โจทย์: จากลิสต์หลัก กรองเอาเฉพาะองค์ประกอบที่อยู่ในเซตที่กำหนด (membership test) คงลำดับและจำนวนครั้งที่ปรากฏ (preserve duplicates) ตัวอย่างโค้ด my_list = [5, 7, 2, 7, 2, 4, 9, 8, 8] search_set = {6, 2, 8} print(fลิสต์ต้นทาง: {my_list}) print(fเซตค้นหา: {search_set}) # วนลูปตรวจสอบ membersh

บทนำ โจทย์: หาคำที่ปรากฏในสตริงใดสตริงหนึ่งเพียงอย่างเดียว (ไม่ปรากฏในทั้งสอง) ใช้ dictionary นับความถี่รวม แล้วกรองค่าที่มี count == 1 ตัวอย่างโค้ด def uncommon_words(str1, str2): คืนลิสต์คำที่ปรากฏในสตริงใดสตริงหนึ่งอย่างเดียว word_count = {} # นับคำในสตริงแรก for word in st

บทนำ บทความนี้สาธิต 2 วิธีการเพิ่มแถวจากลิสต์เข้า DataFrame: append() (deprecated) และ loc[] (แนะนำ) ⚠️ ข้อควรทราบ: append() ถูก Deprecated DataFrame.append() ถูก deprecated ใน Pandas 1.4.0 และถูกลบใน Pandas 2.0 อย่าใช้ในโค้ดใหม่ วิธีที่ 1: append() (เก่า - ไม่แนะนำ) import pandas as pd Team = [

บทนำ โปรแกรมสาธิตการพิมพ์ matrix (list of lists) พร้อมขอบ (border) ที่กำหนดเอง โดยใช้ string concatenation ในลูป ตัวอย่างโค้ด my_list = [[2, 5, 5], [2, 7, 5], [4, 5, 1], [1, 6, 6]] print(Matrix ต้นทาง:) for row in my_list: print(row) border = | print(\nMatrix พร้อมขอบ:) for row in my_list:

บทนำ เซต (set) ใน Python เป็น unhashable type ไม่สามารถนำไปใส่ใน set อีกชั้น หรือใช้เป็น key ใน dict ได้ ต้องแปลงเป็น frozenset (immutable set) ก่อนจึงจะนับความถี่ด้วย Counter ได้ ตัวอย่างโค้ด 1] print(f\nเซตซ้ำ: {duplicates}) ผลลัพธ์ ลิสต์เซตต้นทาง: [0] {8, 1, 4, 6} [1] {8, 1, 4, 6} [2]

บทนำ โปรแกรมคำนวณกำลังของเลขฐาน n ตั้งแต่ n^0 ถึง n^(k-1) รวม k ค่า ใช้ list comprehension ร่วมกับตัวดำเนินการ ** ตัวอย่างโค้ด n = 4 k = 5 print(fฐาน n = {n}) print(fจำนวนกำลัง k = {k}) # List comprehension: n ** i สำหรับ i = 0 ถึง k-1 result = [n ** i for i in range(k)] print(fกำลังของ {n} ตั้