ใช้ fillna() ร่วมกับ mean() เพื่อเติมค่า NaN ในคอลัมน์ตัวเลขด้วยค่าเฉลี่ยของคอลัมน์นั้น (คำนวณจากค่าที่ไม่ใช่ NaN) 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, np.nan] }) p

โปรแกรมนี้รวมค่าของคีย์ที่ซ้ำกันในหลาย dictionary แล้วคำนวณค่าเฉลี่ย (mean) ของแต่ละคีย์ ใช้ statistics.mean() ตัวอย่างโค้ด from statistics import mean dicts = [ {hi: 24, there: 81, how: 11}, {hi: 16, how: 78, doing: 63} ] print(ลิสต์ Dictionary:, dicts) # รวมค่าตามคีย์ combined = {} for

ใช้ slicing [m:n+1] เพื่อตัดช่วงตัวอักษรในแต่ละสตริงของลิสต์ แล้วเก็บผลลัพธ์ในลิสต์ใหม่ ตัวอย่างใช้ m=2, n=4 ตัดตัวอักษรตำแหน่งที่ 2 ถึง 4 (0-indexed) ตัวอย่างโค้ด my_list = [Hi, there, how, are, you] print(ลิสต์ต้นฉบับ:, my_list) m, n = 2, 4 result = [] for s in my_list: # ตัดสตริง ตำแหน่ง m ถ

ฟังก์ชัน recursive determine_pairings() สร้างการจับคู่ (pairings) ทุกแบบของสมาชิกในลิสต์ โดยแต่ละสมาชิกจะอยู่ในคู่หรือเดี่ยว ได้ผลลัพธ์เป็นลิสต์ของลิสต์ที่ประกอบด้วยค่าเดี่ยวและ tuple คู่ ตัวอย่างโค้ด def determine_pairings(lst): คืนลิสต์ของการจับคู่ทุกแบบที่เป็นไปได้ if len(lst) <= 1:

โปรแกรมนี้ตรวจสอบแต่ละแถวในลิสต์ซ้อน (matrix) ว่ามีชนิดข้อมูล (data type) ต่างกันทุกคอลัมน์หรือไม่ โดยใช้ set() เก็บ type ที่ไม่ซ้ำกัน แล้วเปรียบเทียบจำนวน type กับจำนวนคอลัมน์ ตัวอย่างโค้ด ผ่าน (2 types) ] print(Matrix ต้นฉบับ:) for row in matrix: print(row) result = [] for row in matrix:

ใช้ itertools.permutations() เพื่อสร้างการเรียงสับเปลี่ยนทั้งหมดของคำในประโยค โดยแยกคำด้วย space แล้วหา permutations ของลิสต์คำ ตัวอย่างโค้ด from itertools import permutations def calculate_permutations(sentence): words = sentence.split() perms = permutations(words) print(fประโยคต้

โปรแกรมนี้หาคำที่เป็นพาลินโดรม (อ่านจากหน้าหลังเท่ากัน) ในประโยค แล้วเรียงลำดับคำพาลินโดรมเหล่านั้นตามตัวอักษร และแทนที่คำพาลินโดรมเดิมในประโยคด้วยคำที่เรียงแล้ว โค้ดตัวอย่าง def check_palindrome(word): ตรวจสอบว่าคำเป็นพาลินโดรมหรือไม่ return word == word[::-1] def print_sort_palindromes(se

ใช้เมธอด to_string() พร้อมพารามิเตอร์ index=False เพื่อแปลง DataFrame เป็นสตริงแสดงผลโดยไม่แสดงคอลัมน์ Index ตัวอย่างโค้ด import pandas as pd # สร้าง DataFrame มี custom index df = pd.DataFrame( [[10, 15], [20, 25], [30, 35]], index=[x, y, z], columns=[a, b] ) print(DataFrame พร้อม Ind

สามารถเปรียบเทียบ Timestamp ได้โดยการลบคอลัมน์ Timestamp หรือเข้าถึงค่าเฉพาะแถวด้วย index operator [] ผลลัพธ์เป็น Timedelta ใช้ abs() เพื่อค่าสัมบูรณ์ ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW], Date_of_Purchase: [ pd.Timestamp(2021

ใช้เมธอด max() ของ Series (คอลัมน์ DataFrame) เพื่อหาค่าสูงสุดของข้อมูลตัวเลขในคอลัมน์นั้นๆ ตัวอย่างโค้ด import pandas as pd # DataFrame 1 df1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] }) print(DataFrame 1:\n, df1) print(f\nค่าสูงส

สามารถลบคอลัมน์ Timestamp ได้โดยตรงใน Pandas ผลลัพธ์เป็น Timedelta ใช้ abs() เพื่อให้ได้ค่าบวกเสมอ (ค่าสัมบูรณ์) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW], Date_of_Purchase: [ pd.Timestamp(2021-06-10), pd.Timestamp(2021-07-

เพื่อเรียง DataFrame ตามความถี่ของค่าในคอลัมน์เฉพาะ ให้ใช้ groupby() นับจำนวน (count()) แล้ว reset_index() และ sort_values() ตามคอลัมน์นับ (Count) ด้วย ascending=True ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Car: [BMW, Lexus, BMW, Mustang, Mercedes, Lexus], Reg_Price: [7000, 150

ใช้ groupby() จัดกลุ่มข้อมูลตามคอลัมน์หมวดหมู่ แล้วตามด้วย count() เพื่อนับจำนวนแถว (observations) ในแต่ละกลุ่ม สำหรับทุกคอลัมน์ที่ไม่ใช่คอลัมน์กลุ่ม ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Product Name: [Keyboard, Charger, SmartTV, Camera, Graphic Card, Earphone], Product Cate

ใช้ np.isinf() ร่วมกับ .any(axis=1) เพื่อสร้าง boolean mask แถวที่มีค่า infinity อย่างน้อยหนึ่งคอลัมน์ แล้วใช้ดัชนี (index) เพื่อดึงหมายเลขแถว ตัวอย่างโค้ด import pandas as pd import numpy as np d = {Reg_Price: [7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 900, np.inf]} df = pd.DataFrame(d)

ใช้เมธอด isin() ร่วมกับลิสต์ [np.inf, -np.inf] เพื่อสร้าง boolean mask แสดง True ที่ตำแหน่งที่มีค่า infinity (บวกหรือลบ) ตัวอย่างโค้ด import pandas as pd import numpy as np # ข้อมูลมีค่า infinity d = {Reg_Price: [7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 900, np.inf]} df = pd.DataFrame(d)

ใช้โมดูล re ร่วมกับการวนลูปผ่านทุกคอลัมน์และแถวของ DataFrame ตรวจสอบด้วย regex pattern r\w*[A-Z]\w* เพื่อหาคำที่มีตัวพิมพ์ใหญ่อย่างน้อยหนึ่งตัว (ในตัวอย่างคือคำที่เป็นตัวพิมพ์ใหญ่ทั้งหมด) ตัวอย่างโค้ด import re import pandas as pd # สร้าง DataFrame ตัวอย่าง data = [ [computer, mobile phone, ELE

ใช้เมธอด dropna() พร้อมพารามิเตอร์ how=all และ axis=1 เพื่อลบคอลัมน์ที่มีค่า NaN ทุกแถว (คอลัมน์ว่างเปล่าทั้งหมด) ตัวอย่างโค้ด import pandas as pd import numpy as np # สร้าง DataFrame มีคอลัมน์ Result เป็น NaN ทั้งหมด df = pd.DataFrame({ Student: [Jack, Robin, Ted, Robin, Scarlett, Kat, Ted],

สามารถกลับลำดับคอลัมน์ของ DataFrame ได้โดยใช้ fancy indexing บน df.columns[::-1] ซึ่งจะคืนค่า Index ที่เรียงจากหลังมาหน้า ตัวอย่างโค้ด import pandas as pd # สร้าง DataFrame 4 คอลัมน์ df = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cubic_Capacity: [2000, 1800, 1500,

บทนำ การแสดง tick บนแกนเวลา (datetime axis) ให้ปี (year) แสดงทุก 12 เดือน ใช้ matplotlib.dates locators และ formatters: YearLocator สำหรับ major ticks (ปี), MonthLocator สำหรับ minor ticks (เดือน) ตัวอย่างโค้ด import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib

บทนำ ลำดับแท่งใน bar chart ตามลำดับข้อมูลใน DataFrame ค่าเริ่มต้น ใช้ sort_values() จัดเรียง DataFrame ก่อนพลอท เพื่อควบคุมลำดับแท่ง ตัวอย่างโค้ด import pandas as pd import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True # ข้อมูลต้นทาง