สำหรับค่า mean ให้ใช้ฟังก์ชัน mean() คำนวณค่าเฉลี่ยสำหรับคอลัมน์ด้วย NaN และใช้ fillna() เพื่อเติมค่า NaN ด้วยค่าเฉลี่ย ให้เรานำเข้าไลบรารีที่จำเป็นก่อน - import pandas as pd import numpy as np สร้าง DataFrame ที่มี 2 คอลัมน์และค่า NaN บางส่วน เราได้ป้อนค่า NaN เหล่านี้โดยใช้ numpy np.NaN - dataFr

เมื่อจำเป็นต้องค้นหาค่าเฉลี่ยสะสมของคีย์พจนานุกรม พจนานุกรมที่ว่างเปล่าจะถูกสร้างขึ้น และพจนานุกรมดั้งเดิมจะถูกทำซ้ำ และรายการต่างๆ จะเข้าถึงได้ หากมีอยู่ในพจนานุกรม คีย์จะถูกผนวกเข้ากับพจนานุกรมที่ว่างเปล่า มิฉะนั้น ค่าจะถูกวางไว้แทนคีย์ ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน from statistics

เมื่อจำเป็นต้องย้อนกลับช่วงที่กำหนดในรายการ จะมีการวนซ้ำและใช้ตัวดำเนินการ : พร้อมกับการแบ่งส่วนเพื่อย้อนกลับ ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน my_list = ["Hi", "there", "how", 'are', 'you'] print("The list is : ") print(my_list)

เมื่อจำเป็นต้องแยกรายการออกเป็นคู่ทูเพิลที่เป็นไปได้ทั้งหมด สามารถกำหนดเมธอดที่รับรายการเป็นพารามิเตอร์ และใช้ความเข้าใจรายการเพื่อทำซ้ำผ่านรายการและใช้วิธี ขยาย ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน def determine_pairings(my_list): if len(my_list) <= 1: return [my_list] resul

เมื่อจำเป็นต้องแยกแถวออกจากเมทริกซ์ที่มีประเภทข้อมูลต่างกัน จะมีการวนซ้ำและใช้ set เพื่อรับประเภทที่แตกต่างกัน ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน my_list = [[4, 2, 6], ["python", 2, {6: 2}], [3, 1, "fun"], [9, (4, 3)]] print("The list is :") print(my_list) m

เมื่อจำเป็นต้องสร้างการเรียงสับเปลี่ยนที่เป็นไปได้ทั้งหมดของคำในประโยค ฟังก์ชันจะถูกกำหนด ฟังก์ชันนี้วนซ้ำบนสตริงและขึ้นอยู่กับเงื่อนไข เอาต์พุตจะแสดงขึ้น ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน from itertools import permutations def calculate_permutations(my_string):    my_list = l

เมื่อจำเป็นต้องจัดเรียงคำ palindrome ที่มีอยู่ในประโยค จะมีการกำหนดเมธอดที่รับสตริงเป็นพารามิเตอร์ และทำให้แน่ใจว่าเป็น palindrome ก่อน จากนั้นจะจัดเรียงคำทั้งหมดของสตริงและส่งกลับเป็นเอาต์พุต ตัวอย่าง ด้านล่างนี้เป็นการสาธิตสิ่งเดียวกัน def check_palindrome(my_string): if(my_string == my_string

ใช้ index=False เพื่อละเว้นดัชนี ให้เรานำเข้าไลบรารีที่จำเป็นก่อน - import pandas as pd สร้าง DataFrame - dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35]],index=['x', 'y', 'z'],columns=['a', 'b']) เลือกแถวโดยส่งป้ายกำกับโดยใช้ loc - dataFrame.loc['

ในการเปรียบเทียบการประทับเวลา เราสามารถใช้ตัวดำเนินการดัชนี เช่น วงเล็บเหลี่ยม ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import pandas as pd สร้าง DataFrame ที่มี 3 คอลัมน์ - dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla"

เพื่อให้ได้ค่าคอลัมน์สูงสุด ให้ใช้ สูงสุด () การทำงาน. ขั้นแรก นำเข้าไลบรารี Pandas ที่จำเป็น - นำเข้าแพนด้าเป็น pd ตอนนี้ ให้สร้าง DataFrame ที่มีสองคอลัมน์ - dataFrame1 =pd.DataFrame ( { รถยนต์:[BMW, Lexus, Audi, Tesla, Bentley, Jaguar], หน่วย:[100, 150, 110 , 80, 110, 90] }) ค้นหาค่าสูงสุดของคอ

ในการค้นหาความแตกต่างของการประทับเวลา เราสามารถใช้ตัวดำเนินการดัชนี เช่น วงเล็บเหลี่ยมเพื่อค้นหาความแตกต่าง สำหรับการประทับเวลา เราจำเป็นต้องใช้ abs() ด้วย ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import pandas as pd สร้าง DataFrame ที่มี 3 คอลัมน์ เรามีคอลัมน์วันที่สองคอลัมน์ที่มีการประทับเวลา - dataFrame

ในการเรียงลำดับข้อมูลในลำดับจากน้อยไปมากหรือมากไปหาน้อย ใช้ sort_values() วิธีการ สำหรับการเรียงลำดับจากน้อยไปมาก ให้ใช้วิธีการ sort_values() ดังต่อไปนี้ − ascending=True นำเข้าไลบรารีที่จำเป็น - import pandas as pd สร้าง DataFrame ที่มี 3 คอลัมน์ - dataFrame = pd.DataFrame(    {  

ในการนับการสังเกต ให้ใช้ groupby() ก่อน แล้วจึงใช้ count() กับผลลัพธ์ ขั้นแรก นำเข้าไลบรารีที่จำเป็น - dataFrame =pd.DataFrame({Product Name:[Keyboard, Charger, SmartTV, Camera, Graphic Card, Earphone],Product Category:[Computer , โทรศัพท์มือถือ, อิเล็กทรอนิกส์, อิเล็กทรอนิกส์, คอมพิวเตอร์, โทรศัพท์

ในการตรวจสอบและแสดงดัชนีแถว ให้ใช้ isinf() กับ any() ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝงที่เกี่ยวข้อง - นำเข้าแพนด้าเป็น pdimport numpy เป็น np สร้างพจนานุกรมรายการ เราได้ตั้งค่าอินฟินิตี้โดยใช้ Numpy np.inf − d ={ Reg_Price:[7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 900, np.inf

ใช้เมธอด isin() เพื่อแสดงค่า True สำหรับค่าอนันต์ ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝงที่เกี่ยวข้อง - import pandas as pd import numpy as np สร้างพจนานุกรมรายการ เราได้ตั้งค่าอินฟินิตี้โดยใช้ Numpy np.inf − d = { "Reg_Price": [7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 9

หากต้องการดึงเฉพาะคำที่เป็นตัวพิมพ์ใหญ่ เราใช้ regex กำลัง ใช้โมดูลที่นี่และนำเข้า ให้เรานำเข้าไลบรารีทั้งหมด - import re import pandas as pd สร้าง DataFrame - data = [['computer', 'mobile phone', 'ELECTRONICS', 'electronics'],['KEYBOARD', 'charger',

หากต้องการลบคอลัมน์ที่มีค่า Null ทั้งหมด ให้ใช้ dropna () วิธีการและตั้งค่าพารามิเตอร์ วิธีการ เป็น ทั้งหมด ” − how='all' ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝงที่เกี่ยวข้อง - import pandas as pd import numpy as np สร้าง DataFrame เราได้ตั้งค่า NaN โดยใช้ Numpy np.inf dataFrame =

หากต้องการกลับลำดับคอลัมน์ ให้ใช้ dataframe.columns และตั้งค่าเป็น -1 − dataFrame[dataFrame.columns[::-1] ขั้นแรก นำเข้าไลบรารีที่จำเป็น - นำเข้าแพนด้าเป็น pd สร้าง DataFrame ที่มี 4 คอลัมน์ - dataFrame =pd.DataFrame({Car:[BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cubic_Capacity:[2000, 1800,

ในการทำให้การจัดการวันที่ของ matplotlib เพื่อให้เครื่องหมายปีปรากฏขึ้นทุก ๆ 12 เดือน เราสามารถทำตามขั้นตอนต่อไปนี้ - กำหนดขนาดรูปและปรับช่องว่างภายในระหว่างและรอบๆ แผนผังย่อย สร้าง d, y, s, ปี, เดือน, monthsFmt และ ปีFmt โดยใช้วันที่ของ Pandas, Numpy และ matplotlib ใช้ %B ใน DateFormatter เพื่อแสดง

เพื่อกำหนดลำดับของแท่งในแผนภูมิแท่งใน matplotlib เราสามารถทำตามขั้นตอนต่อไปนี้ - กำหนดขนาดรูปและปรับช่องว่างภายในระหว่างและรอบๆ แผนผังย่อย สร้าง dataframe, df ของข้อมูลตารางแบบตารางสองมิติที่ปรับขนาดได้และอาจต่างกันได้ เพิ่มโครงเรื่องย่อยให้กับตัวเลขปัจจุบัน สร้างพล็อตแท่งด้วย dataframe, df. เพิ่มโ