ใช้ pd.Grouper ใน groupby() เพื่อจัดกลุ่มข้อมูลตามช่วงเวลา (Frequency) เช่น ทุก 7 นาที และคำนวณสถิติ (Sum) ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW, Toyota, Nissan, Bentley, Mustang], Date_of_Purchase: [ pd.Timestamp(2021-0

เรียงลิสต์ของลิสต์ (Matrix) โดยใช้ Key เป็น Maximum Sum ของ Subarray ความยาว K ในแต่ละ Row ตัวอย่างโค้ด def sort_matrix_K(my_list): return max(sum(my_list[index: index + K]) for index in range(len(my_list) - K)) my_list = [[51, 23, 4, 24, 1], [45, 6, 26, 36, 5], [56, 16, 6, 36, 8], [5, 4, 36,

ใช้ enumerate() เพื่อวนลูปพร้อม Index และ Value คำนวณ (Index+1) * Value แล้วรวมกัน ตัวอย่างโค้ด my_list = [71, 23, 53, 94, 85, 26, 0, 8] print(The list is :) print(my_list) my_result = 0 for index, element in enumerate(my_list): my_result += (index + 1) * element print(The resultant sum is :)

สร้างสตริงความยาว N โดยที่ทุก Substring ความยาว K จะมีตัวอักษรที่ต่างกัน (Distinct) อยู่ K ตัว ตัวอย่างโค้ด def generate_my_string(string_size, substring_size, distinct_chars): my_string = count_1 = 0 count_2 = 0 for i in range(string_size): count_1 += 1 count_2 +=

หาสมาชิกในลิสต์ที่ไม่มีสมาชิกอื่นอยู่ห่าง K หน่วย (ทั้งบวกและลบ) คือ ไม่มีค่า x+K และ x-K ในลิสต์ ตัวอย่างโค้ด my_list = [91, 13, 19, 25, 35, 3, 9, 11, 0] print(The list is :) print(my_list) my_key = 2 print(The key is ) print(my_key) my_result = [] for element in my_list: if element + my_key

ใช้ pd.MultiIndex.from_arrays() สร้าง MultiIndex จากหลาย Array พร้อมตั้งชื่อ Level ตัวอย่างโค้ด import pandas as pd car = [Audi, Lexus, Tesla, Mercedes, BMW, Toyota, Nissan, Bentley, Mustang] reg_price = [1000, 1400, 1100, 900, 1700, 1800, 1300, 1150, 1350] print(pd.MultiIndex.from_arrays([car, r

หาผลรวมของตัวเลขในลิสต์ทีละกลุ่ม จนกว่าจะเจอค่า Key (K) แล้วบันทึกผลรวมและค่า K แล้วรีเซ็ตผลรวม เริ่มกลุ่มใหม่ ตัวอย่างโค้ด from collections import defaultdict my_list = [21, 4, 37, 46, 7, 56, 7, 69, 2, 86, 1] print(The list is :) print(my_list) my_key = 46 print(The key is ) print(my_key) my_su

คำนวณผลรวมของแต่ละค่ายกกำลังความถี่ (Frequency) ของการปรากฏติดกัน (Consecutive) ในลิสต์ ตัวอย่างโค้ด my_list = [21, 21, 23, 23, 45, 45, 45, 56, 56, 67] print(The list is :) print(my_list) my_freq = 1 my_result = 0 for index in range(0, len(my_list) - 1): if my_list[index] != my_list[index + 1

ในลิสต์ของ Dictionary ถ้า Value ของ Key ที่กำหนดเป็น List ให้แทนที่ Value นั้นด้วยสมาชิก Index K ของ List นั้น ตัวอย่างโค้ด my_list = [{python: [5, 7, 9, 1], is: 8, good: 10}, {python: 1, for: 10, fun: 9}, {cool: 3, python: [7, 3, 9, 1]}] print(The list is :) print(my_list)

ใช้ DataFrame.loc[] กับเงื่อนไขวันที่ เพื่อกรองแถวที่อยู่ในช่วงวันที่ที่กำหนด ตัวอย่างโค้ด = 2021-05-10) & (dataFrame[Date_of_Purchase] <= 2021-08-25)] print(\nCars purchased between 2 dates:\n, resDF) ผลลัพธ์ Cars purchased between 2 dates: Car Date_of_Purchase 0

กรอง Dictionary ในลิสต์ ที่มี Value เรียงลำดับจากน้อยไปมาก (Ascending) โดยใช้ List Comprehension และ sorted() ตัวอย่างโค้ด my_list = [{python: 2, is: 8, fun: 10}, {python: 1, for: 10, coding: 9}, {cool: 3, python: 4}] print(The list is :) print(my_list) my_result = [index for index in my_list if s

แทนที่แต่ละสมาชิกในลิสต์ (ยกเว้นตัวแรกและตัวสุดท้าย) ด้วยค่าที่มากกว่าระหว่างเพื่อนบ้านซ้ายและขวา ตัวอย่างโค้ด my_list[index + 1] else my_list[index + 1] print(The resultant list is :) print(my_list) ผลลัพธ์ The list is : [41, 25, 24, 45, 86, 37, 18, 99] The resultant list is : [41, 41, 45, 86,

จัดกลุ่มสตริงในลิสต์ตาม Suffix (ตัวอักษรท้าย) ความยาว K โดยใช้ Dictionary และ Try-Except ตัวอย่างโค้ด my_list = [peek, leak, creek, weak, good, week, wood, sneek] print(The list is :) print(my_list) K = 3 print(The value of K is ) print(K) my_result = {} for element in my_list: suff = element

ใช้ pd.merge() กับ how=right เพื่อ Right Outer Join: เก็บแถวทั้งหมดจาก DataFrame ขวา (Right) จับคู่กับซ้าย ตัวอย่างโค้ด import pandas as pd dataFrame1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] }) dataFrame2 = pd.DataFrame({

ใช้ groupby() ร่วมกับ apply(list) เพื่อรวมค่าในคอลัมน์ให้เป็นลิสต์ ตามกลุ่มของคอลัมน์อีกคอลัมน์หนึ่ง ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] }) print(DataFrame ...\n, dataFrame) # G

ใช้ Series.interpolate() แบบ Default (Linear) เพื่อเติมค่า NaN โดยการประมาณค่าแบบเส้นตรงระหว่างจุดที่รู้ค่า ตัวอย่างโค้ด import pandas as pd import numpy as np d = pd.Series([10, 20, np.nan, 40, 50, np.nan, 70, np.nan, 90, 100]) print(Series...\n, d) print(\nLinear Interpolation...\n, d.interpola

ใช้ collections.Counter นับจำนวนแต่ละตัวอักษร แล้วหาตัวที่มีค่าน้อยที่สุดด้วย min() และ key ตัวอย่างโค้ด from collections import Counter my_str = highland how print(The string is : ) print(my_str) my_result = Counter(my_str) my_result = min(my_result, key=my_result.get) print(The minimum of all c

ใช้ re.compile() กับ Pattern ของ Special Characters ที่กำหนด แล้ว search() หาในสตริง ตัวอย่างโค้ด import re def check_string(my_string): regex = re.compile([@_!#$%^&*()<>?/\|}{~:]) if regex.search(my_string) == None: print(String does not contain any special character.) else:

ใช้ re.sub() กับ Pattern [\W_]+ เพื่อแทนที่ตัวอักษรที่ไม่ใช่ Word Character (A-Z, a-z, 0-9, _) และ Underscore ด้วยสตริงว่าง ตัวอย่างโค้ด import re my_string = python123:, .@! abc print(The string is : ) print(my_string) result = re.sub([\W_]+, , my_string) print(The expected string is :) print(re

ใช้ Regex [A-Z]+[a-z]+$ เพื่อจับคู่สตริงที่เริ่มด้วยตัวพิมพ์ใหญ่ 1 ตัวขึ้นไป ตามด้วยตัวพิมพ์เล็ก 1 ตัวขึ้นไป จนจบสตริง ตัวอย่างโค้ด import re def match_string(my_string): pattern = [A-Z]+[a-z]+$ if re.search(pattern, my_string): return(The string meets the required condition \n)