ตัวอย่าง โค้ดด้านล่างสาธิตการลบแถว (sublist) ตามดัชนีที่ระบุในลิสต์แบบซ้อน โดยวนลูปจากท้ายไปหน้าเพื่อไม่ให้ดัชนีเปลี่ยน my_list = [[31, 42, 2], [1, 73, 29], [51, 3, 11], [0, 3, 51], [17, 3, 21], [1, 71, 10], [0, 81, 92]] print(The list is :) print(my_list) my_index_list = [1, 2, 5] for index in my_

ตัวอย่าง โค้ดด้านล่างคำนวณความต่างสัมบูรณ์ระหว่างสมาชิกตำแหน่งเดียวกันของสองลิสต์ แล้วหาค่าสูงสุด my_list_1 = [7, 9, 1, 2, 7] my_list_2 = [6, 3, 1, 2, 1] print(The first list is :) print(my_list_1) print(The second list is :) print(my_list_2) my_result = max(abs(my_list_2[index] - my_list_1[index])

ตัวอย่าง โค้ดด้านล่างแสดงการกรองสตริงที่มีตัวอักษรทุกตัวใน substring ที่กำหนด (ไม่จำเป็นต้องติดกัน) my_list = [Python, /, is, alwaysgreat, to, learn] print(The list is :) print(my_list) substring = ys my_result = [sub for sub in my_list if all(elem in sub for elem in substring)] print(The resultant

ตัวอย่าง โค้ดด้านล่างสาธิตการใช้ set, zip และ list comprehension เพื่อกำหนดค่าแต่ละสมาชิกในลิสต์ให้เท่ากับลำดับขนาดของมัน (ค่าที่น้อยที่สุดได้ 0, ตามลำดับ) my_list = [91, 42, 27, 39, 24, 45, 53] print(The list is : ) print(my_list) my_ordered_dict = dict(zip(list(set(my_list)), range(len(set(my_lis

ตัวอย่าง ตัวอย่างโค้ดด้านล่างแสดงวิธีใช้การสไลด์ลิสต์ (list slicing) เพื่อแทนที่สมาชิกในช่วงดัชนีที่กำหนดด้วยค่าเดียวกัน my_list = [42, 42, 18, 73, 11, 28, 29, 0, 10, 16, 22, 53, 41] print(The list is :) print(my_list) i, j = 4, 8 my_key = 9 my_list[i:j] = [my_key] * (j - i) print(The result is:) p

ภาพรวม เปรียบเทียบค่า Timestamp ระหว่างสองคอลัมน์ (Date_of_Purchase vs Date_of_Service) สำหรับแถวเฉพาะ (index 0, 1, 2) โดยใช้ index-based access ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW], Date_of_Purchase: [ pd.Timestamp(2

ภาพรวม แปลง matrix (list of lists) ให้เป็น string เดียว โดยคั่น element ด้วย comma และแถวด้วย space/newline ตัวอย่างโค้ด my_list = [[1, 22, python], [22, is, 1], [great, 1, 91]] print(The list is:, my_list) # ใช้ join สองชั้น row_sep = col_sep = , my_result = row_sep.join([ col_sep.join(st

ภาพรวม ใช้ accessor .str.strip() ลบ whitespace นำหน้าและท้าย (leading/trailing) ของคอลัมน์ string หลายคอลัมน์พร้อมกัน ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Product Category: [ Computer, Mobile Phone, Electronics , Appliances, Furniture, Stationery], Product Name: [

ภาพรวม ใช้เมธอด last() ของ DataFrame ที่มี DatetimeIndex เพื่อดึงข้อมูลช่วงสุดท้ายตาม offset (เช่น 4D = 4 วันสุดท้าย) ตัวอย่างโค้ด import pandas as pd i = pd.date_range(2021-07-15, periods=5, freq=3D) # 2021-07-15, 2021-07-18, 2021-07-21, 2021-07-24, 2021-07-27 dataFrame = pd.DataFrame({k: [1, 2

ภาพรวม ใช้เมธอด std() ของ Series/DataFrame คำนวณค่าคลาดเบี่ยงเบนมาตรฐาน (Sample standard deviation โดย default ddof=1) ตัวอย่างโค้ด import pandas as pd dataFrame1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] }) dataFrame2 = pd.Data

ภาพรวม ใช้ pd.merge() รวมสอง DataFrame พร้อม indicator=True เพื่อสร้างคอลัมน์ _merge แสดงที่มาของแต่ละแถว 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({

ภาพรวม ใช้เมธอด first() ของ DataFrame ที่มี DatetimeIndex เพื่อดึงข้อมูลช่วงแรกตาม offset (เช่น 4D = 4 วันแรก) ตัวอย่างโค้ด import pandas as pd # Date index: เริ่ม 15 ก.ค. 2021, 5 periods, ทุก 3 วัน i = pd.date_range(2021-07-15, periods=5, freq=3D) # Dates: 2021-07-15, 2021-07-18, 2021-07-21, 202

ภาพรวม ใช้ loc[] 400 ตัวอย่างโค้ด 400] print(Updated Dataframe...\n, dataFrame) ผลลัพธ์ Dataframe... Jacob_Marks Jamie_Marks Ted_Marks 0 95 77 60 1 90 76 50 2 75 65 65 3 85 45 85

ภาพรวม ใช้ groupby().last() หาค่าแถวสุดท้ายของแต่ละกลุ่ม (ตามลำดับใน DataFrame) ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [BMW, Lexus, BMW, Tesla, Lexus, Tesla], Place: [Delhi, Bangalore, Pune, Punjab, Chandigarh, Mumbai], Units: [100, 150, 50, 80, 110, 90] })

ภาพรวม แปลงคอลัมน์ที่เก็บวันที่เป็น string ให้เป็น datetime64[ns] dtype เพื่อใช้งานฟังก์ชันวันที่ได้เต็มที่ ตัวอย่างโค้ด datetime dataFrame[Date_of_Purchase] = pd.to_datetime(dataFrame[Date_of_Purchase]) print(\nUpdated DataFrame (string dates converted to dates)...\n, dataFrame) print(\nDtype:,

ภาพรวม ใช้ pd.date_range() สร้าง DatetimeIndex ที่มีวันที่ต่อเนื่องตาม frequency ที่กำหนด ตัวอย่างโค้ด import pandas as pd # เริ่ม 1 มิถุนายน 2021 จำนวน 60 วัน (frequency default = D daily) dates = pd.date_range(6/1/2021, periods=60) print(Displaying dates in a range...\n, dates) ผลลัพธ์ Datet

ภาพรวม ใช้โมดูล datetime คำนวณความต่างระหว่างสองวันที่ ได้ผลลัพธ์เป็นจำนวนวัน ตัวอย่างโค้ด from datetime import date date1 = date(2021, 7, 20) date2 = date(2021, 8, 30) print(Date 1 =, date1) print(Date 2 =, date2) diff_days = (date2 - date1).days print(Days between two dates =, diff_days) ผล

ภาพรวม Transport Layer (ชั้นขนส่ง) เป็น Layer 4 ของโมเดล OSI ทำหน้าที่จัดการการสื่อสาร end-to-end ระหว่าง sender และ receiver โปรโตคอลหลักของ Transport Layer TCP (Transmission Control Protocol) – เชื่อมต่อแบบเชื่อมต่อได้ (connection-oriented), น่าเชื่อถือ, สั่งลำดับ, ควบคุมการไหล UDP (User Dat

ภาพรวม จัดกลุ่มข้อมูลตามเดือน (monthly frequency) จากคอลัมน์ datetime แล้วคำนวณ sum ของคอลัมน์ตัวเลข ใช้ pd.Grouper ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW, Toyota, Nissan, Bentley, Mustang], Date_of_Purchase: [ pd.Timest

ภาพรวม ใช้ drop_duplicates() ลบแถวที่ซ้ำกันทั้งแถว (ทุกคอลัมน์เหมือนกัน) หรือระบุ subset ของคอลัมน์ ตัวอย่างโค้ด import pandas as pd dataFrame = pd.DataFrame({ Car: [BMW, Mercedes, Lamborghini, BMW, Mercedes, Porsche], Place: [Delhi, Hyderabad, Chandigarh, Delhi, Hyderabad, Mumbai], U