มาเริ่มต้นด้วยการเรียนรู้เกี่ยวกับ Digital Certificate (ใบรับรองดิจิทัล) Digital Certificate (ใบรับรองดิจิทัล) เป็นใบรับรองที่ออกแบบมาในรูปแบบดิจิทัล ออกเพื่อยืนยันความถูกต้องของผู้ใช้ คือ การยืนยันว่าผู้ส่งข้อความคือบุคคลที่เขาอ้างว่าตัวเองคือเขา และให้ผู้รับมีวิธีการเข้ารหัสการตอบกลับ ผู้ที่ต้อ

เพื่อหาค่าที่ไม่ซ้ำจากหลายคอลัมน์ ใช้เมธอด unique() สมมติว่าคุณมีบันทึกพนักงานพร้อม EmpName และ Zone ใน Pandas DataFrame ชื่อและโซนอาจซ้ำได้ เนื่องจากพนักงานสองคนอาจมีชื่อเหมือนกัน และโซนหนึ่งอาจมีพนักงานมากกว่าหนึ่งคน ในกรณีนั้น หากต้องการชื่อพนักงานที่ไม่ซ้ำ ให้ใช้ unique() สำหรับ DataFrame ก่อน

เพื่อแปลง Pandas เป็น Set ใช้ set() ก่อนอื่น สร้าง DataFrame - dataFrame = pd.DataFrame( { EmpName: [John, Ted, Jacob, Scarlett, Ami, Ted, Scarlett], Zone: [North, South, South, East, West, East, North] } ) Typecast Pandas เป็น Set แล้วหา Union ของ Set - set(dataFrame.EmpNa

เพื่อรวม MultiIndex เป็น Single Index ก่อนอื่น import ไลบรารี Pandas และ Numpy ที่จำเป็นพร้อมอีเลียส - import pandas as pd import numpy as np สร้าง Pandas Series - d = pd.Series([(Jacob, North), (Ami, East), (Ami, West), (Scarlett, South), (Jacob, West), (Scarlett, North)]) ตอนนี้ ใช้เมธอด arrang

เพื่อสร้าง Pipeline ใน Pandas เราต้องใช้เมธอด pipe() ก่อนอื่น import ไลบรารี pandas ที่จำเป็นพร้อมอีเลียส - import pandas as pd ตอนนี้ สร้าง DataFrame - dataFrame = pd.DataFrame( { Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } ) ส

เพื่อคำนวณค่าเฉลี่ยของค่าคอลัมน์ ใช้เมธอด mean() ก่อนอื่น import ไลบรารี Pandas ที่จำเป็น - import pandas as pd ตอนนี้ สร้าง DataFrame ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } ) หาค

เพื่อตรวจสอบว่าคอลัมน์เฉพาะของสอง DataFrame เท่ากันหรือไม่ ใช้เมธอด equals() มาสร้าง DataFrame1 ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } ) สร้าง DataFrame2 ด้วยสองคอลัมน์ - dataFra

เพื่อหาแถวที่เหมือนกันระหว่างสอง DataFrame ใช้เมธอด merge() มาสร้าง DataFrame1 ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } ) สร้าง DataFrame2 ด้วยสองคอลัมน์ - dataFrame2 = pd.DataFrame(

เพื่อคำนวณค่ามัธยฐานของค่าคอลัมน์ ใช้เมธอด median() ก่อนอื่น import ไลบรารี Pandas ที่จำเป็น - import pandas as pd ตอนนี้ สร้าง DataFrame ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } )

เพื่อหาผลรวมเฉพาะแถวที่กำหนด ใช้เมธอด loc() ระบุดัชนีแถวเริ่มต้นและสิ้นสุดด้วยออเปอเรเตอร์ : ด้วย loc() คุณยังสามารถตั้งคอลัมน์ที่ต้องการรวมได้ สามารถแสดงผลในคอลัมน์ใหม่ ก่อนอื่น สร้าง DataFrame เรามีบันทึกสินค้า รวมถึง Opening และ Closing Stock - dataFrame = pd.DataFrame({Product: [SmartTV, Chrom

เพื่อ Reset Index หลัง Groupby เริ่มต้นด้วยการ Group ตามคอลัมน์โดยใช้ groupby() จากนั้นใช้ reset_index() ก่อนอื่น import ไลบรารีที่จำเป็น - import pandas as pd สร้าง DataFrame ด้วย 2 คอลัมน์ - dataFrame = pd.DataFrame( { Car: [Audi, Lexus, Audi, Mercedes, Audi, Lexus, Mercedes, Lexus,

เพื่อคำนวณค่าความแปรปรวนของค่าคอลัมน์ ใช้เมธอด var() ก่อนอื่น import ไลบรารี Pandas ที่จำเป็น - import pandas as pd สร้าง DataFrame ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] } ) หาความ

เพื่อรวม Pandas DataFrame ใช้ฟังก์ชัน merge() Inner Join ถูกนำไปใช้กับ DataFrame ทั้งสองโดยตั้งค่าภายใต้พารามิเตอร์ how ของ merge() คือ - how = inner ก่อนอื่น ให้ import ไลบรารี pandas พร้อมอีเลียส - import pandas as pd สร้าง DataFrame1 - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus,

เมื่อต้องการหาความเข้ากันได้ครั้งแรกของ List หนึ่งในอีก List จะใช้แอตทริบิวต์ set และเมธอด next ตัวอย่าง ด้านล่างคือสาธิต my_list_1 = [23, 64, 34, 77, 89, 9, 21] my_list_2 = [64, 10, 18, 11, 0, 21] print(The first list is :) print(my_list_1) print(The second list is :) print(my_list_2) my_list_2 =

เมื่อต้องการปรับขนาดช่องว่าง (padding) แบบกำหนดเองใน List ของสตริง จะใช้ List ว่าง, การวนลูป (iteration) และเมธอด append ตัวอย่าง ด้านล่างคือสาธิต my_list = [Python, is, great] print(The list is :) print(my_list) lead_size = 3 trail_size = 2 my_result = [] for elem in my_list: my_result.append

ตัวอย่าง โค้ดด้านล่างหาคำที่ปรากฏในประโยคทุก K ครั้ง (K=2) โดย split แล้ววนลูป count และ remove เพื่อไม่พิมพ์ซ้ำ def key_freq_words(my_string, K): my_list = list(my_string.split( )) for i in my_list: if my_list.count(i) == K: print(i) my_list.remove(i) my_st

ตัวอย่าง โค้ดด้านล่างคำนวณกำลังสามของแต่ละสมาชิกในลิสต์โดยใช้ loop และ append my_list = [45, 31, 22, 48, 59, 99, 0] print(The list is :) print(my_list) my_result = [] for i in my_list: my_result.append(i * i * i) print(The resultant list is :) print(my_result) ผลลัพธ์ The list is : [45, 31, 22,

ตัวอย่าง โค้ดด้านล่างแปลงลิสต์สตริงเป็นลิสต์ซ้อนโดยแยกด้วย comma (แม้ตัวอย่างไม่มี comma แสดงว่าแต่ละสตริงกลายเป็น sublist เดียว) def convert_my_list(my_list): my_result = [] for el in my_list: sub = el.split(, ) my_result.append(sub) return my_result my_list = [peter,

ตัวอย่าง โค้ดด้านล่างรวม sublist ที่มีสมาชิกซ้อนทับกันเป็นเซ็ตเดียวกัน โดยใช้ union และ recursion def common_elem_set(my_set): for index, val in enumerate(my_set): for j, k in enumerate(my_set[index + 1:], index + 1): if val & k: my_set[index] = val.union(my_

ตัวอย่าง โค้ดด้านล่างเปลี่ยนเครื่องหมายของ tuple ในลิสต์: สมาชิกแรกทำให้เป็นบวก (abs), สมาชิกที่สองทำให้เป็นลบ (-abs) my_list = [(51, -11), (-24, -24), (11, 42), (-12, 45), (-45, 26), (-97, -4)] print(The list is :) print(my_list) my_result = [] for sub in my_list: my_result.append((abs(sub[0])