แนวคิดหลัก Pandas อนุญาตให้กรองข้อมูลใน DataFrame ได้โดยใช้ตัวดำเนินการเปรียบเทียบ (comparison operators) บนคอลัมน์ต่างๆ เช่น >, <, ==, != ผลลัพธ์จะเป็น Series แบบ Boolean (True/False) ซึ่งสามารถนำไปใช้ในการดัชนี (indexing) หรือรวมเงื่อนไขหลายข้อด้วย & (AND), | (OR) ขั้นตอน สร้าง DataFra

แนวคิดพื้นฐาน เมธอด value_counts() ใน Pandas ใช้สำหรับนับจำนวนครั้งที่ค่าแต่ละค่าปรากฏในคอลัมน์ (Series) ผลลัพธ์ที่ได้คือ Series ที่มีค่าเป็นดัชนี (index) และจำนวนเป็นค่า (values) เรียงลำดับจากมากไปน้อย ตัวอย่างโค้ดเต็ม import pandas as pd # สร้าง DataFrame ตัวอย่าง dataFrame = pd.DataFrame({

เราสามารถ Slice Pandas DataFrame เพื่อเลือกแถวระหว่างสองค่าดัชนีได้ มาลองตัวอย่างดูวิธีทำ ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df กำหนดตัวแปรสำหรับขอบเขตดัชนีด้านล่าง กำหนดตัวแปรอีกตัวสำหรับขอบเขตดัชนีด้านบน ใช้ df[index_lower_limit: index_upper_limit] เพื่อพิมพ์ DataFrame ใน

เพื่อบันทึก Pandas DataFrames ลง Excel หลายชีท เราสามารถใช้เมธอด pd.ExcelWriter() ตรวจสอบให้แน่ใจว่าคุณมีแพ็กเกจ openpyxl ติดตั้งไว้ก่อนใช้ ExcelWriter() ขั้นตอน สร้างข้อมูลตารางสองมิติ df1 พิมพ์ DataFrame อินพุต df1 สร้าง DataFrame อีกตัว df2 และพิมพ์มัน ใช้ ExcelWriter() เพื่อเขียนเซลล์ที่จัดรู

เพื่อ Concatenate DataFrame มากกว่าสองตัว ใช้เมธอด concat() ตั้งค่าพารามิเตอร์ axis เป็น axis = 0 เพื่อ concatenate ตามแถว ก่อนอื่น import ไลบรารีที่จำเป็น - import pandas as pd มาสร้าง DataFrame ตัวที่ 1 - dataFrame1 = pd.DataFrame( { Col1: [10, 20, 30], Col2: [40, 50, 60], Col3: [70,

เพื่อบันทึก Pandas DataFrame ลงไฟล์ JSON และอ่านกลับมา เราสามารถใช้เมธอด to_json() และ read_json() ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df ใช้ to_json() เพื่อบันทึก DataFrame ลงไฟล์ JSON ใช้ read_json() เพื่ออ่านไฟล์ JSON ตัวอย่าง import pandas as pd df = pd.DataFrame(

เพื่อหาแถวที่เหมือนกันระหว่างสอง DataFrame ด้วย merge() ใช้พารามิเตอร์ how เป็น inner เนื่องจากทำงานเหมือน SQL Inner Join และนี่คือสิ่งที่เราต้องการ มาสร้าง DataFrame1 ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Reg_Price: [100

เพื่อแปลง Pandas DataFrame เป็น Dictionary เราสามารถใช้เมธอด to_dict() มาลองตัวอย่างดูวิธีทำ ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df แปลง DataFrame เป็น Dictionary ด้วยเมธอด to_dict() และพิมพ์ ตัวอย่าง import pandas as pd df = pd.DataFrame( { x: [5, 2, 7, 0],

เพื่อลบสามแถวแรกของ DataFrame ใน Pandas เราสามารถใช้เมธอด iloc() ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df ลบสามแถวแรกด้วย df.iloc[3:] พิมพ์ DataFrame ที่อัปเดตแล้ว ตัวอย่าง import pandas as pd df = pd.DataFrame( { x: [5, 2, 7, 0, 7, 0, 5, 2], y: [4, 7, 5,

เพื่อเข้าถึงกลุ่มแถวใน Pandas DataFrame เราสามารถใช้เมธอด loc() ตัวอย่างเช่น ถ้าเราใช้ df.loc[2:5] จะเลือกแถวทั้งหมดจาก 2 ถึง 5 ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df ใช้ df.loc[2:5] เพื่อเลือกแถว 2 ถึง 5 พิมพ์ DataFrame ตัวอย่าง import pandas as pd df = pd.DataFrame(

การเปลี่ยนชื่อคอลัมน์ DataFrame ใน Pandas ทำได้ง่ายมาก ทุกสิ่งที่คุณต้องทำคือใช้เมธอด rename() และส่งชื่อคอลัมน์ที่ต้องการเปลี่ยนและชื่อคอลัมน์ใหม่ มาลองตัวอย่างดูวิธีทำ ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df ใช้เมธอด rename() เพื่อเปลี่ยนชื่อคอลัมน์ ที่นี่เราจะเปลี่ยนคอลัมน

Regular Expression (Regex) คือลำดับของตัวอักษรที่กำหนดรูปแบบการค้นหา เพื่อกรองแถวใน Pandas ด้วย Regex เราสามารถใช้เมธอด str.match() ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df กำหนดตัวแปร regex สำหรับนิพจน์ ให้ค่าสตริงเป็น regex เช่น สตริง J.* จะกรองรายการทั้งหมดที่ขึ้นต้นด้วยตัว

เราสามารถใช้เมธอด .corr() เพื่อหาความสัมพันธ์ระหว่างสองคอลัมน์ใน Pandas มาลองตัวอย่างดูวิธีใช้เมธอดนี้ ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df กำหนดตัวแปรสองตัว col1 และ col2 และกำหนดให้เป็นคอลัมน์ที่ต้องการหาความสัมพันธ์ หาความสัมพันธ์ระหว่าง col1 และ col2 โดยใช้ df[col1].co

เพื่อหาค่าสูงสุดของคอลัมน์และคืนค่าแถวที่สอดคล้องใน Pandas เราสามารถใช้ df.loc[df[col].idxmax()] มาลองตัวอย่างเพื่อเข้าใจดีขึ้น ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df กำหนดตัวแปร col เพื่อหาค่าสูงสุดของคอลัมน์นั้น หาค่าสูงสุดและแถวที่สอดคล้อง ใช้ df.loc[df[col].idxmax()] พิม

เพื่อหาคอลัมน์ตัวเลขใน Pandas เราสามารถสร้าง List ของจำนวนเต็ม และนำเข้าไปในเมธอด select_dtypes() มาลองตัวอย่างดูวิธีใช้เมธอดนี้ ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df สร้าง List ของชนิดข้อมูล คือ numerics เพื่อเลือกคอลัมน์ คืนค่าส่วนย่อยของคอลัมน์ DataFrame ตาม dtypes ของคอ

เพื่อหาแถวที่ n ใน Pandas DataFrame เราสามารถใช้เมธอด iloc() ตัวอย่างเช่น df.iloc[4] จะคืนแถวที่ 5 เพราะหมายเลขแถวเริ่มจาก 0 ขั้นตอน สร้างข้อมูลตารางสองมิติ df พิมพ์ DataFrame อินพุต df กำหนดตัวแปร nth_row ใช้เมธอด iloc() เพื่อหาแถวที่ n พิมพ์ DataFrame ที่คืนมา ตัวอย่าง import pandas as pd df

เพื่อผนวกแถวของ DataFrame หนึ่งกับแถวของอีก DataFrame เราสามารถใช้ฟังก์ชัน append() ของ Pandas ด้วย append() เราสามารถผนวกคอลัมน์ได้ด้วย มาลองตัวอย่างดูวิธีใช้เมธอดนี้ ขั้นตอน สร้างข้อมูลตารางสองมิติ df1 พิมพ์ DataFrame อินพุต df1 สร้าง DataFrame อีกตัว df2 พร้อมชื่อคอลัมน์เดียวกัน และพิมพ์มัน ใช

เราสามารถใช้เมธอด shift() ใน Pandas เพื่อเลื่อนคอลัมน์ของ DataFrame โดยไม่ต้องเขียน DataFrame ใหม่ทั้งหมด shift() รับพารามิเตอร์ดังนี้ shift(self, periods=1, freq=None, axis=0, fill_value=None) periods จำนวนช่วงที่จะเลื่อน สามารถรับค่าลบได้ axis รับค่า Boolean; 0 หากต้องการเลื่อนดัชนี และ 1 หากต

เพื่อหาแถวที่ไม่เหมือนกันระหว่างสอง DataFrame ใช้เมธอด concat() มา import ไลบรารีที่จำเป็นพร้อมอีเลียส - import pandas as pd สร้าง DataFrame1 ด้วยสองคอลัมน์ - dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Reg_Price: [1000, 1500, 1100, 800, 1100,

มาทำความเข้าใจ Symmetric Key Encryption (การเข้ารหัสแบบกุญแจสมมาตร) Symmetric Key Encryption (การเข้ารหัสแบบกุญแจสมมาตร) อัลกอริทึมการเข้ารหัสแบบ Symmetric-key ในทฤษฎีการเข้ารหัส ใช้กุญแจเดียว หรือกุญแจเข้ารหัสเดียวกัน (Secret Key) แบ่งปันระหว่างสองฝ่าย สำหรับการเข้ารหัส Plain-text และถอดรหัส Ciph