แนวคิด นำลิสต์ตัวเลขมารวมเป็นสตริงต่อเนื่อง แล้วตัดเป็นชุดละ K หลัก แปลงกลับเป็นตัวเลข ตัวอย่างโค้ด my_list = [231, 67, 232, 1, 238, 31, 793] print(ลิสต์:, my_list) K = 3 print(K =, K) # รวมเป็นสตริงเดียว temp = .join(str(ele) for ele in my_list) print(รวมเป็นสตริง:, temp) # ตัดชุดละ K my_result

แนวคิด สตริงที่ ตัวอักษรห่างกันเท่ากัน หมายถึง ความต่างของ Unicode code point ระหว่างตัวอักษรติดกันคงที่ ตลอดสตริง เช่น abc (diff=1), mpsv (diff=3), agms (diff=6) ตัวอย่างโค้ด my_list = [abc, egfg, mpsv, abed, xzbd, agms] print(ลิสต์:, my_list) my_result = [ sub for sub in my_list if all(

แนวคิด จากลิสต์ของลิสต์สตริง ให้คืนเฉพาะแถวที่ ทุกสตริงในแถว ไม่มีช่องว่าง (whitespace) ใช้ regex \s ตรวจจับ whitespace ตัวอย่างโค้ด import re my_list = [[python is, fun], [python, good], [python is cool], [love, python]] print(ลิสต์:, my_list) # list comprehension + regex my_result = [ row f

แนวคิด กำหนดลิสต์ของลิสต์ (matrix) และ sublist เป้าหมาย ให้คืนเฉพาะแถวที่มีสมาชิกครบทุกตัวใน sublist เป้าหมาย (subset check) ตัวอย่างโค้ด my_list = [[8, 6, 3, 2], [1, 6], [2, 1, 7], [8, 1, 2]] print(Matrix:, my_list) sub_list = [1, 2] print(Sublist เป้าหมาย:, sub_list) result = [] for row in my_l

แนวคิด นับว่ามีค่าเท่าไรที่ปรากฏซ้ำติดกันอย่างน้อย 1 ครั้ง ในลิสต์ เช่น [24,24,24,15,15,64,64,71,13,95,100] มีค่าที่ซ้ำติดกันคือ 24, 15, 64 รวม 3 ค่า ตัวอย่างโค้ด my_list = [24, 24, 24, 15, 15, 64, 64, 71, 13, 95, 100] print(ลิสต์:, my_list) my_result = [] for i in range(len(my_list) - 1): if

แนวคิด ตัดค่าขอบ (trim) K ตัวจากหน้าและหลังลิสต์ แล้วนำผลรวมของค่าที่ตัดออกไปกระจายเพิ่มเข้าไปในค่าที่เหลืออยู่ โดยเท่าๆ กัน ตัวอย่างโค้ด my_list = [11, 26, 24, 75, 96, 37, 48, 29, 93] print(ลิสต์ต้นฉบับ:, my_list) key = 2 print(ค่า K:, key) full_sum = sum(my_list) trimmed_list = my_list[key:len(

แนวคิด ตรวจสอบว่าในลิสต์ของ tuples/tuples ทุกตัวมีสมาชิกที่เหมือนกันหมด (ทุกค่าเท่ากัน) เช่น [(72,72,72), (72,72), (72,72)] True เพราะทุกค่าคือ 72 ตัวอย่างโค้ด my_list = [(72, 72, 72), (72, 72), (72, 72)] print(ลิสต์:, my_list) my_result = True for sub in my_list: flag = True for element i

แนวคิด กำหนดลิสต์係数 (coefficients) ของพหุนาม และค่า x แล้วคำนวณค่าฟังก์ชัน P(x) = a₀xⁿ + a₁xⁿ⁻¹ + ... + aₙ โดยลิสต์เรียงจากชั้นสูงสุดไปต่ำสุด ตัวอย่างโค้ด my_list = [3, -6, 3, -1, 23, -11, 0, -8] # 3x⁷ -6x⁶ +3x⁵ -x⁴ +23x³ -11x² +0x -8 print(Coefficients:, my_list) x = 3 my_list_length = len(my_li

แนวคิด หา sublist (แถว) ที่สมาชิกเรียงตัวเป็นเลขคณิต (Arithmetic Sequence) คือ ความต่างระหว่างสมาชิกติดกันทุกคู่เท่ากัน เช่น [11, 12, 13] diff = 1 ตัวอย่างโค้ด my_list = [[31, 27, 10], [8, 11, 12], [11, 12, 13], [6, 9, 10]] print(ลิสต์ต้นฉบับ:, my_list) my_result = [] for row in my_list: if le

แนวคิด กำหนดลิสต์ของลิสต์ (list of lists) และค่า K ให้ลบ sublist ที่มีความยาวเท่ากับ K ออก โดยเก็บเฉพาะ sublist ที่มีความยาวไม่เท่ากับ K ตัวอย่างโค้ด my_list = [[41, 7], [8, 10, 12, 8], [10, 11], [6, 82, 10]] print(ลิสต์ต้นฉบับ:, my_list) my_k = 2 print(ค่า K:, my_k) my_result = [] for row in my_

แนวคิด (56, 13) ตัวอย่างโค้ด my_list = [5613, 1223, 966143, 890, 65, 10221] print(ลิสต์ต้นฉบับ:, my_list) my_result = [] for sub in my_list: s = str(sub) mid_index = len(s) // 2 element_1 = int(s[:mid_index]) element_2 = int(s[mid_index:]) my_result.append((element_1, element_

แนวคิด การรวมสมาชิกในลิสต์ (list of characters) ให้กลายเป็นสตริงเดียว สามารถทำได้ด้วยลูป for และตัวดำเนินการ + หรือวิธีที่มีประสิทธิภาพกว่าคือ .join(list) ตัวอย่างโค้ด (วิธีลูป) def convert_spec_Vals(my_list): new_val = for element in my_list: new_val += element return new_val

แนวคิด เมธอด Index.get_loc(key) คืนค่าตำแหน่ง (integer index) ของคอลัมน์ที่ระบุ ทำงานกับ df.columns ซึ่งเป็น Index object ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ x: [5, 2, 7, 0], y: [4, 7, 5, 1], z: [9, 3, 5, 1] }) print(DataFrame:\n, df) print(\nColumns:, df.columns) #

วิธีการหลัก Pandas มีหลายวิธีในการเลือกเฉพาะคอลัมน์ที่ต้องการ (subset columns): Indexing operator ([]): df[[col1, col2]] filter(): กรองคอลัมน์ด้วยชื่อ, regex, หรือ pattern loc/iloc: เลือกด้วยตำแหน่งหรือชื่อ ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Product: [SmartTV, ChromeCast, S

แนวคิด groupby().sum() ใช้จัดกลุ่มข้อมูลตามคอลัมน์ที่กำหนด แล้วคำนวณผลรวมของคอลัมน์ตัวเลขในแต่ละกลุ่ม เหมาะสำหรับการสรุปข้อมูล (aggregation) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Apple: [5, 2, 7, 0], Banana: [4, 7, 5, 1], Carrot: [9, 3, 5, 1] }) print(Input DataFrame:\n

แนวคิด การหาความต่างระหว่าง DataFrame สองตัว สามารถทำได้หลายวิธี ขึ้นอยู่กับความต้องการ: equals(): ตรวจสอบว่าเหมือนกันทุกประการ (True/False) compare() (Pandas 1.1+): แสดงความต่างรายเซลล์แบบละเอียด Boolean indexing: กรองแถวที่ต่างกัน ตัวอย่าง: ใช้ equals() ตรวจสอบความเท่ากัน import pandas as pd d

แนวคิด การนับจำนวนแถว (row count) ในแต่ละกลุ่มหลังจากจัดกลุ่มด้วย groupby() ทำได้โดยใช้ .count() หรือ .size() ความแตกต่างคือ .count() ไม่นับค่า NaN ส่วน .size() นับทุกแถว ขั้นตอน สร้าง DataFrame ตัวอย่าง ใช้ groupby(column)[target_column].count() แสดงผลลัพธ์ ตัวอย่างโค้ด import pandas as pd df

แนวคิด เมธอด DataFrame.equals(other) ตรวจสอบว่า DataFrame สองตัวมีรูปร่าง (shape), ดัชนี (index), คอลัมน์ (columns), และค่าในทุกเซลล์เหมือนกันทุกประการ คืนค่า True หรือ False ตัวอย่างโค้ด import pandas as pd # DataFrame แรก df1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar]

แนวคิด เมื่อไฟล์ CSV ไม่มีแถวหัวข้อ (header row) เราสามารถใช้พารามิเตอร์ header=None ใน pd.read_csv() และระบุชื่อคอลัมน์เองผ่าน names ขั้นตอน กำหนดพาธไฟล์ CSV อ่านไฟล์พร้อมระบุ header=None และ names=[...] แสดงผล DataFrame ตัวอย่างโค้ด import pandas as pd file_path = test.csv # อ่านโดยไม่มี hea

แนวคิด ฟังก์ชัน pd.concat() ใช้รวม DataFrames หลายตัวเข้าด้วยกัน โดยการกำหนด axis=1 จะทำให้รวมตามแนวคอลัมน์ (side-by-side) ขณะที่ axis=0 (ค่าเริ่มต้น) จะรวมตามแนวแถว (stack vertically) ข้อควรระวัง หาก DataFrames มีดัชนี (index) ไม่ตรงกัน จะเกิดค่า NaN ในตำแหน่งที่ไม่มีข้อมูลตรงกัน คอลัมน์ที่ชื่อซ้