บทความนี้สาธิตวิธีลบ Dictionary ออกจากลิสต์ของ Dictionary เมื่อไม่พบค่าที่ระบุในคีย์ที่กำหนด โค้ดตัวอย่าง # ลิสต์ของ Dictionary my_list = [ {code: 1, fun: learn}, {code: 2, fun: code}, {code: 3, fun: test}, {code: 4, fun: teach}, {code: 4, fun: make}, {code: 4, fun: object}

บทความนี้สาธิตวิธีสร้าง Dictionary จาก List โดยใช้เมธอด setdefault() เพื่อจัดกลุ่มค่าตามคีย์ที่กำหนด โค้ดตัวอย่าง # สร้าง Dictionary ว่าง my_dict = dict() print(สร้าง Dictionary ว่างแล้ว) # ลิสต์ค่า (เป็นสตริงตัวเลข) my_value_list = [15, 14, 13, 12, 16] print(fลิสต์ต้นฉบับ: {my_value_list}) # เรี

บทความนี้สาธิตวิธีแปลงลิสต์ของสตริงที่คั่นด้วยตัวแบ่ง (Delimiter) ให้กลายเป็นลิสต์ของ Tuple ที่ประกอบด้วยตัวเลข โค้ดตัวอย่าง # ข้อมูลต้นฉบับ: สตริงคั่นด้วยเครื่องหมาย - my_list = [33-22, 13-44-81-39, 42-10-42, 36-56-90, 34-77-91] print(ลิสต์ต้นฉบับ:) print(my_list) # เรียงลำดับก่อน (ตัวเลือก) my_

บทความนี้สาธิตวิธีเปรียบเทียบว่า DataFrame สองตัวมีข้อมูลเหมือนกันทุกประการหรือไม่ โดยใช้เมธอด equals() ความแตกต่างระหว่าง equals() และ == เมธอดพฤติกรรม df1.equals(df2)คืนค่า True/False เดียว - เปรียบเทียบทุกอย่าง (ค่า, ดัชนี, คอลัมน์, ชนิดข้อมูล) df1 == df2คืนค่า DataFrame ของ True/False ต่อเซ

บทความนี้สาธิตวิธีแปลงสตริงยาวให้กลายเป็นเมทริกซ์ (รายการของรายการ) โดยแต่ละแถวมีความยาว K ตัวอักษร โค้ดตัวอย่าง def convert_string_to_matrix(my_string, k): แปลงสตริงเป็นเมทริกซ์ K ตัวอักษรต่อแถว result = [] for i in range(0, len(my_string), k): chunk = my_string[i:i+k

บทความนี้สาธิตวิธีหาแถวที่เหมือนกัน (Common Rows) ระหว่างสอง DataFrame โดยใช้ฟังก์ชัน concat() ร่วมกับ groupby() หลักการทำงาน รวมสอง DataFrame ด้วย pd.concat() รีเซ็ตดัชนีด้วย reset_index() จัดกลุ่มตามทุกคอลัมน์ด้วย groupby() หากกลุ่มใดมีจำนวนแถวมากกว่า 1 แสดงว่าเป็นแถวที่ซ้ำ (มีในทั้งสอง DataFram

บทความนี้สาธิตวิธีกรองแถวข้อมูลใน DataFrame โดยคำนวณผลรวมของแต่ละแถว (axis=1) และเก็บเฉพาะแถวที่มีผลรวมมากกว่าเกณฑ์ที่กำหนด สถานการณ์ตัวอย่าง มีข้อมูลคะแนนสอบของนักเรียน 3 คน (Jacob, Ted, Jamie) 5 วิชา ต้องการกรองเฉพาะวิชาที่ผลรวมคะแนนของทั้ง 3 คนรวมกัน超過 200 คะแนน โค้ดตัวอย่าง 200):) print(dataF

บทความนี้สาธิตวิธีจัดกลุ่มข้อมูลใน Pandas DataFrame และเรียงลำดับตามขนาดของแต่ละกลุ่มจากน้อยไปมาก (Ascending Order) แนวคิดหลัก ใช้ groupby() เพื่อจัดกลุ่มข้อมูล ใช้ size() เพื่อนับจำนวนแถวในแต่ละกลุ่ม ใช้ sort_values(ascending=True) เพื่อเรียงจากน้อยไปมาก ตัวอย่างโค้ด import pandas as pd # สร้า

บทความนี้จะสาธิตวิธีการลบระดับออกจากดัชนีคอลัมน์แบบหลายชั้น (Multi-level column index) ใน Pandas DataFrame โดยใช้เมธอด columns.droplevel() ขั้นตอนการสร้าง Multi-level Column Index ขั้นแรก เราสร้างดัชนีคอลัมน์แบบหลายชั้นโดยใช้ MultiIndex.from_tuples(): import pandas as pd import numpy as np items =

แนวคิด DataFrame ที่มี MultiIndex columns (หลายระดับ) ใช้ columns.droplevel(level) ลบระดับที่ต้องการ เรียกซ้ำเพื่อลบหลายระดับ ตัวอย่างโค้ด import numpy as np import pandas as pd # สร้าง MultiIndex columns 3 ระดับ items = pd.MultiIndex.from_tuples([ (Col 1, Col 1, Col 1), (Col 2, Col 2, Col

แนวคิด ใช้ pd.merge(df1, df2, on=key, how=left) เพื่อเก็บแถวทั้งหมดจาก DataFrame ซ้าย (left) และดึงข้อมูลจากขวา (right) ที่ match ถ้าไม่ match ให้ NaN ตัวอย่างโค้ด import pandas as pd df1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90

แนวคิด pd.merge(df1, df2, on=key, how=outer) รวม 2 DataFrames ตาม key column เก็บแถวทั้งหมดจากทั้งสองฝั่ง ค่าที่ไม่มีคู่จะเป็น NaN ตัวอย่างโค้ด import pandas as pd df1 = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 90] }) df2 = pd.DataF

แนวคิด เลือกคอลัมน์จาก DataFrame ได้หลายวิธี วิธีพื้นฐานคือ square brackets df[column_name] ตัวอย่างโค้ด DataFrame (double brackets) car_units = df[[Car, Units]] print(\nคอลัมน์ Car และ Units (DataFrame):\n, car_units) print(Type:, type(car_units)) # Attribute access (ทำงานได้ถ้าชื่อคอลัมน์เป็น v

แนวคิด เลือกหลายแถวจาก DataFrame ได้หลายวิธี: slicing ด้วย [], .loc[] (label), .iloc[] (position) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame( [[10, 15], [20, 25], [30, 35], [40, 45]], index=[w, x, y, z], columns=[a, b] ) print(DataFrame:\n, df) # 1. Select row by label (loc)

แนวคิด DataFrame.query(expr) กรองแถวด้วย expression string อ่านง่ายกว่า boolean indexing สำหรับเงื่อนไขซับซ้อน ตัวอย่างโค้ด = 500 AND Closing_Stock = 500 and Closing_Stock < 1000 and Product.str.startswith(P)) print(\nQuery result:\n, queried) ผลลัพธ์ DataFrame: Closing_Stock Opening_Stock

แนวคิด รวม 2 ลิสต์โดยสลับกัน K ตัวจากลิสต์แรก แล้ว K ตัวจากลิสต์ที่สอง ทำซ้ำจนหมด ใช้ generator yield ตัวอย่างโค้ด def merge_the_vals(list1, list2, K): i = j = 0 while i < len(list1) or j < len(list2): for _ in range(K): if i < len(list1): yield list1[i]

แนวคิด สุ่มเลือกตำแหน่งในลิสต์ และสุ่มเลือกค่าจากลิสต์เพิ่มเติม แทรกเข้าไป ทำซ้ำ K ครั้ง ใช้ random.randint และ random.choice ตัวอย่างโค้ด import random my_list = [34, 12, 21, 56, 8, 9, 0, 3, 41, 11, 90] print(ลิสต์:, my_list) my_list.sort() print(หลังเรียง:, my_list) to_add = [Python, Object, o

แนวคิด เรียงตัวเลขในลิสต์ตาม รูปแบบหลักตัวเลข (digit-wise) ไใช่ค่าตัวเลข โดย padding ด้วย a (หรือตัวอักษรสูงสุด) เพื่อเปรียบเทียบ lexicographically ตัวอย่างโค้ด my_list = [4344, 2611, 122, 541, 33, 892, 48292, 460, 390, 120, 10, 2909, 11239, 1] print(ลิสต์:, my_list) my_list.sort() print(เรียงปกติ

แนวคิด กำหนดลิสต์ และลิสต์ของช่วง index (start, end) ให้ดึงสมาชิกในทุกช่วงมารวมกัน (extend) อนุญาตให้ overlap ตัวอย่างโค้ด slice ใช้ end+1 result.extend(my_list[start:end+1]) print(ผลลัพธ์รวม:, result) result.sort() print(หลังเรียง:, result) ผลลัพธ์ ลิสต์: [13, 21, 81, 10, 13, 17, 22, 18, 1

แนวคิด ลิสต์สตริงที่มี delimiter (เช่น @) แยกส่วนหน้าและหลัง delimiter เป็นลิสต์แยกกัน ตัวอย่างโค้ด my_list = [89@21, 58@51, 19@61, 11@10, 32@65, 34@45, 87@90, 32@21, 1@345] print(ลิสต์:, my_list) my_list.sort() print(หลังเรียง:, my_list) delimiter = @ print(Delimiter:, delimiter) before = [s.sp