บทความนี้สาธิตวิธีใช้ GroupBy คำนวณผลรวมของค่าบวกและค่าลบแยกกันในแต่ละกลุ่ม โค้ดตัวอย่าง 0].sum() def minus(val): return val[val < 0].sum() # ใช้ agg() กับฟังก์ชันที่กำหนดเอง result = groupRes[Temperature].agg([(negTemp, minus), (posTemp, plus)]) print(\nผลรวมค่าลบและค่าบวกแยกกัน:) print(re

บทความนี้สาธิตวิธีลบแถวเฉพาะจาก DataFrame ที่มี MultiIndex (ดัชนีหลายระดับ) โดยใช้เมธอด drop() โค้ดตัวอย่าง import numpy as np import pandas as pd # สร้าง MultiIndex Array สำหรับแถว arr = [ np.array([car, car, car, bike, bike, bike, truck, truck, truck]), np.array([valueA, valueB, valueC,

บทความนี้สาธิตวิธีแทนที่ค่าลบใน DataFrame ด้วยค่าบวกที่อยู่ก่อนหน้าล่าสุด (Forward Fill) และกรณีที่ไม่มีค่าบวกก่อนหน้า ให้ใช้ 0 แทน โค้ดตัวอย่าง import pandas as pd # สร้าง DataFrame ที่มีค่าลบ df = pd.DataFrame({ One: [-3, 7, 4, 0], two: [-6, -1, 2, -8] }) print(DataFrame ต้นฉบับ:) print

บทความนี้สาธิตวิธีแทนที่ค่าใน DataFrame หนึ่งด้วยค่าจาก DataFrame อีกตัวหนึ่ง โดยใช้เมธอด replace() โค้ดตัวอย่าง import pandas as pd # DataFrame 1: แหล่งค่าที่จะนำมาแทนที่ dataFrame1 = pd.DataFrame({ Car: [Audi, Lamborghini], Place: [US, UK], Units: [200, 500] }) # DataFrame 2: เป้าหม

บทความนี้สาธิตวิธีจัดกลุ่มข้อมูลใน Pandas DataFrame ตามช่วงเวลาวัน (Time-based Grouping) โดยใช้ pd.Grouper ร่วมกับ groupby() โค้ดตัวอย่าง import pandas as pd # สร้าง DataFrame พร้อม Timestamp dataFrame = pd.DataFrame({ Car: [Audi, Lexus, Tesla, Mercedes, BMW, Toyota, Nissan, Bentley, Mustang],

บทความนี้สาธิตวิธีตั้งค่าและแสดง Index ของ DataFrame ในรูปแบบ MultiIndex (หลายระดับ) โดยใช้ set_index() และ append=True โค้ดตัวอย่าง import pandas as pd # ข้อมูลต้นฉบับ d = { Car: [BMW, Lexus, Audi, Mercedes, Jaguar, Bentley], Date_of_purchase: [2020-10-10, 2020-10-12, 2020-10-17, 2020-10-

บทความนี้สาธิตวิธีจัดกลุ่มข้อมูลใน Pandas DataFrame ตามคอลัมน์ที่กำหนด และคำนวณสถิติ (เช่น ค่าเฉลี่ย) ของแต่ละกลุ่ม โค้ดตัวอย่าง import pandas as pd # สร้าง DataFrame: ข้อมูลรถและราคาจดทะเบียน dataFrame = pd.DataFrame({ Car: [Audi, Lexus, Audi, Mercedes, Audi, Lexus, Mercedes, Lexus, Mercedes]

บทความนี้สาธิตวิธีจัดกลุ่มและเรียงลำดับ Pandas DataFrame ตามขนาดกลุ่ม ทั้งแบบ Ascending และ Descending โค้ดตัวอย่างสมบูรณ์ import pandas as pd # สร้าง DataFrame dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mercedes, Jaguar, Bentley], Reg_Price: [1000, 1400, 1000, 900, 1700, 900] })

บทความนี้สาธิตวิธีทำ Cross Pairing ระหว่างสองลิสต์ของ Tuple โดยจับคู่เฉพาะ Tuple ที่มีค่าตัวแรก (Index 0) เหมือนกัน โค้ดตัวอย่าง my_list_1 = [(Hi, Will), (Jack, Python), (Bill, Mills), (goodwill, Jill)] my_list_2 = [(Hi, Band), (Jack, width), (Bill, cool), (a, b)] print(List 1:, my_list_1) print(L

บทความนี้สาธิตวิธีแปลงเมทริกซ์ 3 มิติ (List of List of List) เป็นรายการพิกัด (Coordinate List) โดยใช้ zip() และ List Comprehension โค้ดตัวอย่าง # 3D Matrix: 3 ชั้น x 2 แถว x 2 คอลัมน์ my_list_1 = [ [[He, Wi], [llo, ll]], [[Pyt, i], [hon, sFun]], [[Ho, g], [pe, ood]] ] print(3D Matrix ต

บทความนี้สาธิตวิธีกรอง Tuple ที่มีค่าไม่ซ้ำกันจากลิสต์ของ Tuple โดยใช้ set() เพื่อกำจัดค่าซ้ำ โค้ดตัวอย่าง my_list = [ (42, 51), (46, 71), (14, 25), (26, 91), (56, 0), (11, 1), (99, 102) ] print(ลิสต์ Tuple ต้นฉบับ:) print(my_list) # เรียงลำดับ my_list.sort() print(\nลิสต์หลังเรียง:) prin

บทความนี้สาธิตวิธีรวม Tuple ที่อยู่ติดกันในลิสต์ (Concatenate consecutive tuples) โค้ดตัวอย่าง my_list = [ (13, 526, 73), (23, 67, 0, 72, 24, 13), (94, 42), (11, 62, 23, 12), (93,), (83, 61) ] print(ลิสต์ Tuple ต้นฉบับ:) print(my_list) # เรียงจากมากไปน้อย (ตามโค้ดต้นฉบับ)

บทความนี้สาธิตวิธีแปลงลิสต์ให้กลายเป็น Dictionary ที่มีคีย์ index และ values โดยใช้ enumerate() โค้ดตัวอย่าง my_list = [32, 0, 11, 99, 223, 51, 67, 28, 12, 94, 89] print(fลิสต์ต้นฉบับ: {my_list}) # เรียงจากมากไปน้อย my_list.sort(reverse=True) print(fลิสต์เรียงมากไปน้อย: {my_list}) # แปลงเป็น Dic

บทความนี้สาธิตวิธีตรวจสอบว่าตำแหน่ง (Index) ขององค์ประกอบในลิสต์เท่ากับค่าขององค์ประกอบนั้นหรือไม่ โดยใช้ enumerate() โค้ดตัวอย่าง my_list_1 = [12, 62, 19, 79, 58, 0, 99] my_list_2 = [12, 74, 19, 54, 58, 0, 11] check_list = [9, 8, 2] print(fList 1: {my_list_1}) print(fList 2: {my_list_2}) print(fC

บทความนี้สาธิตวิธีทำ Cross Mapping ระหว่างสอง Dictionary ที่มีค่าเป็นลิสต์ โดยใช้ setdefault() และ extend() โค้ดตัวอย่าง # Dictionary แรก: Key → ลิสต์ค่า my_dict_1 = {Python: [4, 7], Fun: [8, 6]} # Dictionary ที่สอง: Key → ลิสต์ค่า my_dict_2 = {6: [5, 7], 8: [3, 6], 7: [9, 8]} print(Dict 1:, my_d

บทความนี้สาธิตวิธีรวม (Merge) สอง DataFrame ที่มีจำนวนแถวต่างกัน โดยใช้เมธอด merge() แบบ Left Join สถานการณ์ DataFrame1: 4 แถว (BMW, Lexus, Audi, Jaguar) DataFrame2: 6 แถว (BMW, Lexus, Audi, Mercedes, Jaguar, Bentley) ต้องการรวมโดยเก็บข้อมูล DataFrame2 ทั้งหมด (Left Join) โค้ดตัวอย่าง import pan

บทความนี้สาธิตวิธีแทนที่ส่วนต้น (Prefix) ของลิสต์หนึ่งด้วยลิสต์อีกอันหนึ่ง โดยใช้ Slicing และ len() โค้ดตัวอย่าง my_list_1 = [15, 44, 82] my_list_2 = [29, 77, 19, 44, 26, 18] print(fลิสต์ 1: {my_list_1}) print(fลิสต์ 2: {my_list_2}) # เรียงลำดับทั้งสอง (ตัวเลือก) my_list_1.sort() my_list_2.sort()

บทความนี้สาธิตวิธีเรียงลำดับลิสต์ของสตริงโดยใช้ตัวเลขที่อยู่ภายในสตริงเป็นเกณฑ์การเรียง โดยใช้ Regular Expression (Regex) โค้ดตัวอย่าง import re def extract_first_number(text): ดึงตัวเลขตัวแรกที่พบในสตริง match = re.search(r\d+, text) return int(match.group()) if match else 0 # หรือใช

บทความนี้สาธิตวิธีจัดกลุ่มข้อมูลใน Pandas DataFrame และเรียงลำดับตามขนาดของแต่ละกลุ่มจากมากไปน้อย (Descending Order) แนวคิดหลัก ใช้ groupby() จัดกลุ่ม ใช้ size() นับจำนวนในแต่ละกลุ่ม ใช้ sort_values(ascending=False) เรียงจากมากไปน้อย โค้ดตัวอย่าง import pandas as pd # สร้าง DataFrame dataFrame

บทความนี้สาธิตวิธีหาตำแหน่ง (Index) ทุกตำแหน่งที่ Substring ปรากฏในสตริงหลัก โดยใช้ startswith() ร่วมกับ List Comprehension โค้ดตัวอย่าง my_string = Python learn code test fun amazing object oriented sub_string = object print(fสตริงหลัก: {my_string}) print(fSubstring ที่หา: {sub_string}) # หาตำแห