สมมติว่าคุณมีไฟล์ Excel และต้องการอ่าน แล้วแสดงข้อมูลทั้งหมดของคอลัมน์แรกและคอลัมน์สุดท้าย วิธีแก้ปัญหา อ่านไฟล์ Excel ด้วย pd.read_excel(pandas.xlsx) ใช้ df.iloc[:, 0] เลือกทุกแถว คอลัมน์แรก ใช้ df.iloc[:, -1] เลือกทุกแถว คอลัมน์สุดท้าย ตัวอย่างโค้ด import pandas as pd # อ่านไฟล์ Excel (ตั

สมมติว่าคุณมีไฟล์ CSV และต้องการอ่าน แล้วส่งออกเป็นไฟล์ HTML วิธีแก้ปัญหา อ่านไฟล์ CSV ด้วย pd.read_csv(pandas.csv) เปิดไฟล์ HTML ใหม่ในโหมดเขียน open(pandas.html, w) แปลง DataFrame เป็น HTML string ด้วย df.to_html() เขียนลงไฟล์และปิดไฟล์ ตัวอย่างโค้ด import pandas as pd # อ่านไฟล์ CSV (ต

สมมติว่าคุณมี DataFrame ที่มีคอลัมน์ time series และต้องการ resample เป็นความถี่ท้ายเดือน (Month-end) แล้วหาค่าสูงสุดในแต่ละเดือน วิธีแก้ปัญหา สร้าง DataFrame พร้อมคอลัมน์ time series (รายสัปดาห์) ใช้ df.resample(M, on=time_series).max() resample ท้ายเดือน หาค่าสูงสุด ตัวอย่างโค้ด import panda

สมมติว่าคุณมีไฟล์ JSONชื่อ pandas_sample.json และต้องการอ่าน แปลงเป็น DataFrame แล้วบันทึกเป็น CSV ข้อมูล JSON ตัวอย่าง (pandas_sample.json) { employee: { name: emp1, salary: 50000, age: 31 } } วิธีแก้ปัญหา อ่าน JSON จากไฟล์ด้วย pd.read_json(pandas_sample.json) แปลงเป็น DataFra

สมมติว่าคุณมี DataFrame และต้องการบันทึกเป็นไฟล์ Pickle แล้วอ่านคืนมาใช้งาน วิธีแก้ปัญหา สร้าง DataFrame บันทึกเป็น pickle ด้วย df.to_pickle(pandas.pickle) อ่านคืนด้วย pd.read_pickle(pandas.pickle) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({Fruits: [Apple, Orange, Mango, Kiwi],

สมมติว่าคุณมี Series และต้องการคำนวณ autocorrelation (ความสัมพันธ์เชิงอนุกรมเวลา) รวมถึง autocorrelation ที่มี lag ระบุ วิธีแก้ปัญหา สร้าง Series (มีค่า NaN ได้) ใช้ series.autocorr() คำนวณ autocorrelation lag 1 (default) ใช้ series.autocorr(lag=2) คำนวณ autocorrelation lag 2 ตัวอย่างโค้ด im

สมมติว่าคุณมี DataFrame ที่มีคอลัมน์ time series และต้องการตัด (truncate) ข้อมูลตามช่วง index ที่กำหนด วิธีแก้ปัญหา สร้าง DataFrame พร้อมคอลัมน์ time series ด้วย pd.date_range() freq=W (รายสัปดาห์) ใช้ df.truncate(before=01/01/2020, after=10/02/2020) ตัดข้อมูลในช่วง ตัวอย่างโค้ด import pandas

สามารถเปลี่ยนรูปทรง (reshape) DataFrame ได้หลายวิธี ได้แก่ melt(), stack(), unstack(), และ pivot() วิธีที่ 1: ใช้ melt() - แปลงจาก wide เป็น long format สร้าง DataFrame ใช้ df.melt() แปลงคอลัมน์เป็นแถว ตัวอย่าง import pandas as pd df = pd.DataFrame({Id: [1, 2, 3], Age: [13, 14, 13], Mark: [80

สมมติว่าคุณมี DataFrame และต้องการคำนวณ covariance matrix ของข้อมูลที่จัดกลุ่มแล้ว (grouped) และ covariance ระหว่างสองคอลัมน์เฉพาะในแต่ละกลุ่ม วิธีแก้ปัญหา สร้าง DataFrame ที่มีคอลัมน์ subjects, mark1, mark2 ใช้ df.groupby(subjects).cov() คำนวณ covariance matrix ต่อกลุ่ม ใช้ df.groupby(subjec

สมมติว่าคุณมี DataFrame ที่มีแถวซ้ำกัน และต้องการลบแถวซ้ำแถวแรก (เก็บแถวสุดท้ายไว้) วิธีแก้ปัญหา สร้าง DataFrame ที่มีข้อมูลซ้ำ ใช้ df.drop_duplicates(subset=[Id, Age], keep=last) ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({Id: [1, 2, 3, 4, 5, 6, 2, 7, 3, 9, 10], Ag

สมมติว่าคุณมี DataFrame ที่มี DatetimeIndex และต้องการเลื่อน (shift) index ไปข้างหน้าและข้างหลัง 2 ช่วง วิธีแก้ปัญหา สร้าง time series ด้วย pd.date_range() start=01-01-2020, periods=5, freq=12H สร้าง DataFrame ใช้ time series เป็น index ใช้ df.shift(2, axis=0) เลื่อนลง 2 แถว (ทิศทางบวก) ใช้

หมายเหตุ: Pandas Panel ถูก deprecated แล้ว ใช้ MultiIndex DataFrame แทนในเวอร์ชันใหม่ วิธีแก้ปัญหา สร้าง dictionary key Column1 มีค่าเป็น DataFrame 5x3 จากข้อมูลสุ่ม สร้าง Panel จาก dictionary ใช้ p.minor_xs(0) ดึงข้อมูล minor axis index 0 (คอลัมน์แรก) หาค่าสูงสุดด้วย .max() ตัวอย่างโค้ด i

สมมติว่าคุณมี DataFrame และต้องการคำนวณ rank (อันดับ) ของคอลัมน์ Age โดยใช้วิธี min สำหรับค่าที่ซ้ำกัน วิธีแก้ปัญหา สร้าง DataFrame ใช้ df[Age].rank(axis=0, method=min, ascending=True) คำนวณ rank เก็บผลลัพธ์ไว้ในคอลัมน์ใหม่ Rank ตัวอย่างโค้ด import pandas as pd data = {Id: [1, 2, 3, 4, 5],

หมายเหตุ: Pandas Panel ถูก deprecated แล้วใน pandas เวอร์ชันใหม่ (แทนด้วย MultiIndex DataFrame) แต่ตัวอย่างนี้แสดงวิธีการใช้งานในรุ่นเก่า วิธีแก้ปัญหา สร้าง dictionary ที่มี key เป็น Column1 และ value เป็น DataFrame ขนาด 5x3 จากข้อมูลสุ่ม สร้าง Panel จาก dictionary ใช้ p.major_xs(0) ดึงข้อมูล

สมมติว่าคุณมี DataFrame และต้องการคำนวณ Mean Absolute Deviation (MAD) แยกตามคอลัมน์และแถว วิธีแก้ปัญหา สร้าง DataFrame ใช้ df.mad() คำนวณ MAD ของคอลัมน์ (default axis=0) ใช้ df.mad(axis=1) คำนวณ MAD ของแถว ตัวอย่างโค้ด import pandas as pd data = {Column1: [6, 5.3, 5.9, 7.8, 7.6, 7.45, 7.75]

สมมติว่าคุณมี DataFrame และต้องการวัดรูปทรงการกระจายข้อมูล (distribution shape) ผ่าน Kurtosis (ความแหลม) และ Skewness (ความเอียง) วิธีแก้ปัญหา สร้าง DataFrame ใช้ df.kurt(axis=0) คำนวณ Kurtosis ต่อคอลัมน์ ใช้ df.skew(axis=0) คำนวณ Skewness ต่อคอลัมน์ ตัวอย่างโค้ด import pandas as pd data =

สมมติว่าคุณมี DataFrame และต้องการจำกัดค่าให้อยู่ในช่วงที่กำหนด (clipping) โดยใช้ค่าขั้นต่ำและสูงสุด วิธีแก้ปัญหา สร้าง DataFrame ใช้ df.clip(lower=30) ตัดค่าต่ำกว่า 30 ให้เป็น 30 ใช้ df.clip(upper=50) ตัดค่าสูงกว่า 50 ให้เป็น 50 ใช้ df.clip(lower=30, upper=50) ตัดทั้งสองข้างพร้อมกัน ตัวอย

สมมติว่าคุณมี DataFrame และต้องการใช้ฟังก์ชันแบบ table-wise (ทำงานกับทั้ง DataFrame) ผ่าน pipe() วิธีแก้ปัญหา สร้าง DataFrame สร้างฟังก์ชันที่รับ DataFrame และอาร์กิวเมนต์เพิ่มเติม คืนค่า DataFrame ที่ผ่านการประมวลผล ใช้ df.pipe(func, arg) เรียกใช้ฟังก์ชัน ตัวอย่างโค้ด import pandas as pd d

สมมติว่าคุณมี DataFrame และต้องการคำนวณอัตราการเปลี่ยนแปลงเปอร์เซ็นต์ (percentage change) ของคอลัมน์ Id และ Age สำหรับ 2 แถวแรกและ 2 แถวสุดท้าย วิธีแก้ปัญหา สร้าง DataFrame ใช้ df[[Id, Age]].pct_change() คำนวณ % change ใช้ slicing [0:2] สำหรับ 2 แถวบนสุด และ [-2:] สำหรับ 2 แถวล่างสุด ตัวอย่า

สมมติว่าคุณมี DataFrame ที่มีข้อมูลแบบข้อความ และต้องการคำนวณความยาวของแต่ละค่าในทุกคอลัมน์ วิธีแก้ปัญหา สร้าง DataFrame ที่มีคอลัมน์ข้อความ ใช้ df.applymap(lambda x: len(str(x))) คำนวณความยาวของแต่ละ element ตัวอย่างโค้ด import pandas as pd df = pd.DataFrame({ Fruits: [Apple, Orange, Man