สมมติว่าคุณมี DataFrame และต้องการนับจำนวนพนักงานแยกตามตำแหน่งงาน (Designation) วิธีแก้ปัญหา สร้าง DataFrame ที่มีคอลัมน์ Designation ใช้ df.groupby(Designation).count() นับจำนวนต่อกลุ่ม ตัวอย่างโค้ด import pandas as pd data = {Id: [1, 2, 3, 4, 5], Designation: [architect, scientist,

สมมติว่าคุณมี Series และต้องการคำนวณ quantile เริ่มต้น (default quantile = 0.5 ซึ่งคือ median) วิธีแก้ปัญหา สร้าง Series ใช้ series.quantile(0.5) หรือ series.quantile(.5) ตัวอย่างโค้ด import pandas as pd data = pd.Series([10, 20, 30, 40, 50]) print(Series:, data.values) # Quantile 0.5 (media

สมมติว่าคุณมี DataFrame และต้องการเลื่อนคอลัมน์แรกไปขวา 1 ตำแหน่ง (shift axis=1) แล้วรับค่าจากผู้ใช้ ถ้าค่าที่ป้อนหาร 3 และ 5 ลงตัว ให้ใช้ค่านั้นเติมค่าที่ขาดหายไป (NaN) วิธีแก้ปัญหา สร้าง DataFrame ใช้ df.shift(periods=1, axis=1) เลื่อนคอลัมน์ไปขวา 1 ช่อง รับค่าจากผู้ใช้ ตรวจสอบหาร 3 และ 5 ล

สมมติว่าคุณมี DataFrame และต้องการ transpose (สลับแถวและคอลัมน์) วิธีที่ 1: ใช้ List Comprehension (Manual) สร้าง DataFrame ใช้ nested list comprehension สลับ index สร้าง DataFrame ใหม่จากผลลัพธ์ ตัวอย่าง import pandas as pd data = [[1, 2, 3], [4, 5, 6]] df = pd.DataFrame(data) print(DataF

สมมติว่าคุณมี Series ที่มีค่า Boolean และ NaN และต้องการดำเนินการ Boolean logic กับค่า True วิธีแก้ปัญหา สร้าง Series ที่มี dtype=bool (รองรับ True, False, NaN) ใช้ bitwise operators: & (AND), | (OR), ^ (XOR) กับค่า True ตัวอย่างโค้ด import pandas as pd import numpy as np # Series ที่มี True,

สมมติว่าคุณมีฐานข้อมูล SQLite และต้องการอ่านข้อมูลจากตารางเข้า DataFrame วิธีแก้ปัญหา เชื่อมต่อฐานข้อมูลด้วย sqlite3.connect(db.sqlite3) ใช้ pd.read_sql_query() อ่านข้อมูลด้วย SQL query ปิด connection หลังใช้งาน ตัวอย่างโค้ด import pandas as pd import sqlite3 # เชื่อมต่อฐานข้อมูล SQLite con

สมมติว่าคุณมี DataFrame และต้องการหาค่าต่ำสุด (minimum) ของแต่ละแถวและแต่ละคอลัมน์ แล้วเก็บไว้ในคอลัมน์ใหม่และแถวใหม่ วิธีแก้ปัญหา สร้าง DataFrame หาค่าต่ำสุดต่อแถว: df.min(axis=1) เก็บในคอลัมน์ใหม่ min_value หาค่าต่ำสุดต่อคอลัมน์: df.min(axis=0) เก็บในแถวใหม่ (ใช้ df.loc[len(df)]) ตัวอย่างโ

สมมติว่าคุณมี DataFrame สี่เหลี่ยมจัตุรัส (square) และต้องการแทนค่าเส้นทแยงมุม (diagonal) ด้วยค่า 1 วิธีแก้ปัญหา สร้าง DataFrame สี่เหลี่ยมจัตุรัส ใช้ nested loop วนลูป i, j ตรวจสอบ if i == j (ตำแหน่งเส้นทแยงมุม) แทนค่าด้วย df.iloc[i, j] = 1 ตัวอย่างโค้ด import pandas as pd import numpy as n

สมมติว่าคุณต้องการสร้าง DataFrame 10 แถว 2 คอลัมน์ จากสระเสียง (a, e, i, o, u) แบบสุ่ม แล้วหาแถวที่คอลัมน์ทั้งสองมีค่าเท่ากัน วิธีแก้ปัญหา สร้าง DataFrame ด้วย np.random.choice() สุ่มสระเสียง 10 ค่าต่อคอลัมน์ ใช้ np.where(df.col1 == df.col2) หา index ที่ค่าตรงกัน ใช้ df.iloc[...] ดึงแถวที่ตรง

สมมติว่าคุณมีสอง DataFrame และต้องการรวม (merge) ตามคอลัมน์ที่มีค่าตรงกัน (เช่น id) วิธีแก้ปัญหา สร้าง DataFrame แรก (มีคอลัมน์ id, country) สร้าง DataFrame ที่สอง (มีคอลัมน์ id, City) ใช้ pd.merge(df1, df2, how=inner, on=id) รวมแบบ inner join ตัวอย่างโค้ด import pandas as pd first_df = pd.

สมมติว่าคุณมี DataFrame และต้องการเลือกสุ่ม 1 แถวจากแถวที่มี index เป็นเลขคี่ วิธีแก้ปัญหา สร้าง DataFrame 2. สร้าง list เก็บ index ที่เป็นเลขคี่ 3. ใช้ random.choice() สุ่มเลือก 1 index จาก list 4. ใช้ df.iloc[random_index] ดึงแถวนั้นๆ ตัวอย่างโค้ด import pandas as pd import random as ran

สมมติว่าคุณมี Series และต้องการหาค่าที่เกิดขึ้นบ่อยที่สุด (mode) วิธีแก้ปัญหา (Manual counting) สร้าง Series นับความถี่ของแต่ละค่า แล้วหาค่าที่มีความถี่มากที่สุด ตัวอย่างโค้ด (Manual) count: count = frequency_count max_count = i print(\nค่าที่ซ้ำมากที่สุด (manual):, max_count

สมมติว่าคุณมี DataFrame และต้องการลบคอลัมน์ หนึ่งคอลัมน์ หรือหลายคอลัมน์พร้อมกัน วิธีที่ 1: ใช้คำสั่ง del import pandas as pd data = [[1, 2, 3], [4, 5, 6]] df = pd.DataFrame(data, columns=(one, two, three)) print(ก่อนลบ:\n, df) del df[one] print(\nหลังลบคอลัมน์ one ด้วย del:) print(df) ผลลัพธ์ ก่

สมมติว่าคุณมี DataFrame และต้องการสลับตำแหน่งของ 2 แถวสุดท้าย วิธีแก้ปัญหา สร้าง DataFrame เก็บแถวสุดท้ายไว้ในตัวแปร temp กำหนดแถวสุดท้าย = แถวที่สองจากท้าย กำหนดแถวที่สองจากท้าย = temp ตัวอย่างโค้ด import pandas as pd data = {Name: [David, Adam, Bob, Alex, Serina], Age: [13, 12,

สมมติว่าคุณมี DataFrame และต้องการแปลงชนิดข้อมูล (dtype) ของคอลัมน์เฉพาะ เช่น จาก float เป็น int วิธีแก้ปัญหา สร้าง DataFrame ที่มีคอลัมน์ Result เป็น float ใช้ df[Result].astype(int) แปลงเป็น int ตรวจสอบ dtype ก่อนและหลังด้วย df.dtypes ตัวอย่างโค้ด import pandas as pd data = {Name: [David,

สมมติว่าคุณมี Series และต้องการสลับลำดับข้อมูลแบบสุ่ม วิธีที่ 1: ใช้ random.shuffle() สร้าง Series ใช้ random.shuffle(data) สลับแบบ in-place ตัวอย่าง import pandas as pd import random as rand data = pd.Series([1, 2, 3, 4, 5]) print(Series ต้นฉบับ:\n, data) rand.shuffle(data) print(\nSeries ห

สมมติว่าคุณมี Series ของตัวเลข และต้องการกรองเฉพาะเลขอาร์มสตรอง (Armstrong numbers) - เลขที่เท่ากับผลรวมของตัวเลขแต่ละหลักยกกำลังจำนวนหลัก วิธีแก้ปัญหา สร้าง Series วนลูปตรวจสอบแต่ละค่า ว่าเป็น Armstrong number หรือไม่ เก็บค่าที่เป็น Armstrong ไว้ใน list ใช้ data[data.isin(list)] กรอง Serie

สมมติว่าคุณมี Series ที่มีข้อมูลผสมตัวอักษรและตัวเลข (เช่น abx123) และต้องการแยกออกเป็นคอลัมน์ตัวอักษรและคอลัมน์ตัวเลข วิธีแก้ปัญหา สร้าง Series ใช้ series.str.extract(r(\w+[a-z])(\d+)) ด้วย regex แยกกลุ่มตัวอักษรและตัวเลข ตัวอย่างโค้ด import pandas as pd series = pd.Series([abx123, bcd25, cx

สมมติว่าคุณมี DataFrame และต้องการส่งออกเป็นไฟล์ Excel ที่มีหลายแผ่นงาน (sheets) วิธีแก้ปัญหา ติดตั้ง xlsxwriter (pip install xlsxwriter) สร้าง DataFrame ใช้ pd.ExcelWriter() พร้อม engine=xlsxwriter เขียน DataFrame หลายครั้ง กำหนด sheet_name ต่างกัน บันทึกด้วย excel_writer.save() หรือ exc

สมมติว่าคุณมีไฟล์ CSV และต้องการอ่าน แล้วคำนวณผลรวมของ 2 แถวสุดท้าย ข้อมูล CSV ตัวอย่าง (pandas.csv) Id,Data 1,11 2,22 3,33 4,44 5,55 6,66 7,77 8,88 9,99 10,100 วิธีที่ 1: ใช้ tail() และ sum() import pandas as pd data = pd.read_csv(pandas.csv) df = pd.DataFrame(data) print(DataFrame:\n, df) # 2