barplot: categorical vs continuous point plot: แสดงจุดประมาณค่า factorplot: high-level function วาด categorical plot บน FacetGrid ด้วย kind parameter kind=violin สร้าง violin plot ตัวอย่าง import pandas as pd import seaborn as sb from matplotlib import pyplot as plt my_df = sb.load_dataset(exercise)

barplot แสดงความสัมพันธ์ categorical vs continuous point plot คล้าย bar plot แต่แสดงจุดประมาณค่า categorical data visualize ด้วย categorical scatter plots หรือ factorplot factorplot วาด categorical plot บน FacetGrid ด้วย parameter kind FacetGrid คือเมทริกซ์ของแผ่นพล็อต แบ่งตามตัวแปร ทำให้กราฟเดียวดู

Seaborn ช่วย visualize ข้อมูล มี theme และ high-level interface ต้องเช็ค multicollinearity สำหรับ regression model ฟังก์ชัน regplot และ lmplot ช่วย visualize linear relationship regplot รับ x, y หลายรูปแบบ lmplot ต้องการ data parameter และ x, y เป็น string (long-form data) ตัวอย่าง import seaborn as

เมื่อสร้าง regression model ต้องเช็ค multicollinearity ฟังก์ชัน regplot และ lmplot ช่วย visualize ความสัมพันธ์เชิงเส้น regplot รับ x, y ได้หลายรูปแบบ (numpy array, pandas series) ส่วน lmplot ต้องการข้อมูล long-form: data parameter และ x, y เป็น string ตัวอย่าง import pandas as pd import seaborn as s

SciPy ใช้คำนวณ permutation และ combination ของสองค่าได้ ฟังก์ชัน perm ในคลาส special ของ SciPy Syntax ของ perm scipy.special.perm(N, k) ตัวอย่าง Permutation from scipy.special import perm my_permute = perm(6, 2, exact=True) print(The permutation of 6 and 2 is ) print(my_permute) ผลลัพธ์ The permuta

เมื่อสร้างโมเดล regression ต้องตรวจสอบ multicollinearity (ความสัมพันธ์เชิงเส้นระหว่างตัวแปรต่อเนื่อง) ถ้ามี ต้องกำจัดออก ข้อมูลจริงมักเป็น non-linear ต้องหาวิธี fit โมเดล ใช้ Anscombes dataset ฟังก์ชัน lmplot ใช้กับข้อมูล non-linear: ตัวอย่าง import pandas as pd import seaborn as sb from matplotlib

การเตรียมข้อมูล (Pre-processing) หมายถึงการทำความสะอาดข้อมูล ลบข้อมูลไม่ถูกต้อง, noise, แทนที่ค่า และอื่นๆ ไม่ได้แค่ข้อความ รวมถึงการประมวลผลภาพและวิดีโอด้วย เป้าหมายคือกำจัดความผิดปกติ ข้อผิดพลาด ค่าที่หายไป และอื่นๆ เช่น ภาพอาจไม่ตรงกัน ไม่ชัดเจน หรือขนาดใหญ่เกินไป ตัวอย่างการอัปโหลดและแสดงภาพด้วย

Hysteresis หมายถึงผลลัพธ์ที่ตามมาช้า (lagging effect) เกี่ยวกับ threshold hysteresis หมายถึง พื้นที่ที่อยู่เหนือค่า threshold ต่ำ หรือเหนือค่า threshold สูง กล่าวคือพื้นที่ที่มีความมั่นใจสูง (highly-confident) ด้วย hysteresis สามารถเพิกเฉย雜訊 (noise) นอกขอบของวัตถุในภาพได้ มาดูวิธีทำ hysteresis thres

ค่าของ R, G, B จะถูกเปลี่ยนแปลงและนำไปคูณกับภาพต้นฉบับเพื่อให้ได้เฉดสีที่ต้องการ ด้านล่างคือโปรแกรม Python ที่ใช้ scikit-learn (sklearn) ไลบรารีสำหรับ Machine Learning เพื่อทำงานนี้: ตัวอย่าง import matplotlib.pyplot as plt from skimage import data from skimage import color path = path to puppy_1.jp

NumPy ย่อมาจาก Numerical Python เป็นไลบรารีที่มีออบเจกต์อาร์เรย์หลายมิติ (multidimensional array) และเมธอดมากมายสำหรับประมวลผลอาร์เรย์ NumPy ใช้ทำงานกับอาร์เรย์หลากหลายรูปแบบ ใช้ร่วมกับแพ็กเกจอย่าง SciPy, Matplotlib เป็นต้น NumPy + Matplotlib ถือเป็นทางเลือกแทน MatLab เป็นแพ็กเกจโอเพนซอร์ส ใครก็ใช้ไ

สมมติว่าเรามีรายการค่าที่ไม่ซ้ำกัน และต้องการลบตัวเลขแต่ละตัวตามลำดับไม่ลดลง (non-decreasing order) ต้องการหาดัชนีของตัวเลขในลำดับที่พวกเขาถูกลบ เช่น nums = [4, 6, 2, 5, 3, 1] ผลลัพธ์ = [5, 2, 3, 0, 1, 0] ลบ 1 (ดัชนี 5) → [4,6,2,5,3] ลบ 2 (ดัชนี 2) → [4,6,5,3] ลบ 3 (ดัชนี 3) → [4,6,5] ลบ 4 (ดัชนี 0)

สมมติว่าเรามีกราฟไม่มีทิศทาง (undirected graph) ต้องการตรวจสอบว่ามีวัฏจักร (cycle) ที่มีความยาวเป็นเลขคี่ (odd length cycle) หรือไม่ เช่น adj_list = [[1, 2], [0, 3, 4], [0, 3, 4], [1, 2, 4], [1, 2, 3]] ผลลัพธ์ = True มีวัฏจักรคี่ เช่น [0, 1, 3, 4, 2], [1, 3, 4], [2, 3, 4] ขั้นตอนการแก้ปัญหา (DFS + D

สมมติว่าเรามีพจนานุกรมคำ dictionary และสตริง start และ end ต้องการไปจาก start ถึง end โดยเปลี่ยนตัวอักษรทีละตัว และคำทุกขั้นตอนต้องอยู่ในพจนานุกรม คำคำนึงถึงพิมพ์เล็ก/ใหญ่ หาจำนวนขั้นตอนขั้นต่ำ ถ้าไม่ได้คืน -1 เช่น dictionary = [may, ray, rat] start = rat end = may ผลลัพธ์ = 3 เส้นทาง: [rat, ray, ma

สมมติว่าเรามีตัวเลข n และรายการเส้นเชื่อม edges มีโหนด 0 ถึง N สร้างเครือข่าย แต่ละเส้น (a, b, t) แสดงว่าส่งข้อความจาก a ไป b หรือ b ไป a ใช้เวลา t เมื่อโหนดรับข้อความ จะส่งต่อไปยังโหนดติดกันทันที ถ้าโหนดทั้งหมดเชื่อมต่อกัน หาเวลาที่ทุกโหนดรับข้อความที่เริ่มจากโหนด 0 เช่น n = 3, edges = [[0,1,3],[1,

สมมติว่าเรามีรายการคำ words และค่า k ต้องการหาจำนวนสับลิสต์ที่มีคำที่แตกต่างกัน (distinct words) พอดี k คำ เช่น words = [Kolkata, Delhi, Delhi, Kolkata] k = 2 ผลลัพธ์ = 5 สับลิสต์ที่มี 2 คำไม่ซ้ำ: [Kolkata, Delhi], [Delhi, Kolkata], [Kolkata, Delhi, Delhi], [Delhi, Delhi, Kolkata], [Kolkata, Delhi,

สมมติว่าเรามีรายการตัวเลขที่ไม่ซ้ำกัน nums ต้องการหาเซตย่อย (subset) ที่ใหญ่ที่สุด ที่ทุกคู่ (i, j) ในเซต ต้องมี i % j == 0 หรือ j % i == 0 คืนขนาดของเซตนี้ เช่น nums = [3, 6, 12, 24, 26, 39] ผลลัพธ์ = 4 เซตที่ถูกต้อง: [3, 6, 12, 24] ขั้นตอนการแก้ปัญหา (DP หลังเรียงลำดับ) dp := array ขนาด n เติม 1

สมมติว่าเรามีตัวเลข 4 ตัว n, a, b, c ต้องการหาพจน์ที่ n (0-indexed) ของลำดับที่เรียงลำดับของตัวเลขที่หารด้วย a หรือ b หรือ c ลงตัว เช่น n = 8, a = 3, b = 7, c = 9 ผลลัพธ์ = 18 9 พจน์แรก: [1, 3, 6, 7, 9, 12, 14, 15, 18] (หมายเหตุ: 1 หารด้วยอะไรได้บ้าง? ตรงนี้อาจมีข้อผิดพลาดในตัวอย่างต้นฉบับ) ขั้นตอนก

สมมติว่าเรามีตัวเลข n ต้องการหาจำนวนวิธีเติมกล่องขนาด 3 x n ด้วยโดมิโนขนาด 1 x 2 (หมุนได้) ถ้าคำตอบมากเกินไป modulo 10^9+7 เช่น n = 4 ผลลัพธ์ = 11 ขั้นตอนการแก้ปัญหา (Recurrence Relation) m = 10^9 + 7 ถ้า n เป็นคี่ คืน 0 (ไม่สามารถเติมได้) cs := 1 (complete states), os := 0 (open states) วน i = 2..

สมมติว่าเรามีเมทริกซ์ไบนารี 0 = น้ำ, 1 = ที่ดิน ต้องการหาที่ดินที่มีระยะทางแมนฮัตตัน (Manhattan distance) จากน้ำมากที่สุด และคืนระยะทางนั้น เช่น เมทริกซ์: 1 1 1 1 1 1 0 1 1 1 1 1 0 0 1 1 ผลลัพธ์ = 3 เซลล์ [0,0] มีระยะทางแมนฮัตตันจากน้ำ = 3 ขั้นตอนการแก้ปัญหา (Multi-source BFS) ถ้า A ว่าง คืน 0 R, C

สมมติว่าเรามีรายการสี (R, G, B) ถ้าสีต่างกันอยู่ติดกัน สามารถรวมกลายเป็นสีที่สามได้ ต้องการหาจำนวนสีที่เหลือน้อยที่สุดหลังทำการรวมอย่างใดอย่างหนึ่ง เช่น colors = [G, R, G, B, R] ผลลัพธ์ = 1 สามารถรวมได้จนเหลือ 1 สี ขั้นตอนการแก้ปัญหา (XOR Properties) n := len(colors) ถ้ามีสีเพียงสีเดียว คืน n ถ้า n