ในการลบระดับ (level) ใน MultiIndex โดยใช้ตำแหน่ง (position) ให้ใช้เมธอด multiIndex.droplevel() และระบุตำแหน่งของระดับที่ต้องการลบ ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง MultiIndex multiIndex = pd.MultiIndex.from_arrays([[5, 10], [15, 20], [25, 30], [35, 40]], names
ในการลบระดับ (level) เดียวใน MultiIndex โดยใช้ชื่อระดับ ให้ใช้เมธอด multiIndex.droplevel() และระบุชื่อระดับที่ต้องการลบ ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง MultiIndex multiIndex = pd.MultiIndex.from_arrays([[5, 10], [15, 20], [25, 30], [35, 40]], names=[a, b, c,
ในการลบหลายระดับ (levels) ใน MultiIndex โดยใช้ชื่อระดับ ให้ใช้เมธอด multiIndex.droplevel() และส่งรายการชื่อระดับที่ต้องการลบ ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง MultiIndex multiIndex = pd.MultiIndex.from_arrays([[5, 10], [15, 20], [25, 30], [35, 40]], names=[a,
ในการเติมค่า NaN ในดัชนี (Index) ด้วยค่าที่ระบุ ให้ใช้เมธอด index.fillna() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้างดัชนีที่มี NaN index = pd.Index([50, 10, 70, np.nan, 90, 50, np.nan, np.nan, 30]) 3. แสดงดัชนี print(Pandas Index...\n, in
ในการลบค่า NaN ออกจากดัชนี (Index) ให้ใช้เมธอด index.dropna() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้างดัชนีที่มี NaN index = pd.Index([50, 10, 70, np.nan, 90, 50, np.nan, np.nan, 30]) 3. แสดงดัชนี print(Pandas Index...\n, index) 4. ลบค่
ในการลบค่าที่ ระดับใดระดับหนึ่ง (any level) เป็น NaN ใน MultiIndex ให้ใช้เมธอด multiIndex.dropna() พร้อมตั้งค่าพารามิเตอร์ how=any ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้าง MultiIndex ที่มี NaN บางระดับ multiIndex = pd.MultiIndex.from_arrays([[5, 10
ในการลบค่าที่ ทุกระดับ (all levels) เป็น NaN ใน MultiIndex ให้ใช้เมธอด multiIndex.dropna() พร้อมตั้งค่าพารามิเตอร์ how=all ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้าง MultiIndex ที่มี NaT ทุกระดับ multiIndex = pd.MultiIndex.from_arrays([[np.nan, np.na
ในการแสดงว่าองค์ประกอบไหนในดัชนี (Index) เป็น NA (Missing) ให้ใช้เมธอด index.isna() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้างดัชนีที่มี NaN index = pd.Index([5, 65, np.nan, 17, 75, np.nan]) 3. แสดงดัชนี print(Pandas Index...\n, index) 4.
ในการแสดงว่าองค์ประกอบไหนในดัชนี (Index) ไม่ใช่ NA (Not Missing) ให้ใช้เมธอด index.notna() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd import numpy as np 2. สร้างดัชนีที่มี NaN index = pd.Index([5, 65, np.nan, 17, 75, np.nan]) 3. แสดงดัชนี print(Pandas Index...\n, ind
ในการสร้างดัชนี (Index) ใหม่โดยแปลงชนิดข้อมูล (dtype) ของค่า ให้ใช้เมธอด index.astype() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้างดัชนี index = pd.Index([50.4, 10.2, 70.5, 110.5, 90.8, 50.6]) 3. แสดงดัชนี print(Pandas Index...\n, index) 4. แปลงชนิดข้อมูลเป็
ในการแปลงดัชนี (Index) เป็นรายการ (list) ของค่า ให้ใช้เมธอด index.to_list() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้างดัชนี index = pd.Index([50.4, 10.2, 70.5, 110.5, 90.8, 50.6]) 3. แสดงดัชนี print(Pandas Index...\n, index) 4. แปลงเป็นรายการ print(\nList o
ในการสร้าง Series จากดัชนี (Index) โดยคงดัชนีและชื่อเดิมไว้ ให้ใช้เมธอด index.to_series() ใน Pandas ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้างดัชนี Pandas index = pd.Index([Electronics, Accessories, Decor, Books, Toys], name=Products) 3. แปลงเป็น Series print(\nIndex
ในการสร้าง DataFrame จากดัชนี (Index) โดยคงดัชนีและชื่อเดิมไว้ ให้ใช้เมธอด index.to_frame() ใน Pandas โดยไม่ระบุพารามิเตอร์ index (ค่าเริ่มต้นคือ True) ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้างดัชนี Pandas index = pd.Index([Electronics, Accessories, Decor, Books, Toys
ในการสร้าง DataFrame จากดัชนี (Index) แต่บังคับใช้ดัชนีใหม่ (ไม่ใช่ดัชนีเดิม) ให้ใช้เมธอด index.to_frame() พร้อมตั้งค่า index=False ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้างดัชนี Pandas index = pd.Index([Electronics, Accessories, Decor, Books, Toys], name=Products) 3
ในการสร้าง IntervalArray จากอาร์เรย์ของทูเพิล (tuples) ให้ใช้ pandas.arrays.IntervalArray.from_tuples() และดูปลายขวา ให้ใช้ array.right ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray จากทูเพิล array = pd.arrays.IntervalArray.from_tuples([(10, 25), (15, 70)])
ในการสร้าง IntervalArray จากอาร์เรย์ของทูเพิล (tuples) ให้ใช้ pandas.arrays.IntervalArray.from_tuples() และดูปลายซ้าย ให้ใช้ array.left ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray จากทูเพิล array = pd.arrays.IntervalArray.from_tuples([(10, 25), (15, 70)])
ในการสร้าง IntervalArray จากอาร์เรย์จุดแบ่ง (splits/breaks) ให้ใช้ pandas.arrays.IntervalArray.from_breaks() ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray จากจุดแบ่ง array = pd.arrays.IntervalArray.from_breaks([0, 1, 2, 3, 4, 5]) 3. แสดงช่วง print(Our Inter
ในการสร้าง IntervalArray จากอาร์เรย์จุดแบ่ง ให้ใช้ pandas.arrays.IntervalArray.from_breaks() และดูปลายซ้ายของแต่ละช่วง ให้ใช้คุณสมบัติ array.left ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray จากจุดแบ่ง array = pd.arrays.IntervalArray.from_breaks([0, 1, 2, 3
ในการสร้าง IntervalArray จากอาร์เรย์จุดแบ่ง ให้ใช้ pandas.arrays.IntervalArray.from_breaks() และดูปลายขวาของแต่ละช่วง ให้ใช้คุณสมบัติ array.right ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray จากจุดแบ่ง array = pd.arrays.IntervalArray.from_breaks([0, 1, 2, 3
ในการสร้าง IntervalArray จากอาร์เรย์จุดแบ่ง ให้ใช้ pandas.arrays.IntervalArray.from_breaks() และตรวจสอบว่าช่วงปิดอยู่ด้านไหน ให้ใช้คุณสมบัติ array.closed ขั้นตอนการทำงาน 1. นำเข้าไลบรารีที่จำเป็น import pandas as pd 2. สร้าง IntervalArray (ปิดขวาเป็นค่าเริ่มต้น) array = pd.arrays.IntervalArray.fr
