บทนำ Count Plot แสดงจำนวนการสังเกตในแต่ละหมวดหมู่ ใช้ seaborn.countplot() จัดสไตล์แท่งด้วย facecolor, linewidth, edgecolor ขั้นตอน นำเข้าไลบรารี โหลดข้อมูล Cricketers.csv วาด Count Plot คอลัมน์ Age พร้อมจัดสไตล์: sb.countplot(dataFrame[Age], facecolor=(0, 0.0, 0, 0), linewidth=3, edgecolor=sb.

บทนำ ใช้เมธอด sort_values() ของ DataFrame จัดเรียงตามหลายคอลัมน์ หากคอลัมน์แรกมีค่าซ้ำ จะใช้คอลัมน์ที่สองตัดสิน ขั้นตอน อ่านไฟล์ SalesRecords.csv เรียงตาม Reg_Price และ Car พร้อมกัน: dataFrame.sort_values([Reg_Price, Car], axis=0, ascending=True, inplace=True, na_position=first) โค้ดเต็ม i

บทนำ วาด Violin Plot แนวนอนเดี่ยวจากคอลัมน์เดียว ใช้ข้อมูลจาก Cricketers.csv คอลัมน์ Weight ขั้นตอน นำเข้าไลบรารี seaborn, pandas, matplotlib โหลดข้อมูล CSV วาด Horizontal Violin Plot: sb.violinplot(dataFrame[Weight]) ตั้งชื่อแกน X และแสดงผล โค้ดเต็ม import seaborn as sb import pandas as pd imp

โจทย์ ให้อาร์เรย์ nums และความยาว k หาสับอาร์เรย์ความยาว k ที่ มากที่สุด โดยเปรียบเทียบแบบ Lexicographical: สับอาร์เรย์ A มากกว่า B หากมีดัชนี i ที่ A[i] ≠ B[i] และ B[i] ตัวอย่าง: nums = [5, 3, 7, 9], k = 2 ผลลัพธ์ [7, 9] อัลกอริทึม เริ่มจากดัชนี start = len(nums) - k (สับอาร์เรย์สุดท้ายที่เป็นไป

บทนำ ใช้โมดูล glob และ pd.concat() รวมไฟล์ CSV หลายไฟล์ที่อยู่ในโฟลเดอร์เดียวกัน ขั้นตอน นำเข้า pandas, glob, os กำหนดพาธและแพตเทิร์นไฟล์ด้วย os.path.join() ใช้ glob.glob() หาไฟล์ทั้งหมดที่ตรงแพตเทิร์น รวมด้วย pd.concat(map(pd.read_csv, files), ignore_index=True) โค้ดตัวอย่าง import pandas as pd

บทนำ ใช้เมธอด to_csv() ของ Pandas DataFrame เพื่อบันทึกข้อมูลลงไฟล์ CSV ขั้นตอน สร้าง Dictionary ของลิสต์ สร้าง DataFrame จาก Dictionary บันทึกด้วย to_csv() ระบุพาธไฟล์ปลายทาง โค้ดตัวอย่าง import pandas as pd # Dictionary ของข้อมูล d = { Car: [BMW, Lexus, Audi, Mercedes, Jaguar, Bentley],

โจทย์ ให้อาร์เรย์ nums หาความยาวสูงสุดของสับอาร์เรย์ที่ผลคูณของสมาชิกทั้งหมดเป็นบวก ตัวอย่าง: nums = [2,-2,-4,5,-3] ผลลัพธ์ 4 เพราะ 4 ตัวแรก [2,-2,-4,5] คูณกันได้บวก อัลกอริทึม ฟังก์ชันช่วย util(s, e) หาความยาวสับอาร์เรย์สูงสุดในช่วง [s, e] ที่ผลคูณบวก: นับจำนวนค่าลบ (neg) และบันทึกดัชนีแรก (

โจทย์ มีไฟล์ SalesRecords.csv ต้องการสร้าง 3 ไฟล์ CSV แยกตามชื่อรถยนต์: BMW.csv, Lexus.csv, Jaguar.csv วิธีทำ อ่านไฟล์ CSV ต้นทางด้วย pd.read_csv() ใช้ groupby() จัดกลุ่มตามคอลัมน์ Car แล้วบันทึกแต่ละกลุ่มเป็นไฟล์ CSV แยกต่างหาก: for (car), group in dataFrame.groupby([Car]): group.to_csv(f{car

บทนำ Violin Plot รวม Box Plot และ Kernel Density Estimate ใช้ seaborn.violinplot() แสดง Observation เป็น Stick ด้วยพารามิเตอร์ inner=stick และควบคุมลำดับด้วยพารามิเตอร์ order ขั้นตอน นำเข้าไลบรารี โหลดข้อมูลจาก Cricketers.csv วาด Violin Plot ระบุลำดับ Academy และแสดง Stick: sb.violinplot(x=Academy

บทนำ วาด Swarm Plot แนวนอนเดี่ยวจากคอลัมน์เดียว ใช้ข้อมูลจาก Cricketers2.csv คอลัมน์ Matches ขั้นตอน นำเข้าไลบรารีที่จำเป็น โหลดข้อมูล CSV เข้า DataFrame วาด Horizontal Swarm Plot: sb.swarmplot(x=dataFrame[Matches]) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as p

บทนำ Swarm Plot ใน Seaborn เป็น Categorical Scatterplot ที่จุดไม่ทับซ้อน ใช้ seaborn.swarmplot() จัดกลุ่ม swarms โดยตั้งค่าตัวแปร Categorical เป็น x หรือ y ขั้นตอน นำเข้าไลบรารี seaborn, pandas, matplotlib โหลดข้อมูลจาก Cricketers2.csv วาด Swarm Plot จัดกลุ่มตาม Role และ Age: sb.swarmplot(x=dataFr

บทนำ Bar Plot ใน Seaborn แสดงประมาณค่าจุดและช่วงเชื่อมั่นเป็นแท่งสี่เหลี่ยม ใช้ seaborn.barplot() ตั้งค่า Cap ให้ Error Bars ด้วยพารามิเตอร์ capsize ขั้นตอน นำเข้าไลบรารี โหลดข้อมูลจาก Cricketers2.csv วาด Bar Plot พร้อมตั้งค่า capsize=.3: sb.barplot(x=dataFrame[Role], y=dataFrame[Matches], capsize

บทนำ Violin Plot ใน Seaborn รวม Box Plot และ Kernel Density Estimate ใช้ seaborn.violinplot() ตัวอย่างนี้วาด Violin Plot แนวตั้ง จัดกลุ่มตามคอลัมน์ Role และ Age โดยใช้ตัวแปร Categorical ขั้นตอน นำเข้าไลบรารี: import seaborn as sb import pandas as pd import matplotlib.pyplot as plt โหลดข้อมูลจาก C

บทนำ ใช้เมธอด plot.density() ของ Pandas เพื่อวาดกราฟความหนาแน่น (Density Plot) จากข้อมูลในไฟล์ CSV ตัวอย่างใช้ชุดข้อมูล Cricketers2.csv ขั้นตอน นำเข้าไลบรารีที่จำเป็น: import pandas as pd import matplotlib.pyplot as plt โหลดข้อมูลจาก CSV เข้า DataFrame: dataFrame = pd.read_csv(C:\\Users\\amit_\\D

โจทย์ ให้สตริงไบนารี s แบ่งเป็น 3 สตริงไม่ว่าง s1, s2, s3 ที่ s1 + s2 + s3 = s หาจำนวนวิธีแบ่งที่ทำให้จำนวนตัวอักษร 1 ใน s1, s2, s3 เท่ากันทุกคู่ คำตอบอาจใหญ่มาก ให้คืนค่า modulo 10^9+7 ตัวอย่าง: s = 11101011 ผลลัพธ์คือ 2 แบ่งได้เป็น 11 | 1010 | 11 และ 11 | 101 | 011 วิธีแก้ปัญหา นับจำนวน 1 ทั้งหม

โจทย์ ให้อาร์เรย์ arr เราต้องลบสับอาร์เรย์ (subarray) หนึ่งช่วงออก เพื่อให้สมาชิกที่เหลือเรียงลำดับไม่ลดลง (non-decreasing) ต้องการหาความยาวของสับอาร์เรย์ที่สั้นที่สุดที่ต้องลบ ตัวอย่าง: arr = [10,20,30,100,40,20,30,50] ผลลัพธ์คือ 3 เพราะลบ [100, 40, 20] (ความยาว 3) แล้วเหลือ [10,20,30,30,50] ที่เรี

โจทย์ ให้อาร์เรย์สองอาร์เรย์ nums1 และ nums2 เราต้องหาจำนวนทริปเล็ต (triplet) ที่สร้างขึ้นตามกฎสองประเภทดังนี้: ประเภท 1: ทริปเล็ต (i, j, k) โดยที่ nums1[i]² = nums2[j] * nums2[k] โดยที่ 0 ≤ i < ขนาดของ nums1 และ 0 ≤ j < k < ขนาดของ nums2 ประเภท 2: ทริปเล็ต (i, j, k) โดยที่ nums2[i]² = nums1[j] * n

ปัญหา สตริง s และ cost[i] ต้นทุนลบตัวอักษร i หาต้นทุนน้อยที่สุดลบตัวอักษรบางตัว ให้ไม่มีตัวอักษรซ้ำติดกัน (ลบพร้อมกัน ต้นทุนไม่เปลี่ยน) ตัวอย่าง s=pptpp, cost=[2,3,4,5,2] → 4 (ลบ p ตัวแรกและสุดท้าย ต้นทุน 2+2=4 เหลือ ptp) ขั้นตอนการแก้ปัญหา cost_f := 0, ind := 0, prev_i := 0, cost_i := 0 วน i 1..

ปัญหา มี preferences รายการความชอบเพื่อน (index น้อย = ชอบมาก) และ pairs คู่เพื่อน เพื่อน x ไมพอใจถ้า: x คู่กับ y แต่มี u คู่กับ v ที่ x ชอบ u กว่า y และ u ชอบ x กว่า v หาจำนวนเพื่อนไม่พอใจ ตัวอย่าง preferences=[[1,2,3],[3,2,0],[3,1,0],[1,2,0]], pairs=[[0,1],[2,3]] → 2 (เพื่อน 1 และ 3 ไมพอใจ) ขั้น

ปัญหา จุด points (x,y) ต้นทุนเชื่อม 2 จุด = Manhattan distance |xi-xj|+|yi-yj| หาต้นทุนน้อยที่สุดเชื่อมทุกจุด (MST) ตัวอย่าง points=[(0,0),(3,3),(2,10),(6,3),(8,0)] → 22 ขั้นตอนการแก้ปัญหา Prims algorithm: points_set := set(0..n-1), heap := [(0,0)] visited := set(), total := 0 بينما heap and len