บทนำ Vertical Point Plot จัดกลุ่มตามตัวแปร Categorical ใช้ seaborn.pointplot() ส่งตัวแปรเป็น x หรือ y ขั้นตอน นำเข้าไลบรารี โหลด Cricketers.csv วาด Vertical Point Plot: sb.pointplot(dataFrame[Role], dataFrame[Age]) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as pl

บทนำ ใช้ agg(list) ร่วมกับ groupby() รวมค่าในแต่ละกลุ่มเป็นลิสต์ ขั้นตอน นำเข้า pandas สร้าง DataFrame (Car, Units) มี Car ซ้ำ จัดกลุ่มและรวมเป็นลิสต์: dataFrame = dataFrame.groupby(Car).agg(list) โค้ดเต็ม import pandas as pd dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Lexus, Mustang, Ben

บทนำ Horizontal Point Plot กำหนด x และ y เป็นคอลัมน์ของข้อมูล ใช้ seaborn.pointplot() ขั้นตอน นำเข้าไลบรารี โหลด Cricketers.csv วาด Horizontal Point Plot: sb.pointplot(x=Age, y=Academy, data=dataFrame) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as plt dataFrame

บทนำ Time Series Plot หลายคอลัมน์ ใช้ lineplot() หลายครั้งบน Figure เดียวกัน ขั้นตอน นำเข้า seaborn, pandas, matplotlib สร้าง DataFrame มี Date_of_Purchase, Units Sold, Units Returned พลอต 2 เส้น: sb.lineplot(x=Date_of_Purchase, y=Units Sold, data=dataFrame) sb.lineplot(x=Date_of_Purchase, y=Units

บทนำ Horizontal Point Plot ไม่เชื่อมเส้นระหว่างจุด ตั้ง join=False ใน pointplot() ขั้นตอน นำเข้าไลบรารี โหลด Cricketers.csv วาด Horizontal Point Plot: sb.pointplot(x=Age, y=Academy, data=dataFrame, join=False) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as plt da

บทนำ Point Plot ควบคุมลำดับหมวดหมู่ด้วยพารามิเตอร์ order ใช้ข้อมูล Cricketers.csv ขั้นตอน นำเข้าไลบรารี โหลด CSV วาด Point Plot ระบุลำดับ Academy: sb.pointplot(x=Academy, y=Age, data=dataFrame, order=[Tasmania, South Australia, Victoria]) โค้ดเต็ม import seaborn as sb import pandas as pd im

บทนำ ใช้ .loc[] เลือกแถวและคอลัมน์พร้อมกัน ตั้งเงื่อนไขแถวและระบุคอลัมน์ที่ต้องการ ขั้นตอน อ่าน SalesData.csv เลือกแถวที่ 100 และแสดงเฉพาะคอลัมน์ Car: 100, Car] โค้ดเต็ม 100, Car] print(\nSubset...\n, res2) ผลลัพธ์ 100)

บทนำ Bar Plot แสดง Standard Deviation ด้วยพารามิเตอร์ ci=sd ใน barplot() ใช้ข้อมูล Cricketers2.csv ขั้นตอน นำเข้าไลบรารี โหลด CSV วาด Bar Plot: sb.barplot(x=Academy, y=Matches, data=dataFrame, ci=sd) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as plt dataFrame =

บทนำ ใช้ groupby() ร่วมกับ pd.Grouper จัดกลุ่มข้อมูลตามปี คำนวณผลรวม Reg_Price ทุก 3 ปี ขั้นตอน สร้าง DataFrame มีคอลัมน์ Date_of_Purchase (Timestamp) และ Reg_Price จัดกลุ่มด้วย pd.Grouper(key=Date_of_Purchase, freq=3Y) แล้ว .sum() โค้ดเต็ม import pandas as pd dataFrame = pd.DataFrame({ Car

บทนำ ใช้ seaborn.boxplot() พร้อม orient=h วาด Box Plot สำหรับตัวแปรตัวเลขทุกคอลัมน์ใน DataFrame ขั้นตอน นำเข้าไลบรารี โหลด Cricketers.csv วาด Box Plot: sb.boxplot(data=dataFrame, orient=h) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.read_csv

บทนำ Point Plot แสดง Standard Deviation ของการสังเกตด้วยพารามิเตอร์ ci=sd ใน pointplot() ขั้นตอน นำเข้าไลบรารี โหลด Cricketers.csv วาด Point Plot: sb.pointplot(x=Academy, y=Age, data=dataFrame, ci=sd) โค้ดเต็ม import seaborn as sb import pandas as pd import matplotlib.pyplot as plt dataFrame =

บทนำ สามารถพลอต Line Graph, Pie Chart, Histogram จาก DataFrame ด้วย Matplotlib Line Graph import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Audi, Mustang, Bentley, Jaguar], Reg_Price: [2000, 2500, 2800, 3000, 3200, 3500], Units: [100, 120,

บทนำ Histogram แสดงการกระจายข้อมูล ใช้ plt.hist() ขั้นตอน นำเข้า pandas, matplotlib สร้าง DataFrame (Car, Reg_Price) วาด Histogram: plt.hist(dataFrame[Reg_Price]) โค้ดเต็ม import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Merce

บทนำ ใช้ plt.pie() วาด Pie Chart แสดงสัดส่วนข้อมูลในคอลัมน์ ขั้นตอน นำเข้า pandas, matplotlib สร้าง DataFrame (Car, Reg_Price) วาด Pie Chart: plt.pie(dataFrame[Reg_Price], labels=dataFrame[Car]) โค้ดเต็ม import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.DataFrame({ Car: [B

บทนำ ใช้ plt.plot() วาด Line Graph จากคอลัมน์ของ DataFrame ขั้นตอน นำเข้า pandas, matplotlib สร้าง DataFrame (Car, Reg_Price, Units) พลอต: plt.plot(dataFrame[Reg_Price], dataFrame[Units]) โค้ดเต็ม import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.DataFrame({ Car: [BMW, Lex

บทนำ ใช้ไลบรารี pdpipe สร้าง Pipeline ลบแถวจาก DataFrame ด้วย ValDrop() ขั้นตอน นำเข้า pdpipe และ pandas สร้าง DataFrame ข้อมูลรถยนต์ เพิ่มคอลัมน์ Stock จากเงื่อนไข Units ลบแถวที่ Car == Jaguar ด้วย pdp.ValDrop([Jaguar], Car).apply(dataFrame) โค้ดเต็ม = 100: return OverStock else:

บทนำ Uptrend คือแนวโน้มขึ้นของ Time Series ใช้ข้อมูล SalesRecords.csv ขั้นตอน นำเข้า pandas, matplotlib โหลด CSV แปลง Date_of_Purchase เป็น datetime ตั้งเป็น Index พลอตด้วย dataFrame.plot() โค้ดเต็ม import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.read_csv(C:\\Users\\amit_\\De

บทนำ Downtrend คือแนวโน้มลงของ Time Series ใช้ข้อมูล SalesRecords2.csv ขั้นตอน นำเข้า pandas, matplotlib โหลด CSV แปลง Sold_On เป็น datetime ตั้งเป็น Index พลอตด้วย dataFrame.plot() โค้ดเต็ม import pandas as pd import matplotlib.pyplot as plt dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\S

บทนำ ใช้ fillna(method=ffill) แทนที่ค่า NaN ด้วยค่าก่อนหน้าที่ไม่ใช่ Null ขั้นตอน นำเข้า pandas อ่านไฟล์ SalesData.csv ที่มีค่า NaN ใช้ dataFrame.fillna(method=ffill) โค้ดเต็ม import pandas as pd dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\SalesData.csv) print(DataFrame...\n, dataFrame)

บทนำ ใช้ pd.merge() รวม DataFrame แบบ One-to-One ตั้ง validate=one_to_one ตรวจสอบคีย์ไม่ซ้ำในทั้งสองฝั่ง ขั้นตอน สร้าง DataFrame1 (Car, Units) สร้าง DataFrame2 (Car, Reg_Price) รวมด้วย pd.merge(dataFrame1, dataFrame2, validate=one_to_one) โค้ดเต็ม import pandas as pd dataFrame1 = pd.DataFrame({