Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

पायथन - पैंडास DataFrame के लिए विशिष्ट टाइमस्टैम्प्स की तुलना करें

विशिष्ट टाइमस्टैम्प्स की तुलना करने के लिए, स्क्वायर ब्रैकेट्स में इंडेक्स नंबर का उपयोग करें। सबसे पहले, आवश्यक लाइब्रेरी इम्पोर्ट करें:

import pandas as pd

3 कॉलम के साथ एक DataFrame बनाएं। हमारे पास टाइमस्टैम्प के साथ दो डेट कॉलम हैं:

dataFrame = pd.DataFrame(
    {
        "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW"],
        "Date_of_Purchase": [
            pd.Timestamp("2021-06-10"),
            pd.Timestamp("2021-07-11"),
            pd.Timestamp("2021-06-25"),
            pd.Timestamp("2021-06-29"),
            pd.Timestamp("2021-03-20"),
        ],
        "Date_of_Service": [
            pd.Timestamp("2021-11-05"),
            pd.Timestamp("2021-12-03"),
            pd.Timestamp("2021-10-30"),
            pd.Timestamp("2021-11-29"),
            pd.Timestamp("2021-08-20"),
        ]
    }
)

विशिष्ट टाइमस्टैम्प्स ढूंढें, मान लीजिए 1 से 3 पंक्तियाँ:

timestamp1_diff = abs(dataFrame['Date_of_Purchase'][0] - dataFrame['Date_of_Service'][0])
timestamp2_diff = abs(dataFrame['Date_of_Purchase'][1] - dataFrame['Date_of_Service'][1])
timestamp3_diff = abs(dataFrame['Date_of_Purchase'][2] - dataFrame['Date_of_Service'][2])

उदाहरण

निम्न कोड है:

import pandas as pd

# 3 कॉलम के साथ एक डेटाफ्रेम बनाएं
dataFrame = pd.DataFrame(
    {
        "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW"],
        "Date_of_Purchase": [
            pd.Timestamp("2021-06-10"),
            pd.Timestamp("2021-07-11"),
            pd.Timestamp("2021-06-25"),
            pd.Timestamp("2021-06-29"),
            pd.Timestamp("2021-03-20"),
        ],
        "Date_of_Service": [
            pd.Timestamp("2021-11-05"),
            pd.Timestamp("2021-12-03"),
            pd.Timestamp("2021-10-30"),
            pd.Timestamp("2021-11-29"),
            pd.Timestamp("2021-08-20"),
        ]
    }
)

print("DataFrame...\n", dataFrame)

# विशिष्ट टाइमस्टैम्प्स की तुलना करें
timestamp1_diff = abs(dataFrame['Date_of_Purchase'][0] - dataFrame['Date_of_Service'][0])
timestamp2_diff = abs(dataFrame['Date_of_Purchase'][1] - dataFrame['Date_of_Service'][1])
timestamp3_diff = abs(dataFrame['Date_of_Purchase'][2] - dataFrame['Date_of_Service'][2])

print("\nDifference between Car 1 Date of Purchase and Service \n", timestamp1_diff)
print("\nDifference between Car 2 Date of Purchase and Service \n", timestamp2_diff)
print("\nDifference between Car 3 Date of Purchase and Service \n", timestamp3_diff)

आउटपुट

यह निम्न आउटपुट उत्पन्न करेगा:

DataFrame...
     Car Date_of_Purchase Date_of_Service
0    Audi       2021-06-10      2021-11-05
1   Lexus       2021-07-11      2021-12-03
2   Tesla       2021-06-25      2021-10-30
3 Mercedes       2021-06-29      2021-11-29
4    BMW       2021-03-20      2021-08-20

Difference between Car 1 Date of Purchase and Service
148 days 00:00:00

Difference between Car 2 Date of Purchase and Service
145 days 00:00:00

Difference between Car 3 Date of Purchase and Service
127 days 00:00:00

  1. पायथन - मैटप्लोटलिब के साथ पैंडास DataFrame के लिए हिस्टोग्राम प्लॉट कैसे करें? पायथन - मैटप्लोटलिब के साथ पैंडास DataFrame के लिए हिस्टोग्राम प्लॉट कैसे करें?

    हिस्टोग्राम डेटा के वितरण का प्रतिनिधित्व है। हिस्टोग्राम प्लॉट करने के लिए hist() विधि का उपयोग करें। सबसे पहले, दोनों लाइब्रेरी आयात करें:import pandas as pd import matplotlib.pyplot as plt2 कॉलम के साथ एक DataFrame बनाएं:dataFrame = pd.DataFrame({Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar

  1. पायथन - पैंडास DataFrame के लिए स्कैटर प्लॉट बनाएं पायथन - पैंडास DataFrame के लिए स्कैटर प्लॉट बनाएं

    स्कैटर प्लॉट एक डेटा विज़ुअलाइज़ेशन तकनीक है। स्कैटर प्लॉट प्लॉट करने के लिए plot.scatter() का उपयोग करें। सबसे पहले, आइए आवश्यक लाइब्रेरी आयात करें:हमारे पास टीम रिकॉर्ड के साथ डेटा है। इसे पैंडास DataFrame में सेट करें:data = [[Australia, 2500], [Bangladesh, 1000], [England, 2000], [India, 3000],

  1. पायथन पैंडास - notnull() का उपयोग करके नल मानों की जांच करें पायथन पैंडास - notnull() का उपयोग करके नल मानों की जांच करें

    notnull() मेथड एक बूलियन मान लौटाता है यानी यदि डेटाफ्रेम में नल मान हैं, तो False लौटाया जाता है, अन्यथा True। मान लीजिए निम्नलिखित हमारी CSV फ़ाइल है जिसमें कुछ NaN यानी नल मान हैं: पहले CSV फ़ाइल पढ़ें: dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\CarRecords.csv) नल नहीं मानों की जांच करे