iloc विधि स्थिति के आधार पर चयन के लिए एक पूर्णांक-स्थान आधारित अनुक्रमण है। हम डेटाफ़्रेम में सूची जोड़ने के लिए iloc का उपयोग कर रहे हैं। आइए सबसे पहले एक DataFrame बनाएं। डेटा हमारे उदाहरण के लिए टीम रैंकिंग की सूचियों के रूप में है - टीम रैंकिंग की सूची के रूप में # डेटा टीम =[[भारत, 1, 100], [

दो पांडा डेटाफ़्रेम को मर्ज करने के लिए, मर्ज () . का उपयोग करें समारोह। बस दोनों डेटाफ़्रेम को मर्ज () फ़ंक्शन के पैरामीटर के रूप में सेट करें। सबसे पहले, आइए पीडी उपनाम के साथ आवश्यक पुस्तकालय आयात करें - import pandas as pd 1सेंट . बनाएं डेटाफ़्रेम - # Create DataFrame1 dataFrame1 = pd.DataFram

दो पांडा डेटाफ़्रेम को सामान्य कॉलम के साथ मर्ज करने के लिए, मर्ज () . का उपयोग करें कार्य करें और चालू . सेट करें स्तंभ नाम के रूप में पैरामीटर। सबसे पहले, आइए एक उपनाम के साथ पांडा पुस्तकालय को आयात करें - import pandas as pd आइए 1st . बनाएं डेटाफ़्रेम - dataFrame1 = pd.DataFrame(    {

दो डेटाफ़्रेम द्वारा साझा किए गए कॉलम प्राप्त करने के लिए, intersect1d () विधि का उपयोग करें। यह विधि numpy द्वारा प्रदान की जाती है, इसलिए आपको पंडों के साथ भी Numpy आयात करने की आवश्यकता है। आइए पहले आवश्यक पुस्तकालयों को आयात करें - import pandas as pd import numpy as np दो डेटाफ़्रेम बनाएं - #

एक सबसेट बनाने और डुप्लिकेट मानों से केवल अंतिम प्रविष्टि प्रदर्शित करने के लिए, रखें . का उपयोग करें अंतिम . के साथ पैरामीटर ड्रॉप_डुप्लिकेट () विधि में मूल्य। drop_duplicates() विधि ने डुप्लीकेट हटा दिए। आइए सबसे पहले 3 कॉलम के साथ एक DataFrame बनाएं - dataFrame = pd.DataFrame({'Car': [&#

एक बहु-स्तरीय कॉलम को स्टैक करने के लिए, स्टैक () विधि का उपयोग करें। सबसे पहले, आवश्यक पुस्तकालय आयात करें - import pandas as pd एक बहु-स्तरीय स्तंभ बनाएं - items = pd.MultiIndex.from_tuples([('Maths', 'Mental Maths'),('Maths', 'Discrete Mathematics'),('Maths

दो से अधिक पंडों के डेटाफ़्रेम को संयोजित करने के लिए, कॉन्सैट () विधि का उपयोग करें। सबसे पहले, आवश्यक पुस्तकालय आयात करें - import pandas as pd आइए हम 1st . बनाएं डेटाफ़्रेम - dataFrame1 = pd.DataFrame(    { "Col1": [10, 20, 30],"Col2": [40, 50, 60],"Col3&

एक से अधिक CSV फ़ाइलों को एक पांडा डेटाफ़्रेम में मर्ज करने के लिए, read_csv का उपयोग करें। सबसे पहले, आवश्यक पंडों पुस्तकालय को आयात करें। यहां। हमने pd को एक उपनाम के रूप में सेट किया है - import pandas as pd अब, मान लें कि निम्नलिखित हमारी CSV फ़ाइलें हैं - Sales1.csv Sales2.csv हमने पथ

किसी निर्देशिका में सभी एक्सेल फ़ाइलों को पढ़ने के लिए, ग्लोब मॉड्यूल और read_excel() विधि का उपयोग करें। मान लें कि एक निर्देशिका में हमारी एक्सेल फाइलें निम्नलिखित हैं - बिक्री1.xlsx बिक्री2.xlsx सबसे पहले, वह पथ सेट करें जहां सभी एक्सेल फाइलें स्थित हैं। एक्सेल फ़ाइलें प्राप्त करें और ग

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल घनत्व अनुमान के संयोजन को आकर्षित करने के लिए किया जाता है। इसके लिए Seaborn.violinplot() का इस्तेमाल किया जाता है। आदेश . का उपयोग करके स्पष्ट आदेश सेट करें वायलिनप्लॉट का पैरामीटर ()। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलिखित ह

सीबॉर्न में झुंड प्लॉट का उपयोग गैर-अतिव्यापी बिंदुओं के साथ एक श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए Seaborn.swarmplot() का प्रयोग किया जाता है। झुंडों को दो श्रेणीगत चरों द्वारा समूहित करने के लिए, उन चरों को x, y या रंग का उपयोग करके swarmplot() में सेट करें। पैरामीटर। मान ल

सीबॉर्न में झुंड प्लॉट का उपयोग गैर-अतिव्यापी बिंदुओं के साथ एक श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। seaborn.swarmplot() इसके लिए प्रयोग किया जाता है। आदेश का उपयोग करके एक विशिष्ट कॉलम के आधार पर एक स्पष्ट आदेश यानी आदेश देकर झुंड आदेश को नियंत्रित करें पैरामीटर - मान लें कि CSV फ़ाइल

सीबॉर्न में झुंड प्लॉट का उपयोग गैर-अतिव्यापी बिंदुओं के साथ एक श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए Seaborn.swarmplot() का प्रयोग किया जाता है। सीबोर्न.बॉक्सप्लॉट () का उपयोग करके बॉक्स प्लॉट के ऊपर अवलोकनों के झुंड बनाएं। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलि

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल घनत्व अनुमान के संयोजन को आकर्षित करने के लिए किया जाता है। Seaborn.वायलिनप्लॉट () का उपयोग किया जाता है। आंतरिक . का उपयोग करके चतुर्थक को क्षैतिज रेखाओं के रूप में सेट करें मान चतुर्थक . के साथ पैरामीटर । मान लें कि CSV फ़ाइल के रूप में हमारा

किसी फ़ोल्डर में सभी एक्सेल फ़ाइलों को पढ़ने के लिए, ग्लोब मॉड्यूल और read_csv() विधि का उपयोग करें। मान लें कि एक निर्देशिका में हमारी एक्सेल फाइलें निम्नलिखित हैं - सबसे पहले, हम पथ निर्धारित करते हैं और csv फ़ाइलें प्राप्त करते हैं। हमारी सीएसवी फाइलें MyProject फोल्डर में हैं - path = "C:\

CSV को एक कॉलम से सॉर्ट करने के लिए, Sort_values() विधि का उपयोग करें। उस कॉलम को सेट करें जिसके उपयोग से आप सॉर्ट_वैल्यू () विधि में सॉर्ट करना चाहते हैं। सबसे पहले, हमारी CSV फ़ाइल SalesRecords.csv को DataFrame के साथ पढ़ें - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.c

पंक्तियों को फ़िल्टर करने और विशिष्ट स्तंभ मान प्राप्त करने के लिए, पंडों में () विधि का उपयोग करें। सबसे पहले, हम आवश्यक पुस्तकालय को उपनाम के साथ आयात करते हैं - import pandas as pd Read_csv() का उपयोग करके CSV फ़ाइल पढ़ें। हमारी CSV फ़ाइल डेस्कटॉप पर है - dataFrame = pd.read_csv("C:\\Users\

वांछित पाठ वाली पंक्तियों को पुनरावृत्त करने और लाने के लिए, itertuples() और find() विधि का उपयोग करें। itertuples() DataFrame पंक्तियों पर पुनरावृति करता है। सबसे पहले, हम आवश्यक पुस्तकालय को एक उपनाम के साथ आयात करते हैं - pd के रूप में पांडा आयात करें हमारा सीएसवी डेस्कटॉप पर है जैसा कि नीचे दि

DataFrame से पंक्तियों की विशिष्ट संख्या प्रदर्शित करने के लिए, head() . का उपयोग करें समारोह। पैरामीटर को प्राप्त करने के लिए पंक्ति रिकॉर्ड की संख्या के रूप में सेट करें। उदाहरण के लिए, 10 पंक्तियों के लिए, − . का उल्लेख करें dataFrame.head(10) सबसे पहले, हम आवश्यक पुस्तकालय को एक उपनाम के साथ आय

डेटाफ़्रेम में पंक्तियों और स्तंभों की गणना करने के लिए, आकृति गुण का उपयोग करें। सबसे पहले, मान लें कि हमारे पास डेस्कटॉप पर एक CSV फ़ाइल है जैसा कि नीचे दिए गए पथ में दिखाया गया है - C:\\Users\\amit_\\Desktop\\CarRecords.csv CSV फ़ाइल पढ़ें - dataFrame = pd.read_csv("C:\\Users\\amit_\\Deskto