iloc मेथड स्थिति के आधार पर चयन के लिए एक पूर्णांक-स्थान आधारित इंडेक्सिंग है। हम डेटाफ्रेम में एक सूची जोड़ने के लिए iloc का उपयोग कर रहे हैं। पहले एक डेटाफ्रेम बनाएं। डेटा हमारे उदाहरण के लिए टीम रैंकिंग की सूचियों के रूप में है: # टीम रैंकिंग की सूची के रूप में डेटा Team = [[India, 1, 100], [Aus

दो पैंडास डेटाफ्रेम मर्ज करने के लिए, merge() फ़ंक्शन का उपयोग करें। बस merge() फ़ंक्शन के पैरामीटर के रूप में दोनों डेटाफ्रेम सेट करें। पहले, उपनाम pd के साथ आवश्यक लाइब्रेरी आयात करें: import pandas as pd पहला डेटाफ्रेम बनाएं: # डेटाफ्रेम1 बनाएं dataFrame1 = pd.DataFrame( { Car: [BMW,

सामान्य कॉलम के साथ दो पैंडास डेटाफ्रेम मर्ज करने के लिए, merge() फ़ंक्शन का उपयोग करें और ON पैरामीटर को कॉलम नाम के रूप में सेट करें। पहले, उपनाम के साथ पैंडास लाइब्रेरी आयात करें: import pandas as pd पहला डेटाफ्रेम बनाएं: dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Mustang,

दो डेटाफ्रेम द्वारा साझा किए गए कॉलम प्राप्त करने के लिए, intersect1d() मेथड का उपयोग करें। यह मेथड नम्पी द्वारा प्रदान किया जाता है, इसलिए आपको पैंडास के साथ नम्पी भी आयात करना होगा। पहले आवश्यक लाइब्रेरी आयोर्ट करें: import pandas as pd import numpy as np दो डेटाफ्रेम बनाएं: # डेटाफ्रेम1 बनाएं da

सबसेट बनाने और डुप्लिकेट मानों से केवल अंतिम प्रविष्टि प्रदर्शित करने के लिए, drop_duplicates() मेथड में keep पैरामीटर के साथ last मान का उपयोग करें। drop_duplicates() मेथड डुप्लिकेट को हटा देता है। पहले 3 कॉलम के साथ एक डेटाफ्रेम बनाएं: dataFrame = pd.DataFrame({Car: [BMW, Mercedes, Lamborghini, B

मल्टी-लेवल कॉलम को स्टैक करने के लिए, stack() मेथड का उपयोग करें। पहले, आवश्यक लाइब्रेरी आयात करें: import pandas as pd मल्टी-लेवल कॉलम बनाएं: items = pd.MultiIndex.from_tuples([(Maths, Mental Maths), (Maths, Discrete Mathematics),

दो से अधिक पैंडास डेटाफ्रेम को जोड़ने के लिए, concat() मेथड का उपयोग करें। पहले, आवश्यक लाइब्रेरी आयात करें: import pandas as pd पहला डेटाफ्रेम बनाएं: dataFrame1 = pd.DataFrame( { Col1: [10, 20, 30], Col2: [40, 50, 60], Col3: [70, 80, 90], }, index=[0, 1, 2], ) द

एक से अधिक CSV फ़ाइलों को एकल पैंडास डेटाफ्रेम में मर्ज करने के लिए, read_csv का उपयोग करें। पहले, आवश्यक पैंडास लाइब्रेरी आयात करें। यहां हमने pd को उपनाम के रूप में सेट किया है: import pandas as pd अब, मान लीजिए निम्नलिखित हमारी CSV फ़ाइलें हैं: Sales1.csv Sales2.csv हमने पथ को स्ट्रिंग के रूप

डायरेक्टरी में सभी एक्सेल फ़ाइलों को पढ़ने के लिए, Glob मॉड्यूल और read_excel() मेथड का उपयोग करें। मान लीजिए निम्नलिखित एक डायरेक्टरी में हमारी एक्सेल फ़ाइलें हैं: Sales1.xlsx Sales2.xlsx पहले, वह पथ सेट करें जहां सभी एक्सेल फ़ाइलें स्थित हैं। एक्सेल फ़ाइलें प्राप्त करें और ग्लोब का उपयोग करके उ

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल डेंसिटी अनुमान के संयोजन को बनाने के लिए किया जाता है। इसके लिए seaborn.violinplot() का उपयोग किया जाता है। violinplot() के order पैरामीटर का उपयोग करके स्पष्ट ऑर्डर सेट करें। मान लीजिए निम्नलिखित हमारा डेटासेट CSV फ़ाइल के रूप में है - Cricket

सीबॉर्न में स्वार्म प्लॉट का उपयोग नॉन-ओवरलैपिंग पॉइंट्स के साथ श्रेणीगत स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए seaborn.swarmplot() का उपयोग किया जाता है। दो श्रेणीगत चर द्वारा स्वार्म को ग्रुप करने के लिए, उन चर को swarmplot() में x, y या hue पैरामीटर्स का उपयोग करके सेट करें। मान लीजिए न

सीबॉर्न में स्वार्म प्लॉट का उपयोग नॉन-ओवरलैपिंग पॉइंट्स के साथ श्रेणीगत स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए seaborn.swarmplot() का उपयोग किया जाता है। order पैरामीटर का उपयोग करके एक विशिष्ट कॉलम के आधार पर ऑर्डरिंग करके स्वार्म ऑर्डर को स्पष्ट ऑर्डर पास करके नियंत्रित करें: मान लीजिए

सीबॉर्न में स्वार्म प्लॉट का उपयोग नॉन-ओवरलैपिंग पॉइंट्स के साथ श्रेणीगत स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए seaborn.swarmplot() का उपयोग किया जाता है। seaborn.boxplot() का उपयोग करके बॉक्स प्लॉट के ऊपर ऑब्जर्वेशन के स्वार्म बनाएं। मान लीजिए निम्नलिखित हमारा डेटासेट CSV फ़ाइल के रूप में

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल डेंसिटी अनुमान के संयोजन को बनाने के लिए किया जाता है। seaborn.violinplot() का उपयोग किया जाता है। inner पैरामीटर का उपयोग करके quartile मान के साथ चतुर्थक को क्षैतिज रेखाओं के रूप में सेट करें। मान लीजिए निम्नलिखित हमारा डेटासेट CSV फ़ाइल के र

CSV को एकल कॉलम द्वारा सॉर्ट करने के लिए, sort_values() मेथड का उपयोग करें। sort_values() मेथड में उस कॉलम को सेट करें जिसका उपयोग करके आप सॉर्ट करना चाहते हैं। पहले, आइए हमारे CSV फ़ाइल SalesRecords.csv को डेटाफ्रेम के साथ पढ़ें: dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\SalesRecords.csv)

पंक्तियों को फ़िल्टर करने और विशिष्ट कॉलम मान प्राप्त करने के लिए, पैंडास contains() मेथड का उपयोग करें। पहले, उपनाम के साथ आवश्यक लाइब्रेरी आयात करें: import pandas as pd read_csv() का उपयोग करके CSV फ़ाइल पढ़ें। हमारी CSV फ़ाइल डेस्कटॉप पर है: dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\Ca

वांछित टेक्स्ट वाली पंक्तियों को इटरेट करके प्राप्त करने के लिए, itertuples() और find() मेथड का उपयोग करें। itertuples() डेटाफ्रेम पंक्तियों पर इटरेट करता है। पहले, एक उपनाम के साथ आवश्यक लाइब्रेरी आयात करें: import pandas as pd हमारा CSV डेस्कटॉप पर है जैसा कि नीचे दिए गए पथ में दिखाया गया है: C:\

डेटाफ्रेम से विशिष्ट संख्या में पंक्तियाँ प्रदर्शित करने के लिए, head() फ़ंक्शन का उपयोग करें। पैरामीटर को प्राप्त की जाने वाली पंक्ति रिकॉर्ड की संख्या पर सेट करें। उदाहरण के लिए, 10 पंक्तियों के लिए, उल्लेख करें: dataFrame.head(10) पहले, एक उपनाम के साथ आवश्यक लाइब्रेरी आयात करें: import pandas a

डेटाफ्रेम में पंक्तियों और कॉलम की गिनती करने के लिए, shape प्रॉपर्टी का उपयोग करें। पहले, मान लीजिए 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_\\Desktop\\CarRecor