जब डिक्शनरी की सूची से सभी अद्वितीय कुंजियाँ प्राप्त करनी हों, तो डिक्शनरी मानों पर इटरेट किया जाता है और उन्हें सेट में बदला जाता है। इसे लिस्ट में बदलकर कंसोल पर प्रदर्शित किया जाता है। उदाहरण नीचे इसका प्रदर्शन है my_list = [{hi: 11, there: 28}, {how: 11, are: 31}, {you: 28, Will: 31}] print(The

हां, हम दो डेटाफ्रेम के बीच कॉमन कॉलम खोजने के लिए & ऑपरेटर का उपयोग कर सकते हैं। सबसे पहले, आइए दो डेटाफ्रेम बनाएं – # डेटाफ्रेम1 बनाना dataFrame1 = pd.DataFrame({Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar],Cubic_Capacity: [2000, 1800, 1500, 2500, 2200, 3000], }) print(Dataframe1...\n,

जब सरणी के तत्वों को मर्ज करके बनी क्रमबद्ध संख्याओं को प्रिंट करना हो, तो एक मेथड परिभाषित की जा सकती है जो पहले संख्या को क्रमबद्ध करती है और संख्या को पूर्णांक में बदलती है। दूसरी मेथड इस लिस्ट को स्ट्रिंग में मैप करती है, और फिर से क्रमबद्ध करती है। उदाहरण नीचे इसका प्रदर्शन है def get_sorted_n

जब दी गई स्ट्रिंग्स की सूची के सबस्ट्रिंग वाली सभी स्ट्रिंग्स खोजनी हों, तो set और list एट्रिब्यूट का उपयोग किया जाता है। उदाहरण नीचे इसका प्रदर्शन है my_list_1 = [Hi, there, how, are, you] my_list_2 = [Hi, there, how, have, you, been] print(The first list is :) print(my_list_1) print(The second li

कॉलम मानों के आधार पर पंक्तियों को फ़िल्टर करने के लिए, हम query() फंक्शन का उपयोग कर सकते हैं। फंक्शन में, उस कंडीशन को सेट करें जिसके माध्यम से आप रिकॉर्ड फ़िल्टर करना चाहते हैं। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd निम्न हमारे टीम रिकॉर्ड के साथ डेटा है – Team = [[India

जब विशिष्ट योग s वाले सभी सबसेट प्राप्त करने हों, तो एक मेथड परिभाषित की जाती है जो लिस्ट के माध्यम से इटरेट करती है, लिस्ट के सभी कॉम्बिनेशन प्राप्त करती है, और यदि योग मेल खाता है, तो उसे कंसोल पर प्रिंट करती है। उदाहरण नीचे इसका प्रदर्शन है from itertools import combinations def sub_set_sum(size

जब लिस्ट ऑफ लिस्ट को लिस्ट ऑफ सेट में बदलना हो, तो map, set, और list मेथड का उपयोग किया जाता है। उदाहरण नीचे इसका प्रदर्शन है my_list = [[2, 2, 2, 2], [1, 2, 1], [1, 2, 3], [1,1], [0]] print(The list of lists is: ) print(my_list) my_result = list(map(set, my_list)) print(The resultant list is: ) pr

पिवट टेबल बनाने के लिए, स्प्रेडशीट-स्टाइल पिवट टेबल को डेटाफ्रेम के रूप में बनाने के लिए pandas.pivot_table() का उपयोग करें। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd टीम रिकॉर्ड के साथ एक डेटाफ्रेम बनाएं – dataFrame = pd.DataFrame({ Team ID: {0: 5, 1: 9, 2: 6, 3: 11, 4: 2,

सीबॉर्न पेयरप्लॉट को एनोटेट करने के लिए हम fig.text() मेथड का उपयोग कर सकते हैं। चरण सीबॉर्न, पैंडास, नम्पाई और पायप्लॉट पैकेज इम्पोर्ट करें। फिगर का आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें। दो-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा का पैंडास डेटाफ्रेम बना

मैटप्लॉटलिब के साथ Y-अक्ष को घातीय रूप से स्केल करने के लिए, हम निम्नलिखिक चरण अपना सकते हैं: फिगर आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग समायोजित करें। चरणों के लिए dt वेरिएबल प्रारंभ करें। नम्पी का उपयोग करके x और y डेटा पॉइंट्स बनाएं। नम्पी का उपयोग करके x और y डेटा पॉइंट्स प्लॉट करे

मैटप्लॉटलिब में वर्टिकल लाइन के साथ लीजेंड जोड़ने के लिए, हम निम्नलिखिक चरण अपना सकते हैं: फिगर आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग समायोजित करें। एक फिगर और सबप्लॉट्स का सेट बनाएं। लाल रंग के साथ वर्टिकल लाइन प्लॉट करें। लाइन में सभी वर्टेक्स को जोड़ने वाली एक सॉलिड लाइनस्टाइल और प्

फाइनाइट एलिमेंट मेथड (FEM) का उपयोग विभिन्न सामग्री प्रकारों के मॉडलिंग, जटिल ज्यामिति के परीक्षण, डिज़ाइन के एक छोटे क्षेत्र पर कार्य करने वाले स्थानीय प्रभावों को विज़ुअलाइज़ करने जैसे विभिन्न कार्यों में किया जाता है। यह मूल रूप से एक बड़े स्थानिक डोमेन को फाइनाइट एलिमेंट्स नामक सरल भागों में वि

हम कॉलम के युग्मवार सहसंबंध की गणना करने के लिए pandas.DataFrame.corr का उपयोग कर सकते हैं, NULL मानों को छोड़कर। सहसंबंध गुणांक दो चरों के बीच रैखिक संबंध की ताकत को दर्शाता है। गुणांक -1 और 1 के बीच होता है। पैंडास डेटाफ्रेम में दो संख्यात्मक कॉलम के बीच सहसंबंध प्राप्त करने के लिए, हम निम्नलिखिक

पायथन में हिस्टोग्राम प्लॉट को सेव करने के लिए, हम निम्नलिखित चरण अपना सकते हैं: फिगर आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग समायोजित करें। हिस्टोग्राम के लिए डेटा पॉइंट्स k बनाएं। hist() मेथड का उपयोग करके हिस्टोग्राम प्लॉट करें। हिस्टोग्राम सेव करने के लिए plt.savefig(image_name) का उ

मैटप्लॉटलिब का उपयोग करके .txt फ़ाइल से डेटा प्लॉट करने के लिए, हम निम्नलिखित चरण अपना सकते हैं: फिगर आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग समायोजित करें। bar_names और bar_heights के लिए खाली सूचियां प्रारंभ करें। एक नमूना .txt फ़ाइल को रीड r मोड में खोलें और बार के नाम और ऊंचाई सूची म

मैटप्लॉटलिब में सीधी रेखा के बजाय दो बिंदुओं को जोड़ने वाली वक्र बनाने के लिए, हम निम्नलिखित चरण अपना सकते हैं: फिगर आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग समायोजित करें। गणितीय अभिव्यक्ति के साथ वक्र बनाने के लिए draw_curve() मेथड परिभाषित करें। पॉइंट1 और पॉइंट2 डेटा पॉइंट्स प्लॉट करें

कॉलम मानों का न्यूनतम मान प्राप्त करने के लिए, min() फ़ंक्शन का उपयोग करें। पहले, आवश्यक पैंडास लाइब्रेरी आयोर्ट करें: import pandas as pd अब, दो कॉलम के साथ एक डेटाफ्रेम बनाएं: dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110,

हम एकाधिक कॉलम के साथ एक पिवट टेबल बना सकते हैं। पिवट टेबल बनाने के लिए, स्प्रेडशीट-शैली पिवट टेबल को डेटाफ्रेम के रूप में बनाने के लिए pandas.pivot_table का उपयोग करें। पहले, आवश्यक लाइब्रेरी आयोर्ट करें: import pandas as pd टीम रिकॉर्ड के साथ एक डेटाफ्रेम बनाएं: dataFrame = pd.DataFrame({Team ID:

जांचने के लिए, isinf() मेथड का उपयोग करें। अनंत मानों की संख्या जानने के लिए, sum() का उपयोग करें। पहले, उनके संबंधित उपनामों के साथ आवश्यक लाइब्रेरी आयोर्ट करें: import pandas as pd import numpy as np सूची का एक डिक्शनरी बनाएं। हमने नम्पी np.inf का उपयोग करके अनंत मान सेट किए हैं: d = { Reg_Pr

स्थिर मान के साथ एक नया कॉलम जोड़ने के लिए, स्क्वायर ब्रैकेट यानी इंडेक्स ऑपरेटर का उपयोग करें और वह मान सेट करें। पहले, आवश्यक लाइब्रेरी आयोर्ट करें: import pandas as pd 4 कॉलम के साथ एक डेटाफ्रेम बनाएं: dataFrame = pd.DataFrame({Car: [Bentley, Lexus, BBMW, Mustang, Mercedes, Jaguar],