सभी कॉलम नामों में उपसर्ग जोड़ने के लिए, add_prefix() विधि का उपयोग करें। सबसे पहले, आवश्यक पंडों की लाइब्रेरी आयात करें - import pandas as pd 4 कॉलम के साथ डेटाफ़्रेम बनाएं - dataFrame = pd.DataFrame({"Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Merced

मैटप्लोटलिब स्कैटरप्लॉट में डॉट्स का बॉर्डर कलर सेट करने के लिए, हम निम्नलिखित कदम उठा सकते हैं - आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। नमूना डेटा की संख्या संग्रहीत करने के लिए एक चर N प्रारंभ करें। numpy का उपयोग करके x और y डेटा बिंदु बनाएं। scatter() . का उपयोग

नेटवर्कx के साथ जाली और ग्राफ बनाने के लिए, हम निम्नलिखित कदम उठा सकते हैं - नेटवर्कएक्स और पाइप्लॉट आयात करें। आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। nx.grid_2d_graph(3, 3) का उपयोग करें द्वि-आयामी ग्रिड ग्राफ प्राप्त करने के लिए। ग्रिड ग्राफ़ में प्रत्येक नोड अपने

पायथन, नम्पी और मैटप्लोटलिब का उपयोग करके एक नकाबपोश सतह की साजिश रचने के लिए, हम निम्नलिखित कदम उठा सकते हैं - आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। नया आंकड़ा बनाएं या मौजूदा आंकड़ा सक्रिय करें। सबप्लॉट व्यवस्था के हिस्से के रूप में आकृति में एक कुल्हाड़ी जोड़ें।

Matplotlib का उपयोग करके प्लॉट के चेहरे का रंग बदलने के लिए, हम निम्नलिखित कदम उठा सकते हैं - आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। numpy का उपयोग करके x और y डेटा बिंदु बनाएं। एक आकृति और सबप्लॉट का एक सेट बनाएं। प्लॉट () . का उपयोग करके x और y डेटा बिंदुओं को प्ल

Matplotlib में बिंदुओं के एक सेट से सबसे बड़ा बहुभुज बनाने के लिए, हम निम्नलिखित कदम उठा सकते हैं - आयात करें बहुभुज matplotlib.patches . से । आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। सबसे बड़े बहुभुज के लिए डेटा बिंदुओं की सूची बनाएं। बहुभुज उदाहरण प्राप्त करें। एक

सॉर्ट_इंडेक्स () इंडेक्स को आरोही और अवरोही क्रम में सॉर्ट करने के लिए उपयोग किया जाता है। यदि आप किसी पैरामीटर का उल्लेख नहीं करेंगे, तो अनुक्रमणिका को आरोही क्रम में क्रमबद्ध किया जाता है। सबसे पहले, आवश्यक पुस्तकालय आयात करें - import pandas as pd एक नया डेटाफ़्रेम बनाएँ। इसमें क्रमबद्ध अनुक्रम

हम एक विशिष्ट मूल्य के लिए DataFrame खोज सकते हैं। आवश्यक मान प्राप्त करने और संपूर्ण पंक्ति प्रदर्शित करने के लिए iloc का उपयोग करें। सबसे पहले, आवश्यक पुस्तकालय आयात करें - import pandas as pd 4 कॉलम के साथ डेटाफ़्रेम बनाएं - dataFrame = pd.DataFrame({"Car": ['BMW', 'Lexus&#

fillna() . का उपयोग करें विधि और पैरामीटर मान . का उपयोग करके सभी अनुपलब्ध मानों के लिए इसमें एक स्थिर मान सेट करें . सबसे पहले, आइए आवश्यक पुस्तकालयों को उनके संबंधित उपनामों के साथ आयात करें - import pandas as pd import numpy as np 2 कॉलम के साथ डेटाफ़्रेम बनाएं। हमने Numpy np.NaN . का उपयोग करके

मोड वह मान है जो मानों के एक सेट में सबसे अधिक दिखाई देता है। fillna() . का उपयोग करें विधि और मोड के साथ लापता कॉलम भरने के लिए मोड सेट करें। सबसे पहले, आइए आवश्यक पुस्तकालयों को उनके संबंधित उपनामों के साथ आयात करें - import pandas as pd import numpy as np 2 कॉलम के साथ डेटाफ़्रेम बनाएं। हमने Num

Dataframe.loc का उपयोग लेबल या बूलियन सरणी द्वारा पंक्तियों और स्तंभों के समूह तक पहुँचने के लिए किया जाता है। हम loc का उपयोग करके डेटाफ़्रेम में एक सूची जोड़ेंगे। आइए सबसे पहले एक DataFrame बनाएं। डेटा हमारे उदाहरण के लिए टीम रैंकिंग की सूचियों के रूप में है - # data in the form of list of team ra

जब किसी सूची को किसी अन्य सूची के मानों की सहायता से छिपाने की आवश्यकता होती है, तो सूची समझ का उपयोग किया जाता है। उदाहरण नीचे उसी का एक प्रदर्शन है my_list = [5, 6, 1, 9, 11, 0, 4] print("The list is :") print(my_list) search_list = [2, 10, 6, 3, 9] result = [1 if element in search_l

माध्य उच्च आधे को डेटा के निचले आधे हिस्से से अलग करता है। फिलना () विधि का उपयोग करें और लापता कॉलम को माध्यिका से भरने के लिए माध्यिका सेट करें। सबसे पहले, आइए आवश्यक पुस्तकालयों को उनके संबंधित उपनामों के साथ आयात करें - import pandas as pd import numpy as np 2 कॉलम के साथ डेटाफ़्रेम बनाएं। हमने

DataFrames को जोड़ने के लिए, concat() विधि का उपयोग करें, लेकिन डुप्लिकेट को अनदेखा करने के लिए, drop_duplicates() विधि का उपयोग करें। आवश्यक पुस्तकालय आयात करें - import pandas as pd जोड़ने के लिए डेटाफ़्रेम बनाएं - # Create DataFrame1 dataFrame1 = pd.DataFrame(    {      

जब किसी सेट में सूची से तत्वों को निकालने की आवश्यकता होती है, तो एक साधारण फॉर लूप और एक आधार स्थिति का उपयोग किया जा सकता है। उदाहरण नीचे उसी का एक प्रदर्शन है my_list = [5, 7, 2, 7, 2, 4, 9, 8, 8] print("The list is :") print(my_list) search_set = {6, 2, 8} my_result = [] for elemen

जब दोनों स्ट्रिंग्स में सामान्य शब्दों को हटाने की आवश्यकता होती है, तो एक विधि परिभाषित की जाती है जिसमें दो स्ट्रिंग्स होती हैं। स्ट्रिंग्स को रिक्त स्थान के आधार पर थूक दिया जाता है और परिणाम को फ़िल्टर करने के लिए सूची समझ का उपयोग किया जाता है। उदाहरण नीचे उसी का एक प्रदर्शन है def common_word

सूची खोलने के लिए, हम परिशिष्ट () विधि का उपयोग कर सकते हैं। इसके साथ हम loc() मेथड का भी इस्तेमाल कर सकते हैं। सबसे पहले, हम आवश्यक पुस्तकालय आयात करते हैं - import pandas as pd टीम रैंकिंग की सूची के रूप में डेटा निम्नलिखित है - Team = [['India', 1, 100],['Australia', 2, 85],['

जब मैट्रिक्स में कस्टम बॉर्डर जोड़ने की आवश्यकता होती है, तो मैट्रिक्स में आवश्यक बॉर्डर जोड़ने के लिए एक साधारण सूची पुनरावृत्ति का उपयोग किया जा सकता है। उदाहरण नीचे उसी का एक प्रदर्शन है my_list = [[2, 5, 5], [2, 7, 5], [4, 5, 1], [1, 6, 6]] print("The list is :") print(my_list) prin

जब सेट की सूची में डुप्लीकेट सेट खोजने की आवश्यकता होती है, तो काउंटर और फ्रोजनसेट का उपयोग किया जाता है। उदाहरण नीचे उसी का एक प्रदर्शन है from collections import Counter my_list = [{4, 8, 6, 1}, {6, 4, 1, 8}, {1, 2, 6, 2}, {1, 4, 2}, {7, 8, 9}] print("The list is :") print(my_list) my

जब किसी संख्या की विशिष्ट संख्या की शक्ति प्राप्त करने की आवश्यकता होती है, तो ** ऑपरेटर का उपयोग सूची समझ के साथ किया जाता है। उदाहरण नीचे उसी का एक प्रदर्शन है n = 4 print("The value n is : ") print(n) k = 5 print("The value of k is : ") print(k) result = [n ** index for inde