माध्य के लिए, mean() फंक्शन का उपयोग करें। NaN वाले कॉलम के लिए माध्य की गणना करें और NaN मानों को माध्य से भरने के लिए fillna() का उपयोग करें। आइए पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd import numpy as np 2 कॉलम वाला डेटाफ्रेम बनाएं और कुछ NaN मान। हमने इन NaN मानों को नम्पाई np

जब डिक्शनरी कुंजियों का संचयी माध्य निकालना हो, तो एक खाली डिक्शनरी बनाई जाती है, और मूल डिक्शनरी पर इटरेट किया जाता है, और आइटम एक्सेस किए जाते हैं। यदि यह डिक्शनरी में मौजूद है, तो कुंजी को खाली डिक्शनरी में जोड़ा जाता है, अन्यथा कुंजी के बजाय मान रखा जाता है। उदाहरण नीचे इसका प्रदर्शन है from st

जब लिस्ट में दी गई रेंज को उल्टा करना हो, तो इस पर इटरेट किया जाता है और इसे उल्टा करने के लिए : ऑपरेटर के साथ स्लाइसिंग का उपयोग किया जाता है। उदाहरण नीचे इसका प्रदर्शन है my_list = [Hi, there, how, are, you] print(The list is : ) print(my_list) m, n = 2, 4 my_result = [] for elem in my_list:

जब लिस्ट को सभी संभावित टपल जोड़े में विभाजित करना हो, तो एक मेथड परिभाषित की जा सकती है जो पैरामीटर के रूप में एक लिस्ट लेती है और लिस्ट कॉम्प्रिहेंशन का उपयोग करके लिस्ट के माध्यम से इटरेट करती है और extend मेथड का उपयोग करती है। उदाहरण नीचे इसका प्रदर्शन है def determine_pairings(my_list): i

जब मैट्रिक्स से अलग-अलग डेटा टाइप वाली पंक्तियाँ निकालनी हों, तो इस पर इटरेट किया जाता है और अलग-अलग प्रकार प्राप्त करने के लिए set का उपयोग किया जाता है। उदाहरण नीचे इसका प्रदर्शन है my_list = [[4, 2, 6], [python, 2, {6: 2}], [3, 1, fun], [9, (4, 3)]] print(The list is :) print(my_list) my_result

जब किसी वाक्य में शब्द के सभी संभावित क्रमपरिवर्तन उत्पन्न करने हों, तो एक फंक्शन परिभाषित की जाती है। यह फंक्शन स्ट्रिंग पर इटरेट करती है और कंडीशन के आधार पर आउटपुट प्रदर्शित करती है। उदाहरण नीचे इसका प्रदर्शन है from itertools import permutations def calculate_permutations(my_string): my_lis

जब किसी वाक्य में मौजूद पालिंड्रोम शब्दों को क्रमबद्ध करना हो, तो एक मेथड परिभाषित की जाती है जो पैरामीटर के रूप में एक स्ट्रिंग लेती है और पहले सुनिश्चित करती है कि यह पालिंड्रोम है। फिर यह स्ट्रिंग के सभी शब्दों को क्रमबद्ध करती है और आउटपुट के रूप में वापस करती है। उदाहरण नीचे इसका प्रदर्शन है d

इंडेक्स को अनदेखा करने के लिए index=False का उपयोग करें। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd डेटाफ्रेम बनाएं – dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35]], index=[x, y, z], columns=[a, b]) loc का उपयोग करके लेबल पास करके पंक्तियां चुनें – dataFrame.loc[x] इंडे

टाइमस्टैम्प की तुलना करने के लिए, हम इंडेक्स ऑपरेटर यानी स्क्वायर ब्रैकेट का उपयोग कर सकते हैं। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd 3 कॉलम वाला डेटाफ्रेम बनाएं – dataFrame = pd.DataFrame( { Car: [Audi, Lexus, Tesla, Mercedes, BMW], Date_of_Purchase: [

कॉलम मानों का अधिकतम मान प्राप्त करने के लिए, max() फंक्शन का उपयोग करें। सबसे पहले आवश्यक पैंडास लाइब्रेरी इम्पोर्ट करें – import pandas as pd अब, दो कॉलम वाला डेटाफ्रेम बनाएं – dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110,

टाइमस्टैम्प में अंतर खोजने के लिए, हम इंडेक्स ऑपरेटर यानी स्क्वायर ब्रैकेट का उपयोग करके अंतर खोज सकते हैं। टाइमस्टैम्प के लिए, हमें abs() का भी उपयोग करने की आवश्यकता है। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd 3 कॉलम वाला डेटाफ्रेम बनाएं। हमारे पास टाइमस्टैम्प के साथ दो डेट

डेटा को आरोही या अवरोही क्रम में क्रमबद्ध करने के लिए, sort_values() मेथड का उपयोग करें। आरोही क्रम के लिए, निम्न sort_values() मेथड है – ascending=True आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd 3 कॉलम वाला डेटाफ्रेम बनाएं – dataFrame = pd.DataFrame( { Car: [BMW, Lexus, BMW,

अवलोकनों की गिनती करने के लिए, पहले groupby() का उपयोग करें और फिर परिणाम पर count() का उपयोग करें। सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – dataFrame = pd.DataFrame({Product Name: [Keyboard, Charger, SmartTV, Camera, Graphic Card, Earphone],Product Category: [Computer, Mobile Phone, Electronics,

पंक्ति इंडेक्स की जांच और प्रदर्शन करने के लिए, any() के साथ isinf() का उपयोग करें। सबसे पहले, अपने संबंधित उपनामों के साथ आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd import numpy as np लिस्ट का एक डिक्शनरी बनाएं। हमने Numpy np.inf का उपयोग करके अनंत मान सेट किए हैं – d = { Reg_Price:

अनंत मानों के लिए True प्रदर्शित करने के लिए isin() मेथड का उपयोग करें। सबसे पहले, अपने संबंधित उपनामों के साथ आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd import numpy as np लिस्ट का एक डिक्शनरी बनाएं। हमने Numpy np.inf का उपयोग करके अनंत मान सेट किए हैं – d = { Reg_Price: [7000.5057,

केवल कैपिटल शब्द प्राप्त करने के लिए, हम रेगेक्स का उपयोग कर रहे हैं। re मॉड्यूल का उपयोग यहां किया गया है और इम्पोर्ट किया गया है। सभी लाइब्रेरी इम्पोर्ट करें – import re import pandas as pd डेटाफ्रेम बनाएं – data = [[computer, mobile phone, ELECTRONICS, electronics],[KEYBOARD, charger, SMARTTV, c

सभी नल मान वाले कॉलम को हटाने के लिए, dropna() मेथड का उपयोग करें और how पैरामीटर को all पर सेट करें – how=all सबसे पहले, अपने संबंधित उपनामों के साथ आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd import numpy as np डेटाफ्रेम बनाएं। हमने Numpy np.inf का उपयोग करके NaN मान सेट किए हैं – dataFr

कॉलम क्रम को उल्टा करने के लिए, dataframe.columns का उपयोग करें और -1 पर सेट करें – dataFrame[dataFrame.columns[::-1]] सबसे पहले आवश्यक लाइब्रेरी इम्पोर्ट करें – import pandas as pd 4 कॉलम वाला डेटाफ्रेम बनाएं – dataFrame = pd.DataFrame({Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar],Cubic_Cap

मैटप्लॉटलिब दिनांक हेरफेर करने के लिए ताकि वर्ष टिक हर 12 महीने पर दिखाई दे, हम निम्न चरण अपना सकते हैं – फिगर का आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें। पैंडास, नम्पाई और मैटप्लॉटलिब डेट्स का उपयोग करके d, y, s, years, months, monthsFmt और yearsFmt बनाएं। पूर्ण महीने नाम दि

मैटप्लॉटलिब में बार चार्ट में बार्स का क्रम निर्धारित करने के लिए, हम निम्न चरण अपना सकते हैं – 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 डेटाफ्रेम, df बनाएं। वर्तमान फिगर में सबप्लॉट जोड़ें। डेटाफ्रेम, d