उदाहरण नीचे इसका प्रदर्शन दिया गया है: my_list = [[31, 42, 2], [1, 73, 29], [51, 3, 11], [0, 3, 51], [17, 3, 21], [1, 71, 10], [0, 81, 92]] print(The list is :) print(my_list) my_index_list = [1, 2, 5] for index in my_index_list[::-1]: my_list.pop(index) print(The output is :) print(my_list) आउ

उदाहरण नीचे इसका प्रदर्शन दिया गया है: my_list_1 = [7, 9, 1, 2, 7] my_list_2 = [6, 3, 1, 2, 1] print(The first list is :) print(my_list_1) print(The second list is :) print(my_list_2) my_result = max(abs(my_list_2[index] - my_list_1[index]) for index in range(0, len(my_list_1) - 1)) print(The maxim

उदाहरण नीचे इसका प्रदर्शन दिया गया है: my_list = [Python, /, is, alwaysgreat, to, learn] print(The list is :) print(my_list) substring = ys my_result = [sub for sub in my_list if all(elem in sub for elem in substring)] print(The resultant string is :) print(my_result) आउटपुट The list is : [Python,

उदाहरण नीचे इसका प्रदर्शन दिया गया है: my_list = [91, 42, 27, 39, 24, 45, 53] print(The list is : ) print(my_list) my_ordered_dict = dict(zip(list(set(my_list)), range(len(set(my_list))))) my_result = [my_ordered_dict[elem] for elem in my_list] print(The result is: ) print(my_result) आउटपुट The lis

उदाहरण नीचे इसका प्रदर्शन दिया गया है: my_list = [42, 42, 18, 73, 11, 28, 29, 0, 10, 16, 22, 53, 41] print(The list is :) print(my_list) i, j = 4, 8 my_key = 9 my_list[i:j] = [my_key] * (j - i) print(The result is:) print(my_list) आउटपुट The list is : [42, 42, 18, 73, 11, 28, 29, 0, 10, 16, 22, 53,

विशिष्ट टाइमस्टैम्प्स की तुलना करने के लिए, स्क्वायर ब्रैकेट्स में इंडेक्स नंबर का उपयोग करें। सबसे पहले, आवश्यक लाइब्रेरी इम्पोर्ट करें: import pandas as pd 3 कॉलम के साथ एक DataFrame बनाएं। हमारे पास टाइमस्टैम्प के साथ दो डेट कॉलम हैं: dataFrame = pd.DataFrame( { Car: [Audi, Lexus,

जब मैट्रिक्स को स्ट्रिंग में बदलना आवश्यक होता है, तो एक सिंपल लिस्ट कॉम्प्रिहेंशन के साथ join मेथड का उपयोग किया जाता है। उदाहरण नीचे इसका प्रदर्शन है: my_list = [[1, 22, python], [22, is, 1], [great, 1, 91]] print(The list is:) print(my_list) my_list_1, my_list_2 = ,, my_result = my_list_2.j

लीडिंग या ट्रेलिंग व्हाइटस्पेस हटाने के लिए, strip() मेथड का उपयोग करें। सबसे पहले, 3 कॉलम Product Category, Product Name और Quantity के साथ एक DataFrame बनाएं: dataFrame = pd.DataFrame({ Product Category: [ Computer, Mobile Phone, Electronics , Appliances, Furniture, Stationery], Produc

डेट ऑफसेट के आधार पर टाइम सीरीज के अंतिम पीरियड्स चुनने के लिए, last() मेथड का उपयोग करें। सबसे पहले, periods और freq के साथ डेट इंडेक्स सेट करें। Freq फ्रीक्वेंसी के लिए है: i = pd.date_range(2021-07-15, periods=5, freq=3D) अब, उपरोक्त इंडेक्स के साथ एक DataFrame बनाएं: dataFrame = pd.DataFrame(

मानक विचलन निकालने के लिए, पैंडास के std() मेथड का उपयोग करें। सबसे पहले, आवश्यक पैंडास लाइब्रेरी इम्पोर्ट करें: import pandas as pd अब, दो कॉलम के साथ एक DataFrame बनाएं: dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80,

पैंडास DataFrame मर्ज करने के लिए, merge() फंक्शन का उपयोग करें। उसमें, आप पैरामीटर indicator को True या False पर सेट कर सकते हैं। यदि आप जांचना चाहते हैं कि किस डेटाफ्रेम में एक विशिष्ट रिकॉर्ड है, तो उपयोग करें: indicator=True ऊपर दिखाए अनुसार, इस पैरामीटर को True के रूप में उपयोग करने से आउटपुट

डेट ऑफसेट के आधार पर टाइम सीरीज के पहले पीरियड्स चुनने के लिए, first() मेथड का उपयोग करें। सबसे पहले, periods और freq पैरामीटर्स के साथ डेट इंडेक्स सेट करें। Freq फ्रीक्वेंसी के लिए है: i = pd.date_range(2021-07-15, periods=5, freq=3D) अब, उपरोक्त इंडेक्स के साथ एक DataFrame बनाएं: dataFrame = pd

कॉलम के योग के आधार पर फ़िल्टर करने के लिए, हम loc() मेथड का उपयोग करते हैं। यहां, हमारे उदाहरण में, हम प्रत्येक छात्र के अंकों का योग निकालते हैं ताकि 400 से अधिक अंकों वाले छात्र कॉलम प्राप्त हो सके यानी 80%। सबसे पहले, छात्र रिकॉर्ड के साथ एक DataFrame बनाएं। हमारे पास 3 छात्रों के अंकों के रिकॉ

ग्रुप मानों का अंतिम मान निकालने के लिए, groupby.last() मेथड का उपयोग करें। सबसे पहले, एक उपनाम के साथ आवश्यक लाइब्रेरी इम्पोर्ट करें: import pandas as pd; 3 कॉलम के साथ एक DataFrame बनाएं: dataFrame = pd.DataFrame( { Car: [BMW, Lexus, BMW, Tesla, Lexus, Tesla], Place: [Delhi

स्ट्रिंग डेटा को वास्तविक तारीखों यानी डेटाटाइम प्रकार में बदलने के लिए, to_datetime() मेथड का उपयोग करें। सबसे पहले, आइए 3 श्रेणियों के साथ एक DataFrame बनाएं, उनमें से एक डेट स्ट्रिंग है: dataFrame = pd.DataFrame({ Product Category: [Computer, Mobile Phone, Electronics, Stationery], Prod

एक रेंज में तारीखें जेनरेट करने के लिए, date_range() मेथड का उपयोग करें। सबसे पहले, एक उपनाम के साथ आवश्यक पैंडास लाइब्रेरी इम्पोर्ट करें: import pandas as pd अब, मान लीजिए आपको एक रेंज में तारीखें जेनरेट करने की आवश्यकता है, इसलिए इसके लिए, उस तारीख का उल्लेख करें जहां से आप शुरू करना चाहते हैं।

दो तारीखों के बीच दिनों की संख्या ढूंढने के लिए, हम पायथन datetime मॉड्यूल का उपयोग कर रहे हैं। सबसे पहले, आवश्यक लाइब्रेरी इम्पोर्ट करें: from datetime import date डेट ऑब्जेक्ट बनाएं और उन तारीखों को इनपुट करें जिनसे आप दिनों की गणना करना चाहते हैं: date1 = date(2021, 7, 20) date2 = date(2021, 8

OSI (ओपन सिस्टम इंटरकनेक्शन) मॉडल में, ट्रांसपोर्ट लेयर सात लेयर्स में से एक है और यह इंटरनेट पर सेंडर और रिसीवर के बीच एंड-टू-एंड कम्युनिकेशन के लिए जिम्मेदार है। यह सेंडर और रिसीवर के बीच लॉजिकल कम्युनिकेशन प्रदान करता है और पैकेट की एंड-टू-एंड डिलीवरी सुनिश्चित करता है। ट्रांसपोर्ट लेयर के मुख्य

हम कार बिक्री रिकॉर्ड का एक उदाहरण लेंगे और महीने के अनुसार ग्रुप करके कार की मासिक रजिस्ट्रेशन कीमत का योग निकालेंगे। योग के लिए, हम sum() मेथड का उपयोग करते हैं। सबसे पहले, मान लीजिए निम्न हमारा पैंडास DataFrame है जिसमें तीन कॉलम हैं: dataFrame = pd.DataFrame( { Car: [Audi, Lexus,

पैंडास DataFrame से डुप्लिकेट मान हटाने के लिए, drop_duplicates() मेथड का उपयोग करें। सबसे पहले, 3 कॉलम के साथ एक DataFrame बनाएं: dataFrame = pd.DataFrame({Car: [BMW, Mercedes, Lamborghini, BMW, Mercedes, Porsche], Place: [Delhi, Hyderabad, Chandigarh, Delhi, Hyderabad, Mumbai], UnitsSold: [95, 7