पंडों के डेटाफ़्रेम के सभी कॉलम मानों की तुलना करने के लिए हम विभिन्न मानदंडों का उपयोग कर सकते हैं। हम तुलना संचालन जैसे df[col]<5, df[col]==10 . कर सकते हैं , आदि। उदाहरण के लिए, यदि हम मानदंड का उपयोग करते हैं 2 , तो यह कॉल से सभी मानों की जांच करेगा और तुलना करेगा कि वे 2 से अधिक हैं या नहीं। सभ

मान नाम और गणना निकालने के लिए, आइए पहले 4 कॉलम के साथ एक DataFrame बनाएं - dataFrame = pd.DataFrame({ "Car": ['BMW', 'Mustang', 'Tesla', 'Mustang', 'Mercedes', 'Tesla', 'Audi'],"Cubic Capacity": [2000, 1800, 1500, 2500, 220

हम दो इंडेक्स मानों के बीच पंक्तियों का चयन करने के लिए पंडों के डेटाफ़्रेम को स्लाइस कर सकते हैं। आइए एक उदाहरण लें और देखें कि यह कैसे किया जाता है। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट करें, df । सूचकांक की निचली सीमा के लिए ए

पंडों के डेटाफ़्रेम को कई एक्सेल शीट में सहेजने के लिए, हम pd.ExcelWriter() का उपयोग कर सकते हैं तरीका। सुनिश्चित करें कि आपके पास openpyxl . है पैकेज एक्सेलवाइटर () का उपयोग करने से पहले स्थापित किया गया। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df1 । इनपुट डेट

दो से अधिक पंडों के डेटाफ़्रेम को संयोजित करने के लिए, concat() विधि का उपयोग करें। अक्ष सेट करें पैरामीटर के रूप में अक्ष =0 पंक्तियों के साथ जोड़ने के लिए। सबसे पहले, आवश्यक पुस्तकालय आयात करें - import pandas as pd आइए 1st . बनाएं डेटाफ़्रेम - dataFrame1 = pd.DataFrame(    {   &nb

पांडा डेटाफ़्रेम को JSON फ़ाइल में डालने और इसे फिर से पढ़ने के लिए, हम to_json() का उपयोग कर सकते हैं और read_json() तरीके। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट करें, df । का प्रयोग करें to_json() DataFrame को JSON फ़ाइल में डंप

मर्ज () के साथ दो डेटाफ़्रेम के बीच सामान्य पंक्तियों को खोजने के लिए, पैरामीटर का उपयोग करें कैसे आंतरिक . के रूप में ” चूंकि यह SQL इनर जॉइन की तरह काम करता है और यही हम हासिल करना चाहते हैं। आइए दो कॉलम के साथ DataFrame1 बनाएं - dataFrame1 = pd.DataFrame( { "Car": ['BMW

पंडों के डेटाफ़्रेम को शब्दकोश में बदलने के लिए, हम to_dict () विधि का उपयोग कर सकते हैं। आइए एक उदाहरण लें और देखें कि यह कैसे किया जाता है। कदम दो-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट करें, df । डेटाफ़्रेम को to_dict() . का उपयोग करके एक श

पंडों में डेटाफ़्रेम की पहली तीन पंक्तियों को हटाने के लिए, हम iloc() . का उपयोग कर सकते हैं विधि। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट करें, df । df.iloc[3:] . का उपयोग करके पहली तीन पंक्तियों को हटाएं । अपडेट किया गया डेटाफ़्रे

पंडों के डेटाफ़्रेम में पंक्तियों के समूह तक पहुँचने के लिए, हम लोक () विधि का उपयोग कर सकते हैं। उदाहरण के लिए, यदि हम df.loc[2:5] . का उपयोग करते हैं , तो यह 2 से 5 तक की सभी पंक्तियों का चयन करेगा। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रे

पंडों में डेटाफ्रेम कॉलम नाम का नाम बदलना काफी आसान है। आपको केवल नाम बदलें () . का उपयोग करना है विधि और उस कॉलम नाम को पास करें जिसे आप बदलना चाहते हैं और नया कॉलम नाम। आइए एक उदाहरण लें और देखें कि यह कैसे किया जाता है। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं

एक रेगुलर एक्सप्रेशन (रेगेक्स) वर्णों का एक क्रम है जो एक खोज पैटर्न को परिभाषित करता है। रेगेक्स द्वारा पंडों में पंक्तियों को फ़िल्टर करने के लिए, हम str.match() . का उपयोग कर सकते हैं विधि। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट

हम .corr() . का उपयोग कर सकते हैं पंडों में दो स्तंभों के बीच संबंध प्राप्त करने की विधि। आइए एक उदाहरण लें और देखें कि इस पद्धति को कैसे लागू किया जाए। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्रिंट करें, df । दो चर प्रारंभ करें, col1 और

किसी स्तंभ का अधिकतम मान ज्ञात करने और पंडों में उसके संगत पंक्ति मान वापस करने के लिए, हम df.loc[df[col].idxmax()] का उपयोग कर सकते हैं . आइए इसे बेहतर ढंग से समझने के लिए एक उदाहरण लेते हैं। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df. इनपुट डेटाफ़्रेम प्रिंट

पंडों में संख्यात्मक कॉलम खोजने के लिए, हम पूर्णांकों की एक सूची बना सकते हैं और फिर इसे select_dtypes() में शामिल कर सकते हैं तरीका। आइए एक उदाहरण लें और देखें कि इस पद्धति को कैसे लागू किया जाए। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df । इनपुट डेटाफ़्रेम प्

पंडों के डेटाफ़्रेम में nवीं पंक्ति प्राप्त करने के लिए, हम iloc() . का उपयोग कर सकते हैं तरीका। उदाहरण के लिए, df.iloc[4] 5वीं पंक्ति लौटाएगा क्योंकि पंक्ति संख्या 0 से शुरू होती है। कदम दो-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा बनाएं, df. प्रिंट इनपुट डेटाफ़्रेम, df. एक चर nth

एक डेटाफ्रेम की पंक्तियों को दूसरे की पंक्तियों के साथ जोड़ने के लिए, हम पांडा एपेंड () फ़ंक्शन का उपयोग कर सकते हैं। एपेंड () की मदद से हम कॉलम भी जोड़ सकते हैं। आइए एक उदाहरण लेते हैं और देखते हैं कि इस पद्धति का उपयोग कैसे किया जाता है। कदम एक द्वि-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सार

हम पूरे डेटाफ़्रेम को फिर से लिखने के बिना डेटाफ़्रेम के कॉलम को स्थानांतरित करने के लिए पंडों में शिफ्ट () विधि का उपयोग कर सकते हैं। शिफ्ट () निम्नलिखित पैरामीटर लेता है shift(self, periods=1, freq=None, axis=0, fill_value=None) अवधि शिफ्ट करने के लिए अवधियों की संख्या। यह एक ऋणात्मक संख्या भी ल

दो डेटाफ़्रेम के बीच असामान्य पंक्तियों को खोजने के लिए, कॉन्सैट () विधि का उपयोग करें। आइए पहले आवश्यक पुस्तकालय को उपनाम के साथ आयात करें - import pandas as pd दो कॉलम के साथ DataFrame1 बनाएं - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi',

आइए सममित कुंजी एन्क्रिप्शन को समझते हैं। सममित कुंजी एन्क्रिप्शन क्रिप्टोग्राफी में सममित-कुंजी एन्क्रिप्शन एल्गोरिदम सादे-पाठ को एन्क्रिप्ट करने और सिफर-पाठ को डिक्रिप्ट करने के लिए दोनों पक्षों के बीच साझा की गई एकल कुंजी या समान क्रिप्टोग्राफ़िक कुंजी (गुप्त कुंजी) का उपयोग करते हैं। चाबियाँ सम