मान लें, आपके पास अपने स्थान पर pandas.xlsx के नाम से एक एक्सेल फ़ाइल संग्रहीत है। समाधान इसे हल करने के लिए, हम नीचे दिए गए चरणों का पालन करेंगे - pandas.xlsx फ़ाइल से डेटा पढ़ने के लिए pd.read_excel विधि को परिभाषित करें और इसे df के रूप में सहेजें df = pd.read_excel('pandas.xlsx')

मान लें, हमने पहले ही pandas.csv फ़ाइल सहेज ली है और फ़ाइल को Html प्रारूप में निर्यात कर दिया है समाधान इसे हल करने के लिए, हम नीचे दिए गए चरणों का पालन करेंगे - read_csv विधि का उपयोग करके csv फ़ाइल को इस प्रकार पढ़ें - df = pd.read_csv('pandas.csv') फ़ाइल ऑब्जेक्ट का उपयोग करके न

मान लें, आपके पास समय श्रृंखला और अधिकतम माह-अंत आवृत्ति के लिए परिणाम है, DataFrame is:  Id time_series 0 1 2020-01-05 1 2 2020-01-12 2 3 2020-01-19 3 4 2020-01-26 4 5 2020-02-02 5 6 2020-02-09 6 7 2020-02-16 7 8 2020-02-23 8 9 2020-03-01 9 10 2020-03-08 Maximum month end frequency:   &nb

मान लें कि आपके पास निम्न नमूना json डेटा फ़ाइल में pandas_sample.json के रूप में संग्रहीत है {    "employee": {       "name": "emp1",       "salary": 50000,       "age": 31    } } cs

मान लें कि आपके पास डेटाफ़्रेम और अचार फ़ाइल में निर्यात करने का परिणाम है और फ़ाइल की सामग्री को इस रूप में पढ़ें, Export to pickle file: Read contents from pickle file:   Fruits    City 0 Apple    Shimla 1 Orange   Sydney 2 Mango    Lucknow 3 Kiwi   &nb

मान लें, आपके पास श्रृंखला है और लैग 2 के साथ स्वत:सहसंबंध का परिणाम है, Series is: 0    2.0 1    10.0 2    3.0 3    4.0 4    9.0 5    10.0 6    2.0 7    NaN 8    3.0 dtype: float64 series correlation:   &

मान लें कि आपके पास समय श्रृंखला डेटा के साथ एक डेटाफ़्रेम है और काटे गए डेटा का परिणाम है, before truncate:  Id time_series 0 1 2020-01-05 1 2 2020-01-12 2 3 2020-01-19 3 4 2020-01-26 4 5 2020-02-02 5 6 2020-02-09 6 7 2020-02-16 7 8 2020-02-23 8 9 2020-03-01 9 10 2020-03-08 after truncate: &nb

हम मेल्ट (), स्टैक (), अनस्टैक () और पिवट () ​​फ़ंक्शन का उपयोग करके डेटाफ़्रेम को फिर से आकार दे सकते हैं। समाधान 1 डेटाफ़्रेम परिभाषित करें। विस्तृत डेटाफ़्रेम कॉलम को पंक्तियों के रूप में बदलने के लिए मेल्ट () फ़ंक्शन लागू करें। इसे नीचे परिभाषित किया गया है, df.melt() उदाहरण आइए एक बेहत

मान लें, आपके पास डेटाफ़्रेम है और समूहित डेटा और संबंधित कॉलम से सहप्रसरण की गणना के लिए परिणाम है, Grouped data covariance is:                   mark1       mark2 subjects maths    mark1    25.0    12.500000

मान लें, आपके पास डेटाफ़्रेम है और पहली डुप्लीकेट पंक्तियों को निकालने का परिणाम है,     Id Age 0    1 12 3    4 13 4    5 14 5    6 12 6    2 13 7    7 16 8    3 14 9    9 15 10  10 14 समाधान इसे हल करने

मान लें, आपके पास एक डेटाफ़्रेम है और दो अवधियों द्वारा सकारात्मक और नकारात्मक दिशा में शिफ्ट इंडेक्स है, shift the index by three periods in positive direction                      Id Age 2020-01-01 00:00:00 NaN NaN 2020-01-01 12:00:00 NaN NaN

पैनल में पहले कॉलम के अधिकतम मान का परिणाम है पहले कॉलम का अधिकतम मान है;Column1 1.377292 समाधान इसे हल करने के लिए, हम निम्नलिखित दृष्टिकोण का पालन करेंगे - डेटा मान को डिक्शनरी कुंजी के रूप में सेट करें कॉलम 1 मान के साथ pd.DataFrame(np.random.randn(5, 3)) डेटा ={कॉलम1 :pd.DataFrame(np.rando

समाधान मान लें, आपके पास एक विशेष कॉलम का डेटाफ़्रेम और न्यूनतम रैंक है,  Id Name    Age    Rank 0 1 Adam    12    1.0 1 2 David   13    3.0 2 3 Michael 14    5.0 3 4 Peter   12    1.0 4 5 William 13    3

मान लें, आपके पास पैनल है और पहली पंक्ति का औसत है, पहली पंक्ति का औसत है:Column1 0.274124dtype:float64 समाधान इसे हल करने के लिए, हम नीचे दिए गए चरणों का पालन करेंगे - डेटा मान को डिक्शनरी कुंजी के रूप में सेट करें कॉलम 1 मान के साथ pd.DataFrame(np.random.randn(5, 3)) डेटा ={कॉलम1 :pd.DataFra

समाधान मान लें कि आपके पास डेटाफ़्रेम है और इसका मतलब है कि पंक्तियों और स्तंभों का पूर्ण विचलन है, स्तंभों का पागल:स्तंभ1 0.938776स्तंभ2 0.600000डीप्रकार:फ्लोट64पंक्तियों का पागल:0 0.5001 0.9002 0.6503 0.9004 0.7505 0.5756 1.325डीप्रकार:फ्लोट64 इसे हल करने के लिए, हम नीचे दिए गए चरणों का पालन करे

मान लें, आपके पास एक डेटाफ़्रेम है और वितरण के आकार को मापने का परिणाम है, kurtosis is: Column1    -1.526243 Column2     1.948382 dtype: float64 asymmetry distribution - skewness is: Column1    -0.280389 Column2     1.309355 dtype: float64 समाधान इसे हल करने

मान लें, आपके पास न्यूनतम और अधिकतम सीमा मान के ट्रिम के लिए एक डेटाफ़्रेम और परिणाम है, minimum threshold:    Column1 Column2 0    30    30 1    34    30 2    56    30 3    78    50 4    30   &n

मान लें, आपके पास डेटाफ़्रेम है और तालिका-वार फ़ंक्शन का परिणाम है, Table wise function:    Id  Mark 0  6.0 85.0 1  7.0 95.0 2  8.0 75.0 3  9.0 90.0 4 10.0 95.0 समाधान इसे हल करने के लिए, हम नीचे दिए गए चरणों का पालन करेंगे - डेटाफ़्रेम परिभाषित करें दो तर्क

मान लें, आपके पास डेटाफ़्रेम है और आईडी और आयु कॉलम के शीर्ष 2 और निचले 2 मान के बीच प्रतिशत परिवर्तन का परिणाम है Id and Age-top 2 values    Id Age 0 NaN NaN 1 1.0 0.0 Id and Age-bottom 2 values       Id      Age 3 0.000000 -0.071429 4 0.666667 0.000000 समाधा

डेटाफ़्रेम में सभी कॉलम में तत्वों की लंबाई का परिणाम है, Dataframe is:    Fruits    City 0 Apple    Shimla 1 Orange   Sydney 2 Mango    Lucknow 3 Kiwi    Wellington Length of the elements in all columns    Fruits City 0    5