सीबॉर्न में काउंट प्लॉट का उपयोग प्रत्येक श्रेणीबद्ध बिन में अवलोकनों की गिनती को बार्स का उपयोग करके प्रदर्शित करने के लिए किया जाता है। इसके लिए seaborn.countplot() का उपयोग किया जाता है। facecolor, linewidth और edgecolor पैरामीटर्स का उपयोग करके बार्स को स्टाइल करें।मान लीजिए हमारा डेटासेट CSV फ़

CSV को एकाधिक कॉलम द्वारा सॉर्ट करने के लिए sort_values() विधि का उपयोग करें। एकाधिक कॉलम द्वारा सॉर्ट करने का अर्थ है यदि एक कॉलम में दोहराए गए मान हैं, तो सॉर्ट क्रम sort_values() विधि के तहत उल्लिखित दूसरे कॉलम पर निर्भर करता है।सबसे पहले, आइए हमारी इनपुट CSV फ़ाइल SalesRecords.csv पढ़ें:dataFram

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल डेंसिटी अनुमान के संयोजन को बनाने के लिए किया जाता है। इसके लिए seaborn.violinplot() का उपयोग किया जाता है। एकल कॉलम का उपयोग करके सिंगल वायलिन प्लॉट बनाएं।मान लीजिए हमारा डेटासेट CSV फ़ाइल के रूप में Cricketers.csv है।सबसे पहले, आवश्यक लाइब्रेर

subarray2[i]।उदाहरण के लिए, यदि इनपुट है nums = [5, 3, 7, 9], k = 2, तो आउटपुट [7, 9] होगा।समाधान दृष्टिकोणइसे हल करने के लिए हम निम्नलिखित चरणों का पालन करेंगे:start := nums का आकार - kmax_element := nums[start]max_index := start= 0: max_element, तो:max_element := nums[start]max_index := startnums[

सभी CSV फ़ाइलों को मर्ज करने के लिए GLOB मॉड्यूल का उपयोग करें। CSV फ़ाइलों को एक साथ मर्ज करने के लिए concat() के अंदर os.path.join() विधि का उपयोग किया जाता है।सबसे पहले, आवश्यक लाइब्रेरी आयात करें। हमने पैंडास लाइब्रेरी के लिए pd उपनाम सेट किया है:import pandas as pd import glob import osअब, मान

पायथन में पैंडास DataFrame को CSV फ़ाइल में लिखने के लिए to_csv() विधि का उपयोग करें। सबसे पहले, आइए सूचियों का एक शब्दकोश बनाएं:# सूचियों का शब्दकोश d = {Car: [BMW, Lexus, Audi, Mercedes, Jaguar, Bentley], Date_of_purchase: [2020-10-10, 2020-10-12, 2020-10-17, 2020-10-16, 2020-10-19, 2020-10-2

मान लीजिए हमारे पास nums नामक एक सरणी है, हमें उस सबएरे की अधिकतम लंबाई ज्ञात करनी है जहां उसके सभी तत्वों का गुणनफल सकारात्मक हो। हमें सकारात्मक गुणनफल वाले सबएरे की अधिकतम लंबाई ज्ञात करनी है।उदाहरण के लिए, यदि इनपुट है nums = [2,-2,-4,5,-3], तो आउटपुट 4 होगा क्योंकि पहले चार तत्व एक ऐसा सबएरे बना

मान लीजिए हमारी CSV फ़ाइल निम्नलिखित है:SalesRecords.csvऔर हमें उपरोक्त मौजूदा CSV फ़ाइल से 3 एक्सेल फ़ाइलें उत्पन्न करनी हैं। ये 3 CSV फ़ाइलें कार के नामों के आधार पर होनी चाहिए यानी BMW.csv, Lexus.csv और Jaguar.csv।सबसे पहले, हमारी इनपुट CSV फ़ाइल यानी SalesRecord.csv पढ़ें:dataFrame = pd.read_csv

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल डेंसिटी अनुमान के संयोजन को बनाने के लिए किया जाता है। इसके लिए seaborn.violinplot() का उपयोग किया जाता है। inner पैरामीटर का मान stick रखकर अवलोकन को स्टिक के रूप में दिखाया जाता है।मान लीजिए हमारा डेटासेट CSV फ़ाइल के रूप में Cricketers.csv है

सीबॉर्न में स्वार्म प्लॉट का उपयोग गैर-ओवरलैपिंग बिंदुओं के साथ श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए seaborn.swarmplot() का उपयोग किया जाता है। मान लीजिए हमारा डेटासेट CSV फ़ाइल के रूप में Cricketers2.csv है।सबसे पहले, आवश्यक लाइब्रेरी आयात करें:import seaborn as sb import pand

सीबॉर्न में स्वार्म प्लॉट का उपयोग गैर-ओवरलैपिंग बिंदुओं के साथ श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए seaborn.swarmplot() का उपयोग किया जाता है। स्वार्म्स को श्रेणीबद्ध चर द्वारा समूहित करने के लिए बस इसे x और y निर्देशांकों में से एक के रूप में सेट करें।मान लीजिए हमारा डेटासेट

सीबॉर्न में बार प्लॉट का उपयोग बिंदु अनुमानों और विश्वास अंतराल को आयताकार बार्स के रूप में दिखाने के लिए किया जाता है। इसके लिए seaborn.barplot() का उपयोग किया जाता है। capsize पैरामीटर का उपयोग करके एरर बार्स पर कैप सेट करें।मान लीजिए हमारा डेटासेट CSV फ़ाइल के रूप में Cricketers2.csv है।सबसे पहले

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल डेंसिटी अनुमान के संयोजन को बनाने के लिए किया जाता है। इसके लिए seaborn.violinplot() का उपयोग किया जाता है। हम एक श्रेणीबद्ध चर द्वारा समूहित स्तंभों के साथ वायलिन प्लॉट बनाएंगे।मान लीजिए हमारा डेटासेट CSV फ़ाइल के रूप में Cricketers.csv है।सबसे

हम CSV फ़ाइल के रूप में डेटासेट पर डेंसिटी प्लॉट बनाने के लिए plot.density() का उपयोग करेंगे। मान लीजिए हमारा डेटासेट Cricketers2.csv है।सबसे पहले, आवश्यक लाइब्रेरी आयात करें:import pandas as pd import matplotlib.pyplot as pltCSV फ़ाइल से डेटा पैंडास DataFrame में लोड करें:dataFrame = pd.read_csv(C:

मान लीजिए हमारे पास एक बाइनरी स्ट्रिंग s है जिसे हम 3 गैर-खाली स्ट्रिंग्स s1, s2, s3 में विभाजित कर सकते हैं जैसे कि (s1 + s2 + s3 = s)। हमें उन तरीकों की संख्या ज्ञात करनी है जिनसे s को विभाजित किया जा सकता है ताकि s1, s2, और s3 में 1 अक्षरों की संख्या समान हो। उत्तर बहुत बड़ा हो सकता है इसलिए उत्त

मान लीजिए हमारे पास एक सरणी arr है, हमें arr का एक सबएरे हटाना है ताकि arr के शेष तत्व गैर-घटते क्रम (non-decreasing order) में हों। हमें हटाए जाने वाले सबसे छोटे सबएरे की लंबाई ज्ञात करनी है।उदाहरण के लिए, यदि इनपुट है arr = [10,20,30,100,40,20,30,50], तो आउटपुट 3 होगा क्योंकि हम [100, 40, 20] हटा

मान लीजिए हमारे पास दो सरणियाँ nums1 और nums2 हैं, हमें ट्रिपलेट्स (प्रकार 1 और प्रकार 2) खोजने हैं जो इन दो नियमों का पालन करते हैं:ट्रिपलेट (i, j, k) यदि nums1[i]² = nums2[j] * nums2[k] जहाँ [0 ≤ i < nums1 का आकार और 0 ≤ j < k < nums2 का आकार]ट्रिपलेट (i, j, k) यदि nums2[i]² = nums1[j] * nums1[k]

मान लीजिए हमारे पास एक स्ट्रिंग s और एक पूर्णांक ऐरे cost है जहां cost[i] s में iवें वर्ण को हटाने की लागत दर्शाता है। हमें डिलीशन की न्यूनतम लागत ढूंढनी है जैसे कि कोई दो समान अक्षर एक दूसरे के बगल में न हों। हमें ध्यान रखना होगा कि हम चुने हुए वर्णों को एक ही समय पर हटाएंगे। तो एक वर्ण को हटाने क

मान लीजिए हमारे पास n (सम) अलग-अलग दोस्तों की वरीयताओं की सूची है। प्रत्येक व्यक्ति i के लिए, preferences[i] वरीयता के क्रम में सॉर्ट की गई दोस्तों की सूची रखता है। तो, सूची में पहले वाला दोस्त बाद वाले दोस्त से अधिक पसंदीदा है। प्रत्येक सूची में दोस्तों को 0 से n-1 तक पूर्णांकों द्वारा नंबर किया ग

मान लीजिए हमारे पास points नामक एक ऐरे है जिसमें कुछ पॉइंट्स (x, y) के रूप में हैं। अब दो पॉइंट्स (xi, yi) और (xj, yj) को जोड़ने की लागत उनके बीच की मैनहट्टन दूरी है, सूत्र है |xi - xj| + |yi - yj|। हमें सभी पॉइंट्स को जोड़ने की न्यूनतम लागत ढूंढनी है। उदाहरण के लिए, यदि इनपुट है points = [(0,0),(