सीबॉर्न में काउंट प्लॉट का उपयोग बार का उपयोग करके प्रत्येक श्रेणीबद्ध बिन में टिप्पणियों की संख्या को प्रदर्शित करने के लिए किया जाता है। इसके लिए Seaborn.countplot() का इस्तेमाल किया जाता है। चेहरे के रंग . का उपयोग करके बार को स्टाइल करें , लाइनविड्थ और एजकलर पैरामीटर। मान लें कि CSV फ़ाइल के रू

CSV को एक से अधिक कॉलम के आधार पर सॉर्ट करने के लिए, Sort_values() विधि का उपयोग करें। एकाधिक स्तंभों के आधार पर छाँटने का अर्थ है कि यदि स्तंभों में से एक में दोहराए गए मान हैं, तो क्रमित क्रम 2nd पर निर्भर करता है कॉलम सॉर्ट_वैल्यू () विधि के अंतर्गत उल्लिखित है। सबसे पहले, आइए हम अपनी इनपुट CSV

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल घनत्व अनुमान के संयोजन को आकर्षित करने के लिए किया जाता है। इसके लिए Seaborn.violinplot() का इस्तेमाल किया जाता है। सिंगल कॉलम का उपयोग करके एक सिंगल वायलिन प्लॉट प्लॉट करें। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलिखित है - Cricket

सबअरेरी2[i]। इसलिए, यदि इनपुट nums =[5, 3, 7, 9], k =2 जैसा है, तो आउटपुट [7, 9] होगा। इसे हल करने के लिए, हम इन चरणों का पालन करेंगे - प्रारंभ :=अंकों का आकार - k max_element :=nums[start] max_index :=start =0, करें max_element गैर-शून्य है, तो max_element :=nums[start] max_index :=start वापस

सभी CSV फ़ाइलों को मर्ज करने के लिए, GLOB मॉड्यूल का उपयोग करें। CSV फ़ाइलों को एक साथ मर्ज करने के लिए os.path.join() विधि का उपयोग concat() के अंदर किया जाता है। सबसे पहले, आवश्यक पुस्तकालयों को आयात करें। हमने पीडी को पांडा पुस्तकालय के लिए एक उपनाम के रूप में सेट किया है - import pandas as pd i

Python में CSV फ़ाइल में पांडा डेटाफ़्रेम लिखने के लिए, to_csv() . का उपयोग करें तरीका। सबसे पहले, हम सूचियों का एक शब्दकोश बनाते हैं - # dictionary of lists d = {'Car': ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'],'Date_of_pur

मान लीजिए कि हमारे पास अंक नामक एक सरणी है, हमें एक उप-सरणी की अधिकतम लंबाई का पता लगाना है, जहां इसके सभी तत्वों का गुणनफल सकारात्मक है। हमें सकारात्मक उत्पाद के साथ एक उप-सरणी की अधिकतम लंबाई ज्ञात करनी है। इसलिए, यदि इनपुट nums =[2,-2,-4,5,-3] जैसा है, तो आउटपुट 4 होगा क्योंकि पहले चार तत्व एक स

मान लें कि निम्नलिखित हमारी CSV फ़ाइल है - SalesRecords.csv और हमें उपरोक्त मौजूदा सीएसवी फ़ाइल से 3 एक्सेल फाइल जेनरेट करने की जरूरत है। 3 सीएसवी फाइलें कार के नाम यानी बीएमडब्ल्यू.सीएसवी, लेक्सस.सीएसवी और जगुआर.सीएसवी के आधार पर होनी चाहिए। सबसे पहले, हमारी इनपुट CSV फ़ाइल यानी SalesRecord.c

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल घनत्व अनुमान के संयोजन को आकर्षित करने के लिए किया जाता है। इसके लिए Seaborn.violinplot() का इस्तेमाल किया जाता है। अवलोकन आंतरिक . का उपयोग करके एक छड़ी के रूप में दिखाई देते हैं मान के साथ पैरामीटर छड़ी । मान लें कि CSV फ़ाइल के रूप में हमारा

सीबॉर्न में झुंड प्लॉट का उपयोग गैर-अतिव्यापी बिंदुओं के साथ एक श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए Seaborn.swarmplot() का प्रयोग किया जाता है। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलिखित है - Cricketers2.csv सबसे पहले, आवश्यक पुस्तकालयों को आयात करें - import se

सीबॉर्न में झुंड प्लॉट का उपयोग गैर-अतिव्यापी बिंदुओं के साथ एक श्रेणीबद्ध स्कैटरप्लॉट बनाने के लिए किया जाता है। इसके लिए Seaborn.swarmplot() का प्रयोग किया जाता है। झुंडों को एक श्रेणीगत चर के आधार पर समूहित करें, बस इसे x और y निर्देशांकों में से एक के रूप में सेट करें। मान लें कि CSV फ़ाइल के र

सीबॉर्न में बार प्लॉट का उपयोग बिंदु अनुमान और आत्मविश्वास अंतराल को आयताकार सलाखों के रूप में दिखाने के लिए किया जाता है। Seaborn.barplot() का उपयोग किया जाता है। कैप्साइज़ करें . का उपयोग करके त्रुटि बार पर कैप सेट करें पैरामीटर। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलिखित है - Crick

सीबॉर्न में वायलिन प्लॉट का उपयोग बॉक्सप्लॉट और कर्नेल घनत्व अनुमान के संयोजन को आकर्षित करने के लिए किया जाता है। इसके लिए Seaborn.violinplot() का इस्तेमाल किया जाता है। हम एक स्पष्ट चर द्वारा समूहीकृत स्तंभों के साथ वायलिन की साजिश रचेंगे। मान लें कि CSV फ़ाइल के रूप में हमारा डेटासेट निम्नलिखित

हम एक डेटासेट पर एक सीएसवी फ़ाइल के रूप में प्लॉट.घनत्व () से घनत्व प्लॉट का उपयोग करेंगे। मान लें कि निम्नलिखित हमारा डेटासेट है - Cricketers2.csv सबसे पहले, आवश्यक पुस्तकालयों को आयात करें - import pandas as pd import matplotlib.pyplot as plt CSV फ़ाइल से डेटा को पंडों के डेटाफ़्रेम में लोड करें

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

मान लीजिए कि हमारे पास एआर नामक एक सरणी है, हमें एआर के एक सबरेरे को हटाना होगा जैसे कि एआर में शेष तत्व गैर-घटते क्रम में हैं। हमें निकालने के लिए सबसे छोटी उपसरणी की लंबाई ज्ञात करनी होगी। इसलिए, यदि इनपुट arr =[10,20,30,100,40,20,30,50] की तरह है, तो आउटपुट 3 होगा क्योंकि हम [100, 40, 20] को हटा

मान लीजिए कि हमारे पास दो सरणियाँ हैं nums1 और nums2 , हमें इन दो नियमों का पालन करते हुए गठित ट्रिपलेट्स (टाइप 1 और टाइप 2) का पता लगाना है - ट्रिपलेट (i, j, k) यदि nums1[i]^2 =nums2[j] * nums2[k] जहां [0 <=i

मान लीजिए कि हमारे पास एक स्ट्रिंग s और पूर्णांकों की एक अन्य सरणी है जिसे लागत कहा जाता है जहां लागत [i] s में ith वर्ण को हटाने की लागत का प्रतिनिधित्व करती है। हमें विलोपन की न्यूनतम लागत का पता लगाना होगा जैसे कि एक दूसरे के बगल में दो समान अक्षर न हों। हमें यह ध्यान रखना होगा कि हम उसी समय चुने

मान लीजिए कि हमारे पास n (सम) विभिन्न मित्रों के लिए प्राथमिकताओं की एक सूची है। प्रत्येक व्यक्ति i के लिए, वरीयताएँ [i] वरीयता क्रम में क्रमबद्ध मित्रों की एक सूची रखती है। तो, सूची में पहले वाले मित्र को बाद में सूची में मित्र की तुलना में अधिक पसंद किया जाता है। प्रत्येक सूची में मित्रों को 0 से

मान लीजिए कि हमारे पास बिंदु (x, y) के रूप में कुछ बिंदुओं के साथ बिंदु नामक एक सरणी है। अब दो बिंदुओं (xi, yi) और (xj, yj) को जोड़ने की लागत उनके बीच मैनहट्टन दूरी है, सूत्र है |xi - xj| + |yi - yj|। हमें सभी बिंदुओं को जोड़ने के लिए न्यूनतम लागत का पता लगाना होगा। इसलिए, यदि इनपुट पॉइंट्स की तरह