Category: လမ်းညွှန်

ပုံမှန်အားဖြင့်၊ Jupyter မှတ်စုစာအုပ်များသည် ပန်ဒါ DataFrame ကော်လံ 20 ကိုသာ ပြသသည်။ အောက်ဖော်ပြပါ အထားအသိုကို အသုံးပြု၍ ကော်လံအားလုံးကို ပြသရန် မှတ်စုစာအုပ်ကို အလွယ်တကူ တွန်းအားပေးနိုင်ပါသည်။ p.d. set_option (' max_columns ', None) DataFrame တွင် ကော်လံအမည်များအားလုံးကို ပြသရန် အောက်ပါ syntax ကို သင်အသုံးပြုနိုင်သည်။ print ( df.columns.tolist () ) နောက်ဆုံးတွင်၊ အောက်ပါ syntax ကိုအသုံးပြု၍ ကော်လံ...

pandas DataFrame သို့ header row တစ်ခုထည့်ရန် အောက်ပါနည်းလမ်းသုံးမျိုးထဲမှ တစ်ခုကို သင်သုံးနိုင်သည်။ #add header row when creating DataFrame df = pd. DataFrame (data=[data_values], columns=[' col1 ', ' col2 ', ' col3 ']) #add header row after creating DataFrame df = pd. DataFrame (data=[data_values]) df....

Pandas DataFrame တွင် ကော်လံတစ်ခုမှ အခြားကော်လံတစ်ခုကို နုတ်ရန် အောက်ပါ syntax ကို သင်သုံးနိုင်သည်။ #subtract column 'B' from column 'A' df[' AB '] = df. A - df. B အောက်ပါဥပမာများသည် ဤ syntax ကိုလက်တွေ့တွင်မည်သို့အသုံးပြုရမည်ကိုပြသထားသည်။ ဥပမာ 1- Pandas ရှိ ကော်လံနှစ်ခုကို နုတ်ပါ။ အောက်ပါကုဒ်သည် ပန်ဒါဒေတာဘောင်တွင် ကော်လံတစ်ခုမှ အခြားကော်လံတစ်ခုကို နုတ်နည်းကို ပြသပြီး...

pandas DataFrame တွင် string ကော်လံတစ်ခုကို ကော်လံများစွာသို့ ခွဲရန် အောက်ပါအခြေခံ syntax ကို သင်သုံးနိုင်သည်။ #split column A into two columns: column A and column B df[[' A ',' B ']] = df[' A ']. str . split (' , ', 1 , expand= True...

ပန်ဒါများရှိ တန်ဖိုးများကြား ရာခိုင်နှုန်းပြောင်းလဲမှုကို တွက်ချက်ရန် သင်သည် pct_change() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။ #calculate percent change between values in pandas Series s. pct_change () #calculate percent change between rows in pandas DataFrame df[' column_name ']. pct_change () အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။ ဥပမာ 1- ပန်ဒါစီးရီးတွင် ရာခိုင်နှုန်းပြောင်းလဲမှု...

Pandas DataFrame အတွင်းရှိ ကော်လံများကို ဖယ်ထုတ်ရန် အောက်ပါ syntax ကို သင်သုံးနိုင်သည်။ #exclude column1 df. loc [:, df. columns !=' column1 '] #exclude column1, column2, ... df. loc [:, ~df. columns . isin ([' column1 ',' column2 ',...])] အောက်ပါဥပမာများသည် ဤ syntax ကိုလက်တွေ့တွင်မည်သို့အသုံးပြုရမည်ကိုပြသထားသည်။ ဥပမာ 1-...

vector သည် a = [a 1 , a 2 , a 3 ] နှင့် vector b = [b 1 , b 2 , b 3 ] ကို ပေးသည် ၊ vector များ ၏ scalar ရလဒ် ကို a· b ဟု ရည်ညွှန်း သည် ၊...

အသုံးများသော Chi-square စမ်းသပ်မှု နှစ်မျိုးရှိသည်။ Chi-square goodness-of-fit test : အမျိုးအစားခွဲကိန်းရှင်တစ်ခုသည် တွေးခေါ်မှုဆိုင်ရာ ဖြန့်ဝေမှုကို လိုက်နာခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ လွတ်လပ်ရေး၏ Chi-square စမ်းသပ်မှု – အမျိုးအစားခွဲကွဲပြားသည့် ကိန်းရှင်နှစ်ခုကြားတွင် သိသာထင်ရှားသော ဆက်နွယ်မှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ APA ဖော်မတ်ဖြင့် chi-square goodness-of-fit test ၏ရလဒ်များကို သတင်းပို့ရန် အောက်ပါ အထွေထွေဖွဲ့စည်းပုံကို အသုံးပြုသည်- chi-square goodness-of-fit test...

R တွင် လမ်းကြောင်းများစွာကို ထပ်တင်ရန်အတွက် လိုင်း() နှင့် point() လုပ်ဆောင်ချက်များကို သင်အသုံးပြုနိုင်သည်- #create scatterplot of x1 vs. y1 plot(x1, y1) #overlay line plot of x2 vs. y2 lines(x2, y2) #overlay scatterplot of x3 vs. y3 points(x2, y2) အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်တစ်ခုစီကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။ ဥပမာ 1-...

အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသောအုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများကို ANOVA ကို အသုံးပြုသည်။ ထပ်ခါတလဲလဲတိုင်းတာမှု ANOVA ၏ရလဒ်များကိုအစီရင်ခံသောအခါ၊ ကျွန်ုပ်တို့သည်အောက်ပါအထွေထွေဖွဲ့စည်းပုံကိုအမြဲအသုံးပြုသည်- အမှီအခိုကင်းပြီး မှီခိုသော ကိန်းရှင်၏ အကျဉ်းချုပ်ဖော်ပြချက်။ ANOVA ၏ အလုံးစုံ F-တန်ဖိုးနှင့် သက်ဆိုင်ရာ p-တန်ဖိုး။ ဤသည်မှာ ကျွန်ုပ်တို့သုံးနိုင်သော တိကျသောစကားလုံးဖြစ်သည်။ [dependent variable] အပေါ် [အမှီအခိုကင်းသော ကိန်းရှင်] ၏ အကျိုးသက်ရောက်မှုကို နှိုင်းယှဉ်ရန် ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ANOVA ကို...