Category: လမ်းညွှန်

ပန်ဒါ DataFrame မှ အတန်းအားလုံးမှလွဲ၍ အချို့အတန်းများကို ဖယ်ရှားရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်ပါသည်။ နည်းလမ်း 1- ကော်လံရှိ သတ်မှတ်ထားသော တန်ဖိုးရှိသော အတန်းများမှလွဲ၍ အတန်းအားလုံးကို ဖျက်ပါ။ #drop all rows except where team column is equal to 'Mavs' df = df. query (" team == 'Mavs' ") နည်းလမ်း 2- ကော်လံရှိ သတ်မှတ်ထားသော တန်ဖိုးများစွာထဲမှ...

ပန်ဒါများတွင် အညွှန်းနေရာအလိုက် ကော်လံအမည်တစ်ခုရရှိရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- အညွှန်းအနေအထားအရ ကော်လံအမည်ကို ရယူပါ။ #get column name in index position 2 colname = df. columns [ 2 ] နည်းလမ်း 2- အညွှန်းရာထူးအလိုက် ကော်လံအမည်များစွာကို ရယူပါ။ #get column names in index positions 2 and 4 colname = df....

ပန်ဒါများတွင် အစုလိုက်အပြုံလိုက်များပြားသော အုပ်စုတစ်စုကို အသုံးပြုရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်- df. groupby (' team '). agg ( mean_points=(' points ', np. mean ), sum_points=(' points ', np. sum ), std_points=(' points ', np. std )) ဤအထူးဖော်မြူလာသည် DataFrame ၏အတန်းများကို team ဟုခေါ်သော variable ဖြင့် အုပ်စုဖွဲ့ပြီး...

ပန်ဒါ DataFrame တွင် တူညီသောကော်လံတန်ဖိုးများနှင့် အတန်းများကို ပေါင်းစပ်ရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်- #define how to aggregate various fields agg_functions = {' field1 ': ' first ', ' field2 ': ' sum ', ' field ': ' sum '} #create new DataFrame by combining...

dropna() လုပ်ဆောင်ချက်ကို အသုံးပြုပြီးနောက် ပျောက်နေသောတန်ဖိုးများနှင့် အတန်းများကိုချရန် pandas DataFrame ၏အညွှန်းကို ပြန်လည်သတ်မှတ်ရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်- df = df. dropna (). reset_index (drop= True ) အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ ဥပမာ- dropna() ကိုသုံးပြီးနောက် Pandas တွင် အညွှန်းကို ပြန်လည်သတ်မှတ်ပါ အမျိုးမျိုးသော ဘတ်စကတ်ဘောကစားသမားများအကြောင်း အချက်အလက်ပါရှိသော အောက်ပါပန်ဒါ...

Pandas DataFrame အတွင်းရှိ သတ်မှတ်ထားသော ရက်စွဲနှစ်ခုကြားရှိ အတန်းများကို ရွေးချယ်ရန် အောက်ပါ syntax ကို သင်အသုံးပြုနိုင်သည်- df[df. date . between (' 2022-01-02 ', ' 2022-01-06 ')] ဤဥပမာသည် 01/02/2022 နှင့် 01/06/2022 အကြား DataFrame ရှိ အတန်းအားလုံးကို ရွေးသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ ဥပမာ- Pandas ရှိ...

ပန်ဒါ DataFrame အတန်းတစ်ခုစီကို အကြိမ်ပေါင်းများစွာ ထပ်တူကူးရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်- #replicate each row 3 times df_new = pd. DataFrame ( np.repeat ( df.values , 3 ,axis= 0 )) NumPy repeat() လုပ်ဆောင်ချက်အတွက် ဒုတိယအငြင်းပွားမှုမှ နံပါတ်သည် စာကြောင်းတစ်ခုစီကို ပုံတူပွားရန် အကြိမ်အရေအတွက်ကို သတ်မှတ်သည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို...

Pandas DataFrame တွင် ကော်လံအသစ်များထည့်ရန် assign() နည်းလမ်းကို အသုံးပြုနိုင်သည်။ ဤနည်းလမ်းသည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်- df. assign (new_column = values) ဤနည်းလမ်းသည် ကွန်ဆိုးလ်တွင် DataFrame အသစ်ကိုသာပြသမည်ဖြစ်သော်လည်း မူရင်း DataFrame ကို အမှန်တကယ်မွမ်းမံမည်မဟုတ်ကြောင်း သတိပြုရန်အရေးကြီးပါသည်။ မူရင်း DataFrame ကို မွမ်းမံပြင်ဆင်ရန်၊ သင်သည် assign() method ၏ရလဒ်များကို variable အသစ်တစ်ခုတွင် သိမ်းဆည်းရန် လိုအပ်မည်ဖြစ်ပါသည်။ အောက်ပါနမူနာများသည် အောက်ပါ pandas DataFrame...

Pandas DataFrame ကော်လံတစ်ခုကို ပရင့်ထုတ်ရန် အောက်ပါနည်းလမ်းများကို သင်သုံးနိုင်သည်။ နည်းလမ်း 1- ခေါင်းစီးမပါဘဲ ကော်လံကို ပရင့်ထုတ်ပါ။ print (df[' my_column ']. to_string (index= False )) နည်းလမ်း 2- ခေါင်းစီးဖြင့် ကော်လံကို ပရင့်ထုတ်ပါ။ print (df[[' my_column ']]. to_string (index= False )) အောက်ဖော်ပြပါနမူနာများသည် အောက်ပါ pandas DataFrame ဖြင့် လက်တွေ့တွင် နည်းလမ်းတစ်ခုစီကို အသုံးပြုနည်းကို ပြသသည်-...

Python ကိုအသုံးပြုရာတွင် သင်ကြုံတွေ့ရနိုင်သည့် အမှားတစ်ခုမှာ- ModuleNotFoundError : No module named 'sklearn.cross_validation' အောက်ပါစာကြောင်းကိုအသုံးပြု၍ sklearn မှ train_test_split လုပ်ဆောင်ချက်ကို တင်သွင်းရန် ကြိုးစားသောအခါတွင် ဤအမှားသည် များသောအားဖြင့် ဖြစ်ပေါ်တတ်သည်- from sklearn. cross_validation import train_test_split သို့သော်၊ cross_validation submodule ကို model_selection submodule ဖြင့် အစားထိုးထားသည်၊ ထို့ကြောင့် သင်သည် အောက်ပါစာကြောင်းကို အသုံးပြုရပါမည်။ from sklearn. model_selection import...