Category: လမ်းညွှန်

မကြာခဏဆိုသလို သင်သည် ပန်ဒါနှစ်ကောင် သို့မဟုတ် ထို့ထက်ပိုသော DataFrames များကို စုထားလိုပေမည်။ ကံကောင်းစွာဖြင့်၊ ၎င်းသည် pandas concat() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်။ ဤသင်ခန်းစာတွင် ၎င်းကိုပြုလုပ်ပုံဥပမာများစွာကို ပြသထားသည်။ ဥပမာ 1- Pandas DataFrames နှစ်ခုကို စုထားပါ။ အောက်ဖော်ပြပါ ကုဒ်သည် ပန်ဒါဝက်ဝံ DataFrames နှစ်ခုကို တစ်ခုနှင့်တစ်ခုအပေါ်တွင် “ စုပုံ” ပြီး DataFrame ဖန်တီးနည်းကို ပြသသည်- import pandas as pd...

ကော်လံအများအပြားတွင် ပန်ဒါဒေတာဘောင်နှစ်ခုကို မကြာခဏ ပေါင်းစည်းလိုပေမည်။ ကံကောင်းထောက်မစွာ၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် pandas merge() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ၎င်းသည် လွယ်ကူစွာလုပ်ဆောင်နိုင်သည်- p.d. merge (df1, df2, left_on=['col1','col2'], right_on = ['col1','col2']) ဤသင်ခန်းစာတွင် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ရှင်းပြထားသည်။ ဥပမာ 1- မတူညီသောအမည်များဖြင့် ကော်လံများစွာကို ပေါင်းစည်းပါ။ ကျွန်ုပ်တို့တွင် အောက်ပါ Panda DataFrames နှစ်ခုရှိသည်ဟု ယူဆကြပါစို့။ import pandas as pd...

ပန်ဒါ DataFrame တွင် ကော်လံအများအပြားကိုဖြတ်၍ ထူးခြားသောတန်ဖိုးများအားလုံးကို သင်မကြာခဏရှာဖွေလိုပေမည်။ ကံကောင်းစွာဖြင့်၊ ၎င်းသည် ravel() လုပ်ဆောင်ချက်နှင့် ပေါင်းစပ်ထားသော pandas unique() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်- unique() : ပုံပန်းသဏ္ဍာန်အလိုက် ထူးခြားသောတန်ဖိုးများကို ပြန်ပေးသည်။ ravel(): ပြန့်ကျဲနေသော ဒေတာအတွဲများကို ပြန်ပေးသည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။ import pandas as pd #createDataFrame df = pd.DataFrame({'col1':...

ပန်ဒါ DataFrame တွင် ပျောက်ဆုံးနေသော တန်ဖိုးများကို မကြာခဏ ရေတွက်လိုပေမည်။ ဤသင်ခန်းစာတွင် အောက်ပါ DataFrame ကို အသုံးပြု၍ ပျောက်ဆုံးနေသော တန်ဖိုးများကို ရေတွက်ပုံ ဥပမာများစွာကို ပြသသည် ။ import pandas as pd import numpy as np #create DataFrame with some missing values df = pd.DataFrame({'a': [4, np.nan, np.nan, 7, 8, 12],...

မကြာခဏဆိုသလို သင်သည် ပန်ဒါများတွင် ရက်စွဲ/အချိန်တစ်ခုသို့ ရက်စွဲတစ်ခုသို့ ပြောင်းလဲလိုပေမည်။ ကံကောင်းထောက်မစွာ၊ ၎င်းသည် .dt.date လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်၊၊ အောက်ပါ syntax ကိုယူသည်- df[' date_column '] = pd. to_datetime (df[' datetime_column ']). dt . date ဥပမာ- Pandas တွင် ရက်စွဲမှ ရက်စွဲ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။ import...

မကြာခဏဆိုသလို သင်သည် သတ်မှတ်ထားသောတန်ဖိုးတစ်ခုပါရှိသော pandas DataFrame တွင် အတန်းနံပါတ်များကို ရယူလိုပေမည်။ ကံကောင်းစွာဖြင့်၊ ၎င်းသည် .index လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်။ ဤသင်ခန်းစာတွင် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးပြုပုံ နမူနာများစွာကို ပြသထားသည်။ ဥပမာ 1- အချို့သောတန်ဖိုးနှင့် ကိုက်ညီသော အတန်းနံပါတ်များကို ရယူပါ။ ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။ import pandas as pd #createDataFrame df = pd.DataFrame({'points': [25,...

ကော်လံများထဲမှ အချို့သောတန်ဖိုးတစ်ခုပေါ်လာသည့် pandas DataFrame တွင် အတန်းများကို သင်ရွေးချယ်လိုပေမည်။ ကံကောင်းစွာဖြင့်၊ ၎င်းသည် .any pandas လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်။ ဤသင်ခန်းစာတွင် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးပြုခြင်း၏ ဥပမာများစွာကို ရှင်းပြထားသည်။ ဥပမာ 1- မည်သည့်ကော်လံတွင်မဆို တန်ဖိုးတစ်ခုရှာပါ။ ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။ import pandas as pd #createDataFrame df = pd.DataFrame({'points': [25, 12, 15,...

မကြာခဏ ရက်စွဲများပါရှိသော ကော်လံတစ်ခုအပေါ် အခြေခံ၍ ပန်ဒါ DataFrame ကို စီရန်လိုပေမည်။ ကံကောင်းစွာဖြင့်၊ ၎င်းသည် sort_values() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူသည်။ ဤသင်ခန်းစာတွင် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးပြုပုံ နမူနာများစွာကို ပြသထားသည်။ ဥပမာ 1- ရက်စွဲအလိုက် ကော်လံကိုစီပါ။ ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။ import pandas as pd #createDataFrame df = pd.DataFrame({'sales': [4, 11, 13,...

Symmetric Mean Absolute Percentage Error (SMAPE) ကို မော်ဒယ်များ၏ ကြိုတင်ခန့်မှန်းနိုင်သော တိကျမှုကို တိုင်းတာရန် အသုံးပြုပါသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ SMAPE = (1/n) * Σ(|ခန့်မှန်းချက် – အမှန်တကယ်| / ((| အမှန်တကယ်| + | ခန့်မှန်းချက်|)/2) * 100 ရွှေ- ∑ – “ပေါင်း” ဟူသော သင်္ကေတ n – နမူနာအရွယ်အစား real – ဒေတာ၏...

Quadratic regression သည် ဂရပ်တစ်ခုပေါ်ရှိ “ U” သို့မဟုတ် ပြောင်းပြန် “ U” ကဲ့သို့ဖြစ်နိုင်သည်ဟူသော ဆက်စပ်မှုအစစ်အမှန်များသည် လေးထောင့်ပုံသဏ္ဍာန်ဖြစ်သည့်အခါ ကြိုတင်ခန့်မှန်းကိန်းရှင်နှင့် တုံ့ပြန်မှုကိန်းရှင်ကြားဆက်ဆံရေးကို တွက်ချက်ရန် ကျွန်ုပ်တို့အသုံးပြုနိုင်သော ဆုတ်ယုတ်မှုအမျိုးအစားတစ်ခုဖြစ်သည်။ ဆိုလိုသည်မှာ ခန့်မှန်းသူကိန်းရှင် တိုးလာသည်နှင့်အမျှ၊ တုံ့ပြန်မှုကိန်းရှင်သည် တိုးလာတတ်သည်၊ သို့သော် ခန့်မှန်းချက်ကိန်းရှင်သည် ဆက်လက်တိုးလာသောကြောင့် တုံ့ပြန်မှုကိန်းရှင်သည် ကျဆင်းသွားပါသည်။ ဤသင်ခန်းစာတွင် Python တွင် လေးပုံတပုံ ဆုတ်ယုတ်မှုအား မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ ဥပမာ- Python ရှိ Quadratic Regression ကျွန်ုပ်တို့တွင်...