পান্ডাস
🌈পান্ডাস কি?
📋পান্ডাস হলো ডেটা পরিবর্তন করার পদ্ধতি।
⚒️পান্ডাস ডেটা পরিবর্তন করতে ব্যবহৃত হয়।
পান্ডাস সমূহ
পান্ডাস এবং সেগুলোর ব্যবহারের তালিকা
- ➡️ pivot - ডেটাকে পিভট করে নতুন বিন্যাস তৈরি করা
- ➡️ pivot_table - ডেটা থেকে পিভট টেবিল তৈরি করা
- ➡️ melt - ডেটাকে দীর্ঘ বিন্যাসে রূপান্তর করা
- ➡️ stack - কলামের তথ্যকে স্তরভিত্তিক ইনডেক্সে রূপান্তর করা
- ➡️ unstack - স্তরভিত্তিক ইনডেক্সকে কলামে রূপান্তর করা
- ➡️ explode - তালিকার মানগুলোকে পৃথক সারিতে বিভক্ত করা
- ➡️ filter - শর্ত অনুযায়ী মান বাছাই করা
- ➡️ add_prefix - কলাম বা ইনডেক্সের শুরুতে উপসর্গ যোগ করা
- ➡️ add_suffix - কলাম বা ইনডেক্সের শেষে প্রত্যয় যোগ করা
- ➡️ head - প্রথম মান বের করা
- ➡️ tail - শেষের কয়েকটি সারি বের করা
- ➡️ apply - প্রতিটি মানের উপর প্রক্রিয়া করা
- ➡️ map - প্রতিটি মানের উপর প্রক্রিয়া করা
- ➡️ astype - ডেটার ধরন পরিবর্তন করা
- ➡️ bfill - পরবর্তী মান দিয়ে অনুপস্থিত মান পূরণ করা
- ➡️ ffill - পূর্ববর্তী মান দিয়ে অনুপস্থিত মান পূরণ করা
- ➡️ fillna - অনুপস্থিত মান নির্ধারিত মান দিয়ে পূরণ করা
- ➡️ mask - শর্ত অনুযায়ী নির্দিষ্ট মান প্রতিস্থাপন করা
- ➡️ replace - নির্দিষ্ট মানের প্রথম মান প্রতিস্থাপন করা
- ➡️ round - সময় নিকটতম এককে রাউন্ড করা
- ➡️ where - শর্ত পূরণ করা মানগুলো রাখা
- ➡️ clip - মানগুলোকে নির্দিষ্ট সীমার মধ্যে রাখা
pivot - ডেটাকে পিভট করে নতুন বিন্যাস তৈরি করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম", "তায়িফ", "মনির"],
'শহর': ["ঢাকা", "সিলেট", "ঢাকা", "সিলেট"],
'নাম্বার': [2, 5, 3, 8]
})
result = data.pivot(index='নাম', columns='শহর', values='নাম্বার')
print(result.to_string())
pivot_table - ডেটা থেকে পিভট টেবিল তৈরি করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম", "তায়িফ", "মনির"],
'শহর': ["ঢাকা", "সিলেট", "ঢাকা", "সিলেট"],
'নাম্বার': [2, 5, 3, 8]
})
result = data.pivot_table(
index='শহর',
values='নাম্বার',
aggfunc='mean'
)
print(result.to_string())
melt - ডেটাকে দীর্ঘ বিন্যাসে রূপান্তর করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'শহর': ["ঢাকা", "সিলেট"],
'বয়স': [20, 22]
})
result = data.melt(
id_vars=['নাম'],
var_name='অ্যাট্রিবিউট',
value_name='ভ্যালু'
)
print(result.to_string(index=False))
stack - কলামের তথ্যকে স্তরভিত্তিক ইনডেক্সে রূপান্তর করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'নাম্বার': [2, 5],
'স্কোর': [80, 90]
})
result = data.set_index('নাম').stack()
print(result.to_string())
unstack - স্তরভিত্তিক ইনডেক্সকে কলামে রূপান্তর করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'শহর': ["ঢাকা", "সিলেট"],
'নাম্বার': [2, 5]
})
result = data.set_index(['শহর', 'নাম'])['নাম্বার'].unstack()
print(result.to_string())
explode - তালিকার মানগুলোকে পৃথক সারিতে বিভক্ত করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'শহর': [["ঢাকা", "সিলেট"], ["রাজশাহী", "খুলনা"]]
})
result = data.explode('শহর')
print(result.to_string(index=False))
filter - শর্ত অনুযায়ী মান বাছাই করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম", "তায়িফ", "মনির"],
'টোকেন': [2, 5, 3, 8]
})
result = data.groupby('নাম').filter(
lambda group: group['টোকেন'].mean() > 2
)
print(result.to_string(index=False))
add_prefix - কলাম বা ইনডেক্সের শুরুতে উপসর্গ যোগ করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'শহর': ["ঢাকা", "ঢাকা"]
})
result = data.add_prefix("ইউজার_")
print(result.to_string(index=False))
add_suffix - কলাম বা ইনডেক্সের শেষে প্রত্যয় যোগ করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম"],
'শহর': ["ঢাকা", "ঢাকা"]
})
result = data.add_suffix("...")
print(result.to_string(index=False))
head - প্রথম মান বের করার উদাহরণ।
import pandas
data = {
'ইউজার': ["আরিফ", "তানিম", "তায়িফ", "মনির"],
'শহর': ["ঢাকা", "ঢাকা", "ঢাকা", "ঢাকা"]
}
table = pandas.DataFrame(data)
print(table.head(2))
tail - শেষের কয়েকটি সারি বের করার উদাহরণ।
import pandas
data = {
'ইউজার': ["আরিফ", "তানিম", "তায়িফ", "মনির"],
'শহর': ["ঢাকা", "ঢাকা", "ঢাকা", "ঢাকা"]
}
table = pandas.DataFrame(data)
print(table.tail())
apply - প্রতিটি মানের উপর প্রক্রিয়া করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 6, 8]
})
result = data['নাম্বার'].apply(lambda item: item * 2)
print(result.to_string(index=False))
map - প্রতিটি মানের উপর প্রক্রিয়া করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 6, 8]
})
result = data['নাম্বার'].map(lambda item: item / 2)
print(result.to_string(index=False))
astype - ডেটার ধরন পরিবর্তন করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 5, 8]
})
result = data['নাম্বার'].astype(float)
print(result.to_string(index=False))
bfill - পরবর্তী মান দিয়ে অনুপস্থিত মান পূরণ করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "আরিফ"],
'শহর': ["ঢাকা", None]
})
result = data.bfill()
print(result.to_string(index=False))
ffill - পূর্ববর্তী মান দিয়ে অনুপস্থিত মান পূরণ করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "আরিফ"],
'শহর': ["ঢাকা", None]
})
result = data.ffill()
print(result.to_string(index=False))
fillna - অনুপস্থিত মান নির্ধারিত মান দিয়ে পূরণ করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম", None],
'শহর': ["ঢাকা", None, "ঢাকা"]
})
result = data.fillna("অজানা")
print(result.to_string(index=False))
mask - শর্ত অনুযায়ী নির্দিষ্ট মান প্রতিস্থাপন করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 5, 8]
})
result = data['নাম্বার'].mask(data['নাম্বার'] > 4, 0)
print(result.to_string(index=False))
replace - নির্দিষ্ট মানের প্রথম মান প্রতিস্থাপন করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম': ["সাকিব", "তানিম", "তায়িফ"],
'শহর': ["ঢাকা", "সিলেট", "ঢাকা"]
})
result = data['শহর'].replace("ঢাকা", "খুলনা")
print(result.to_string(index=False))
round - সময় নিকটতম এককে রাউন্ড করার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2.14, 4.56, 5.78, 8.91]
})
result = data['নাম্বার'].round()
print(result.to_string(index=False))
where - শর্ত পূরণ করা মানগুলো রাখার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 5, 8]
})
result = data['নাম্বার'].where(data['নাম্বার'] <= 4, 0)
print(result.to_string(index=False))
clip - মানগুলোকে নির্দিষ্ট সীমার মধ্যে রাখার উদাহরণ।
import pandas
data = pandas.DataFrame({
'নাম্বার': [2, 4, 5, 8]
})
result = data['নাম্বার'].clip(lower=3, upper=6)
print(result.to_string(index=False))
পান্ডাস সম্পর্কিত বিস্তারিত তথ্য
কার্যকর কোডিং উদাহরণ এবং সেগুলোর রেফারেন্স লিংক
| নাম | বিবরণ |
|---|---|
| pivot | ডেটাকে পিভট করে নতুন বিন্যাস তৈরি করতে ব্যবহৃত হয়। |
| pivot_table | ডেটা থেকে পিভট টেবিল তৈরি করতে ব্যবহৃত হয়। |
| melt | ডেটাকে দীর্ঘ বিন্যাসে রূপান্তর করতে ব্যবহৃত হয়। |
| stack | কলামের তথ্যকে স্তরভিত্তিক ইনডেক্সে রূপান্তর করতে ব্যবহৃত হয়। |
| unstack | স্তরভিত্তিক ইনডেক্সকে কলামে রূপান্তর করতে ব্যবহৃত হয়। |
| explode | তালিকার মানগুলোকে পৃথক সারিতে বিভক্ত করতে ব্যবহৃত হয়। |
| filter | শর্ত অনুযায়ী মান বাছাই করতে ব্যবহৃত হয়। |
| add_prefix | কলাম বা ইনডেক্সের শুরুতে উপসর্গ যোগ করতে ব্যবহৃত হয়। |
| add_suffix | কলাম বা ইনডেক্সের শেষে প্রত্যয় যোগ করতে ব্যবহৃত হয়। |
| head | প্রথম মান বের করতে ব্যবহৃত হয়। |
| tail | শেষের কয়েকটি সারি বের করতে ব্যবহৃত হয়। |
| apply | প্রতিটি মানের উপর প্রক্রিয়া করতে ব্যবহৃত হয়। |
| map | প্রতিটি মানের উপর প্রক্রিয়া করতে ব্যবহৃত হয়। |
| astype | ডেটার ধরন পরিবর্তন করতে ব্যবহৃত হয়। |
| bfill | পরবর্তী মান দিয়ে অনুপস্থিত মান পূরণ করতে ব্যবহৃত হয়। |
| ffill | পূর্ববর্তী মান দিয়ে অনুপস্থিত মান পূরণ করতে ব্যবহৃত হয়। |
| fillna | অনুপস্থিত মান নির্ধারিত মান দিয়ে পূরণ করতে ব্যবহৃত হয়। |
| mask | শর্ত অনুযায়ী নির্দিষ্ট মান প্রতিস্থাপন করতে ব্যবহৃত হয়। |
| replace | নির্দিষ্ট মানের প্রথম মান প্রতিস্থাপন করতে ব্যবহৃত হয়। |
| round | সময় নিকটতম এককে রাউন্ড করতে ব্যবহৃত হয়। |
| where | শর্ত পূরণ করা মানগুলো রাখতে ব্যবহৃত হয়। |
| clip | মানগুলোকে নির্দিষ্ট সীমার মধ্যে রাখতে ব্যবহৃত হয়। |