জয়েন লগইন

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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।

pandas
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।