हल: पांडा क्वेरी रिटर्न कॉलम

पांडा एक व्यापक रूप से लोकप्रिय पायथन पुस्तकालय है जिसका उपयोग डेटा विश्लेषण और हेरफेर के क्षेत्र में किया जाता है। आजकल, बड़ी मात्रा में डेटा के साथ विश्लेषण और काम करना पहले से कहीं अधिक महत्वपूर्ण है, और इस उद्देश्य के लिए आवश्यक उपकरण प्रदान करने में पांडा एक आवश्यक भूमिका निभाते हैं। डेटा विश्लेषण के दौरान अक्सर किए जाने वाले महत्वपूर्ण कार्यों में से एक विशिष्ट जानकारी को क्वेरी करने और कुछ शर्तों के आधार पर कॉलम वापस करने की क्षमता है। इस लेख में, हम कोड, कार्यों और आवश्यक पुस्तकालयों की विस्तृत व्याख्या के साथ शक्तिशाली पांडा पुस्तकालय का उपयोग करके इस तरह के परिणाम प्राप्त करने के तरीके पर चर्चा करेंगे।

पूर्वापेक्षाएँ: पांडा स्थापित करना

समाधान में गोता लगाने से पहले, आपको अपने सिस्टम पर पांडा स्थापित करना होगा। यदि आपके पास पहले से स्थापित पांडा नहीं हैं, तो आप इसे पायथन के पैकेज मैनेजर, पाइप के माध्यम से स्थापित करने के लिए निम्न कमांड का उपयोग कर सकते हैं:

pip install pandas

पंडों को सफलतापूर्वक स्थापित करने के बाद, इसे अपने पायथन लिपि में आयात करने के लिए आगे बढ़ें:

import pandas as pd

अब जब हमारे पास पंडों को स्थापित कर दिया गया है और हमारी स्क्रिप्ट में आयात कर लिया गया है, तो समस्या को हल करने के लिए आगे बढ़ते हैं।

समस्या समाधान: डेटाफ़्रेम को क्वेरी करना और कॉलम वापस करना

यह मानते हुए कि हमारे पास एक डेटाफ़्रेम है और कुछ शर्तों के आधार पर विशिष्ट जानकारी को क्वेरी करने की आवश्यकता है, उदाहरण के लिए, "आयु" नामक एक कॉलम ढूँढना जहाँ मान किसी दिए गए नंबर से अधिक हैं। हम इसे पांडों के प्रयोग से प्राप्त कर सकते हैं क्वेरी () समारोह.

आइए पहले प्रदर्शन उद्देश्यों के लिए कुछ डेटा के साथ एक नमूना डेटाफ़्रेम बनाएँ:

data = {
    "Name": ["Alice", "Bob", "Charlie", "David", "Eve"],
    "Age": [25, 32, 29, 41, 38],
    "City": ["New York", "San Francisco", "Los Angeles", "Chicago", "Miami"]
}

df = pd.DataFrame(data)

चरण-दर-चरण स्पष्टीकरण: पांडा क्वेरी फ़ंक्शन के साथ कार्य करना

अब जब हमने एक नमूना DataFrame बना लिया है तो चलिए क्वेरी करने और आवश्यक डेटा वापस करने के चरणों को तोड़ते हैं:

1. उपयोग क्वेरी () प्रदान की गई शर्तों के आधार पर DataFrame को फ़िल्टर करने का कार्य:

   age_filter = df.query('Age > 30')
   

RSI क्वेरी () फ़ंक्शन एक स्ट्रिंग को स्वीकार करता है जिसमें शर्त होती है, यहाँ 'उम्र> 30', डेटाफ़्रेम को तदनुसार फ़िल्टर करने के लिए।

2. फ़िल्टर किए गए डेटाफ़्रेम का केवल 'आयु' कॉलम लौटाने के लिए, उपयोग करें:

   result = age_filter['Age']
   

3. अंत में, परिणाम प्रिंट करें:

   print(result)
   

अन्य उल्लेखनीय समान कार्य और पुस्तकालय

करने के लिए इसके अलावा में क्वेरी () समारोह, पांडा में इसी तरह के अन्य विकल्प उपलब्ध हैं, जैसे नियंत्रण रेखा [] और इलोक [] कार्य, जो डेटा को फ़िल्टर करने और पुनर्प्राप्त करने के समान उद्देश्य को पूरा कर सकते हैं। फ़ंक्शन का चुनाव समस्या की जटिलता और कोड की सरलता पर निर्भर करता है।

इसके अलावा, डेटा विश्लेषण क्षमताओं को और बेहतर बनाने के लिए पंडों को अक्सर अन्य पुस्तकालयों के साथ जोड़ा जाता है। Numpy पंडों के प्रदर्शन अनुकूलन को लाभान्वित करते हुए, संख्यात्मक संचालन के लिए एक पुस्तकालय है। समानांतर में, matplotlib लाइब्रेरी डेटा के सम्मोहक विज़ुअलाइज़ेशन बनाने में सहायता करती है, जिससे उपयोगकर्ताओं के लिए डेटा पैटर्न को समझना आसान हो जाता है।

अंत में, पांडा पुस्तकालय लचीला और कुशल डेटा हेरफेर तकनीक प्रदान करने के लिए NumPy और Matplotlib जैसे अन्य आवश्यक पुस्तकालयों के साथ मिलकर डेटा विश्लेषण और फ़िल्टरिंग में एक मौलिक उपकरण के रूप में कार्य करता है।