Python Pandas क्या है? Series, DataFrame, Rows, Columns & CSV in Hindi | RBSE Class 12

Pandas क्या है?

Pandas Python की एक popular open-source library है जिसका उपयोग data को organize, analyze और manipulate करने के लिए किया जाता है।

Pandas विशेष रूप से structured और tabular data के साथ काम करने में बहुत उपयोगी है।

Pandas का उपयोग क्यों किया जाता है?

• Data को table के रूप में organize करने के लिए।
• Data analysis के लिए।
• Rows और columns पर operations करने के लिए।
• CSV और अन्य data files के साथ काम करने के लिए।
• Data को filter और sort करने के लिए।
• Missing data को handle करने के लिए।

Pandas Install कैसे करें?

pip install pandas

Pandas Import कैसे करें?

import pandas as pd

यहाँ pd, Pandas का commonly used alias है।

Pandas Series क्या है?

Series Pandas का एक one-dimensional labeled data structure है। इसमें values के साथ index भी होता है।

Example

import pandas as pd

marks = pd.Series([80, 75, 90, 85])

print(marks)

Output:

0    80
1    75
2    90
3    85
dtype: int64

Series में Custom Index

हम Series बनाते समय custom labels भी दे सकते हैं।

import pandas as pd

marks = pd.Series(
    [80, 75, 90],
    index=["Rahul", "Amit", "Sita"]
)

print(marks)

Output:

Rahul    80
Amit     75
Sita     90
dtype: int64

Series से Value Access करना

print(marks["Rahul"])

Output:

80

Dictionary से Series बनाना

import pandas as pd

data = {
    "Rahul": 80,
    "Amit": 75,
    "Sita": 90
}

marks = pd.Series(data)

print(marks)

DataFrame क्या है?

DataFrame Pandas का two-dimensional labeled data structure है। इसे rows और columns वाली table की तरह समझा जा सकता है।

Example

import pandas as pd

data = {
    "Name": ["Rahul", "Amit", "Sita"],
    "Marks": [80, 75, 90]
}

df = pd.DataFrame(data)

print(df)

Output:

    Name  Marks
0  Rahul     80
1   Amit     75
2   Sita     90

DataFrame के Columns

DataFrame के columns के नाम प्राप्त करने के लिए columns attribute का उपयोग किया जा सकता है।

print(df.columns)

DataFrame की Index

print(df.index)

head() Method

head() DataFrame की शुरुआती rows देखने के लिए उपयोगी है।

print(df.head())

यदि कोई संख्या दी जाए तो उतनी शुरुआती rows देखी जा सकती हैं।

print(df.head(2))

tail() Method

tail() DataFrame की अंतिम rows देखने के लिए उपयोगी है।

print(df.tail(2))

DataFrame का Shape

shape DataFrame में rows और columns की संख्या बताता है।

print(df.shape)

यदि DataFrame में 3 rows और 2 columns हैं, तो output होगा:

(3, 2)

DataFrame का Size

print(df.size)

यह DataFrame में total elements की संख्या बताता है।

एक Column Select करना

print(df["Name"])

एक से अधिक Columns Select करना

print(df[["Name", "Marks"]])

Column का नया Data बनाना

DataFrame में नया column add किया जा सकता है।

df["Grade"] = ["B", "C", "A"]

print(df)

Column Delete करना

df = df.drop("Grade", axis=1)

print(df)

loc[] से Data Access करना

loc[] label-based selection के लिए उपयोग किया जाता है।

print(df.loc[0])

iloc[] से Data Access करना

iloc[] integer-position based selection के लिए उपयोग किया जाता है।

print(df.iloc[0])

एक Specific Cell Access करना

print(df.loc[0, "Name"])

Output:

Rahul

Rows Filter करना

Pandas में condition के आधार पर rows filter की जा सकती हैं।

high_marks = df[df["Marks"] > 80]

print(high_marks)

Multiple Conditions

result = df[(df["Marks"] > 70) & (df["Marks"] < 90)]

print(result)

Data Sort करना

sort_values() का उपयोग values के आधार पर data sort करने के लिए किया जा सकता है।

sorted_df = df.sort_values("Marks")

print(sorted_df)

Descending Order में Sort करना

sorted_df = df.sort_values("Marks", ascending=False)

print(sorted_df)

Missing Data क्या है?

जब किसी DataFrame में किसी value की जानकारी उपलब्ध नहीं होती है, तो उसे missing data कहा जा सकता है।

import pandas as pd

data = {
    "Name": ["Rahul", "Amit", "Sita"],
    "Marks": [80, None, 90]
}

df = pd.DataFrame(data)

print(df)

isna() से Missing Values Check करना

print(df.isna())

fillna() से Missing Value भरना

df["Marks"] = df["Marks"].fillna(0)

print(df)

dropna() से Missing Rows हटाना

df = df.dropna()

print(df)

CSV File क्या है?

CSV का पूरा नाम Comma-Separated Values है। CSV files में tabular data को store किया जा सकता है।

CSV File Read करना

Pandas में CSV file पढ़ने के लिए read_csv() function का उपयोग किया जा सकता है।

import pandas as pd

df = pd.read_csv("students.csv")

print(df)

DataFrame को CSV में Save करना

DataFrame को CSV file में save करने के लिए to_csv() method का उपयोग किया जा सकता है।

df.to_csv("students.csv", index=False)

Data की Basic Information

info()

df.info()

info() DataFrame के columns, non-null values और data types की basic information दिखाता है।

describe()

print(df.describe())

describe() numerical data के descriptive statistics दे सकता है।

Column का Average

average = df["Marks"].mean()

print(average)

Maximum और Minimum

print(df["Marks"].max())
print(df["Marks"].min())

Sum

print(df["Marks"].sum())

Value Counts

value_counts() किसी column में values की frequency देखने के लिए उपयोगी है।

print(df["Grade"].value_counts())

DataFrame में नई Row जोड़ना

छोटे examples में नई row जोड़ने के कई तरीके हो सकते हैं। Modern Pandas में concatenation का उपयोग एक स्पष्ट तरीका है।

new_row = pd.DataFrame({
    "Name": ["Mohan"],
    "Marks": [88]
})

df = pd.concat([df, new_row], ignore_index=True)

print(df)

DataFrame में Column Rename करना

df = df.rename(columns={
    "Marks": "Score"
})

print(df)

DataFrame की Rows और Columns

Concept

उपयोग
DataFrame	Rows और columns वाली table
Series	One-dimensional labeled data
columns	Column names
index	Row labels
shape	Rows और columns की संख्या
size	Total elements
head()	Starting rows
tail()	Ending rows
loc[]	Label-based selection
iloc[]	Position-based selection

Series और DataFrame में अंतर

Series	DataFrame
One-dimensional data structure	Two-dimensional data structure
एक column जैसा समझा जा सकता है	Rows और columns वाली table
एक index होता है	Rows और columns दोनों का structure होता है
Example: Marks Series	Example: Student DataFrame

Practical Example — Student Data

import pandas as pd

data = {
    "Name": ["Rahul", "Amit", "Sita", "Mohan"],
    "Marks": [85, 72, 91, 68]
}

df = pd.DataFrame(data)

print("Student Data:")
print(df)

print("Average Marks:")
print(df["Marks"].mean())

print("Highest Marks:")
print(df["Marks"].max())

print("Students with marks above 80:")
print(df[df["Marks"] > 80])

Python Pandas के फायदे

• Tabular data के साथ आसानी से काम किया जा सकता है।
• Data filtering और sorting आसान होती है।
• CSV data पढ़ना और लिखना आसान है।
• Data analysis के लिए कई useful methods उपलब्ध हैं।
• Missing data को handle किया जा सकता है।

Important Pandas Functions & Methods

Function / Method	उपयोग
pd.Series()	Series बनाने के लिए
pd.DataFrame()	DataFrame बनाने के लिए
pd.read_csv()	CSV file पढ़ने के लिए
to_csv()	DataFrame को CSV में save करने के लिए
head()	Starting rows देखने के लिए
tail()	Ending rows देखने के लिए
loc[]	Label-based selection
iloc[]	Position-based selection
sort_values()	Data sort करने के लिए
isna()	Missing values check करने के लिए
fillna()	Missing values भरने के लिए
dropna()	Missing data वाली rows/columns हटाने के लिए
mean()	Average निकालने के लिए
max()	Maximum value
min()	Minimum value

RBSE Class 12 Important Questions

Frequently Asked Questions (FAQs)

अब अगला Topic पढ़ें