پانڈاس معیاری انحراف

Pan As M Yary Anhraf



'پانڈا' ڈیٹا کا تجزیہ کرنے کے لیے ایک بہترین زبان ہے کیونکہ اس کے ڈیٹا سینٹرک ازگر پیکجوں کے عظیم ماحولیاتی نظام کی وجہ سے۔ اس سے دونوں عوامل کا تجزیہ اور درآمد آسان ہو جاتا ہے۔ معیاری انحراف وسط سے ماخوذ ایک 'عام' انحراف ہے۔ یہ بہت زیادہ استعمال کیا جاتا ہے، کیونکہ یہ ڈیٹا فریم کی پیمائش کی اصل اکائیوں کو لوٹاتا ہے۔ پانڈوں نے معیاری انحراف کی گنتی کے لیے std() کا استعمال کیا۔ معیاری انحراف کا حساب دی گئی اقدار سے لگایا جا سکتا ہے جو ایک قطار یا کالم کی شکل میں ڈیٹا فریم میں ہو سکتی ہیں۔ ہم ان تمام ممکنہ طریقوں پر عمل درآمد کریں گے جن میں پانڈا معیاری انحراف استعمال کیا جاتا ہے۔ کوڈ کے نفاذ کے لیے، ہم ٹول 'اسپائیڈر' کا استعمال کریں گے جیسا کہ یہ ازگر کے موافق ماحول میں لکھا گیا ہے۔'

نحو







'df.std ( ) '


درج ذیل نحو کو ڈیٹا فریم میں معیاری انحراف کا حساب لگانے کے لیے استعمال کیا جاتا ہے۔ ڈیٹا فریم میں 'df' 'ڈیٹا فریم' کا مخفف ہے۔ معیاری انحراف کیا کرتا ہے؟ یہ پیمائش کرتا ہے کہ مطلوبہ ڈیٹا کتنا بڑھا ہوا ہے۔ جتنی زیادہ پھیلی ہوئی اعلی اقدار، معیاری انحراف اتنا ہی زیادہ ہونا چاہیے۔



واپسی

پانڈاس معیاری انحراف ڈیٹا فریم کو لوٹاتا ہے اگر ضرورت کی بنیاد پر سطح کی وضاحت کی گئی ہو۔



نوٹ کریں کہ فنکشن 'std()' خود بخود 'df' میں 'NaN' اقدار کو نظر انداز کر دے گا جب کہ پانڈاس معیاری انحراف کا حساب لگاتے ہوئے 'NaN' کی وضاحت 'نمبر نہیں' کے طور پر کی جا سکتی ہے جس کا مطلب ہے کہ کسی خاص کو کوئی قدر تفویض نہیں کی گئی ہے۔





مندرجہ ذیل طریقے ہیں جو پانڈاس معیاری انحراف کی مثالوں کے ساتھ عمل میں لائے جائیں گے:

    • ایک کالم میں پانڈاس معیاری انحراف کا حساب کتاب۔
    • متعدد کالموں میں پانڈاس معیاری انحراف کا حساب کتاب۔
    • تمام عددی کالموں کا پانڈاس معیاری انحراف کا حساب کتاب۔
    • pandas معیاری انحراف محور کا استعمال کرتے ہوئے = 1۔
    • محور = 0 کا استعمال کرتے ہوئے پانڈاس معیاری انحراف۔

پانڈوں میں معیاری انحراف کے حساب کتاب کے لیے ڈیٹا فریم بنانا

سب سے پہلے، 'اسپائیڈر' سافٹ ویئر کھولیں۔ اب پانڈا لائبریری کو بطور pd درآمد کریں۔ ہم ایک ڈیٹا فریم بنائیں گے جس میں ایک اسکور بورڈ پر مشتمل ہو جس میں 'x'، 'y' اور 'z' کے الفاظ ہوں گے اور ان کے پوائنٹس '22'، '10'، '11'، '16'، '12'، '45' ہوں گے۔ '، '36'، اور '40'۔ ہمارے پاس ان کی مدد کی قدریں '8'، '9'، '13'، '7'، '22'، '24'، '4' اور '6' بھی ہیں، جن میں ریباؤنڈز کی قدر بھی '17'، ' 14'، '3'، 5'، '9'، '8'، '7' اور '4'۔




ڈسپلے کوڈ میں تفویض کردہ اقدار کے مطابق بنائے گئے ڈیٹا فریم کو دکھاتے ہیں:

مثال # 01: ایک کالم میں پانڈاس معیاری انحراف کا حساب کتاب

اس مثال میں، ہم پانڈا ڈیٹا فریم میں ایک کالم کے معیاری انحراف کا حساب لگائیں گے۔ ڈیٹا فریم میں ٹیم کی قدریں 'u'، 'v' اور 'b' ہیں جن کے پوائنٹس '44'، '33'، '22'، '44'، '45'، '88'، '96' ہیں۔ 'اور '78'۔ معاونت کی قدریں '7'، '8'، '9'، '10'، '11'، '14'، '18'، اور '17' کے طور پر ہیں ریباؤنڈز کی قدریں بھی '11'، ' 9'، '8'، '7'، '6'، '5'، '4'، اور '3'۔ کالم 'پوائنٹس' کو ڈیٹا فریم سے منتخب کیا جاتا ہے تاکہ سنگل کالم کے معیاری انحراف کا حساب لگایا جا سکے۔


آؤٹ پٹ کالم 'پوائنٹس' کے حساب سے معیاری انحراف کو ظاہر کرتا ہے:

مثال # 02: متعدد کالموں میں پانڈاس معیاری انحراف کا حساب کتاب

اس مثال میں، ہم پانڈا معیاری انحراف کے حسابات کو متعدد کالموں میں انجام دیں گے۔ اس ڈیٹا فریم میں، ڈیٹا دوبارہ کھیلوں کے اسکور بورڈ کا ہے جس میں ٹیم کی قدریں 'n'، 'w' اور 't' ہیں اور اسکور '33'، '22'، '66'، '55'، '44'، '88'، '99'، اور '77'۔ '9'، '7'، '8'، '11'، '16'، '14'، '12' اور '13' کے طور پر معاونت اور '5'، '8'، '1'، '' کے طور پر ریباؤنڈز 2'، '3'، '4'، '6'، اور '7'۔ یہاں ہم ڈیٹا فریم پر لاگو فنکشن std() کا استعمال کرکے دو کالم 'پوائنٹس' اور 'rebounds' کے معیاری انحراف کا حساب لگائیں گے۔


جیسا کہ ہم دیکھتے ہیں، آؤٹ پٹ ظاہر کرتا ہے کہ معیاری انحراف پوائنٹس کالم میں بالترتیب 26.944387 اور ریباؤنڈ کالم میں 2.449490 ہے۔

مثال # 03: تمام عددی کالموں کا پانڈاس معیاری انحراف کا حساب کتاب

اب ہم نے سیکھا ہے کہ سنگل اور ایک سے زیادہ قطاروں کے معیاری انحراف کا حساب کیسے لگانا ہے۔ کیا ہوگا اگر ہم ڈیٹا فریم میں تمام کالموں کے ناموں کی وضاحت نہیں کرنا چاہتے اور پورے ڈیٹا فریم کا حساب لگانا چاہتے ہیں؟ یہ نتائج میں مکمل ڈیٹا فریم کے حساب کے لیے پانڈاس معیاری انحراف کے صرف ایک سادہ فنکشن کے نفاذ سے ممکن ہے۔ یہاں کا ڈیٹا فریم '33'، '36'، '79'، '78'، '58'، '55' کے اسکورنگ اقدار کے ساتھ 'l'، 'm' اور 'o' پر مشتمل ہے اور دو ٹیمیں ایک ہی اسکور کرتی ہیں۔ یعنی '25'۔ معاونات '1'، '2'، '3'، '4'، '6'، '9'، '5' اور '7' کے طور پر ہیں اور ان کے ریباؤنڈ '14'، '10'، '2' کے طور پر ہیں۔ ، '5'، '8'، '3'، '6' اور '9'۔ ہم پانڈا 'std()' فنکشن کا استعمال کرتے ہوئے ڈیٹا فریم میں پانڈوں کے ذریعہ تمام معیاری کالم انحراف کا حساب لگا سکتے ہیں۔


ڈسپلے میں ذیل میں دکھائے گئے پورے 'df' کا حسابی معیاری انحراف ہے۔ ہم یہ بھی دیکھ سکتے ہیں کہ پانڈوں نے پہلے کالم کے معیاری انحراف کا حساب نہیں لگایا ہے، جو کہ 'ٹیم' ہے، کیونکہ یہ عددی کالم نہیں ہے۔

مثال # 04: محور = 0 کا استعمال کرتے ہوئے پانڈاس معیاری انحراف

اس مثال میں، ڈیٹا فریم میں کھیلوں کی ٹیمیں 'g'، 'h'، اور 'k' کے ساتھ مزید ڈیٹا کے ساتھ ہیں۔ یہاں، ہم محور کو '0' کے طور پر استعمال کرتے ہوئے معیاری انحراف کا حساب لگائیں گے، یہ پیرامیٹر پانڈاس معیاری انحراف میں استعمال ہوتا ہے۔ یہ دلیل ڈیٹا فریم کے کالم کے حساب سے معیاری انحراف کا حساب لگاتی ہے۔


درج ذیل آؤٹ پٹ نتائج کو معیاری انحراف کے حساب سے کالموں میں دکھاتا ہے۔ پوائنٹس کالم میں '24.0313062' کے حساب سے معیاری انحراف ہے، معاون کالم میں '2.669270' کے طور پر شمار کردہ معیاری انحراف ہے اور ریباؤنڈ کالم کا حساب شدہ معیاری انحراف '3.943802' کے طور پر دکھایا گیا ہے۔

مثال # 05: محور = 1 کا استعمال کرتے ہوئے پانڈاس معیاری انحراف

یہاں ہم پانڈا میں معیاری انحراف کی گنتی کے لیے '1' کے بطور تفویض کردہ محور پیرامیٹر استعمال کریں گے۔ محور '1' کیا فرق کر سکتا ہے؟ '1' محور دلیل ڈیٹا فریم میں عددی اقدار کے قطار وار معیاری انحراف کا حساب لگاتا ہے۔ ڈیٹا فریم میں تین ٹیمیں 's'، 'd' اور 'e' ہیں، جس میں ڈیٹا کالموں کے اضافے کے ساتھ ٹیم کے پوائنٹس، ٹیم کی معاونت، اور ٹیم کے ریباؤنڈز شامل ہیں۔ تمام ڈائریکشنز کو ڈیٹا فریم میں مختلف اقدار کے ساتھ تفویض کیا گیا ہے۔ یہ محور پیرامیٹر ایک گیم چینجر ہے جیسا کہ وقت کے ساتھ ساتھ، ہمیں اس ڈیٹا پر کام کرنے کی ضرورت ہے جہاں ہم چاہتے ہیں کہ یہ معیاری انحراف کے حساب سے کالم پلس پوائنٹ میں ہو۔


درج ذیل آؤٹ پٹ ڈیٹا فریم کی ایک قطار میں شمار کردہ معیاری انحراف دکھاتا ہے:

نتیجہ

پانڈاس معیاری انحراف ایک بہت تکنیکی فنکشن ہے، جو ایک بہت ہی فائدہ مند فنکشن ہے کیونکہ یہ پانڈاس ڈیٹا فریمز کے جوش و جذبے کے معاہدے کے معیاری انحراف کو تلاش کرتا ہے۔ اس اداریہ میں، ہم نے پانڈوں میں معیاری انحراف کا حساب لگانے کے طریقوں کا مطالعہ کیا ہے۔ ہم نے معیاری انحراف اور متعدد کالموں کے سنگل کالم کیلکولیشن کیے ہیں اور پورے ڈیٹا فریم کے معیاری انحراف کا ایک ساتھ حساب لگایا ہے۔ تمام حکمت عملی اس وقت تک اچھی طرح سے کام کرتی ہیں جب تک کہ ان کا استعمال مستقل اور مطلوبہ نتائج کے ساتھ کیا جائے۔