Skip to content
ISO 9001:2015 Certified | To create skilled and industry-ready IT Pro
facebook
twitter
youtube
pinterest
instagram
NIIT Birgunj
Call Support 051-520101
Email Support info@niitbirgunj.edu.np
Location Link road Ghantaghar, Birgunj
  • Home
  • About
  • Team
  • Course
  • Services
  • Gallery
  • Blogs
  • MOS Champ
  • @Youtube
  • Exam-Quiz

ЁЯР╝ Pandas рд╕рд┐рдХреНрдиреЗ рд╕рдореНрдкреВрд░реНрдг рдорд╛рд░реНрдЧрджрд░реНрд╢рди тАФ рд╕реБрд░реБрд╡рд╛рддреАрджреЗрдЦрд┐ рдЙрдиреНрдирдд рд╕реНрддрд░рд╕рдореНрдо

Home > Blogs > ЁЯР╝ Pandas рд╕рд┐рдХреНрдиреЗ рд╕рдореНрдкреВрд░реНрдг рдорд╛рд░реНрдЧрджрд░реНрд╢рди тАФ рд╕реБрд░реБрд╡рд╛рддреАрджреЗрдЦрд┐ рдЙрдиреНрдирдд рд╕реНрддрд░рд╕рдореНрдо

ЁЯР╝ Pandas рд╕рд┐рдХреНрдиреЗ рд╕рдореНрдкреВрд░реНрдг рдорд╛рд░реНрдЧрджрд░реНрд╢рди тАФ рд╕реБрд░реБрд╡рд╛рддреАрджреЗрдЦрд┐ рдЙрдиреНрдирдд рд╕реНрддрд░рд╕рдореНрдо

Posted on November 12, 2025 by Bijay Kushwaha
0

Pandas рднрдиреЗрдХреЛ рдХреЗ рд╣реЛ?

Pandas Python рдХреЛ рдПрдХ рд╢рдХреНрддрд┐рд╢рд╛рд▓реА рд▓рд╛рдЗрдмреНрд░реЗрд░реА рд╣реЛ рдЬрд╕рд▓реЗ рдбреЗрдЯрд╛ рд╕рдлрд╛ рдЧрд░реНрдиреЗ, рд╡рд┐рд╢реНрд▓реЗрд╖рдг рдЧрд░реНрдиреЗ рд░ рд╡реНрдпрд╡рд╕реНрдерд╛рдкрди рдЧрд░реНрдиреЗ рдХрд╛рдо рдЧрд░реНрдЫред
рдпреЛ рджреБрдИ рдкреНрд░рдореБрдЦ рдбреЗрдЯрд╛ рд╕рдВрд░рдЪрдирд╛рдорд╛ рдЖрдзрд╛рд░рд┐рдд рдЫрдГ

  • Series тЖТ рдПрдЙрдЯрд╛ рд╕реНрддрдореНрдн рдЬрд╕реНрддреЛ (рдПрдХ-рдЖрдпрд╛рдо)

  • DataFrame тЖТ рддрд╛рд▓рд┐рдХрд╛ рдЬрд╕реНрддреЛ (рдкрдЩреНрдХреНрддрд┐ рд░ рд╕реНрддрдореНрдн рд╕рд╣рд┐рдд рджреБрдИ-рдЖрдпрд╛рдо)

ЁЯСЙ рд╕рд╛рдзрд╛рд░рдг рднрд╛рд╖рд╛рдорд╛ рднрдиреМрдВ рднрдиреЗ, Pandas рднрдиреЗрдХреЛ Excel + Python рдХреЛ рд╕рдВрдпреЛрдЬрди рд╣реЛ тАФ рддрд░ рдзреЗрд░реИ рдЫрд┐рдЯреЛ рд░ рд╕реНрдорд╛рд░реНрдЯ!


тЪЩя╕П Step 1: Pandas рдЗрдиреНрд╕реНрдЯрд▓ рд░ рдЗрдореНрдкреЛрд░реНрдЯ рдЧрд░реНрдиреЗ

рдкрд╣рд┐рд▓реЗ Pandas рдЗрдиреНрд╕реНрдЯрд▓ рдЧрд░реНрдиреБрд╣реЛрд╕реН:

pip install pandas

рдкрдЫрд┐ Python рдорд╛ рдЗрдореНрдкреЛрд░реНрдЯ рдЧрд░реНрдиреБрд╣реЛрд╕реН:

import pandas as pd

ЁЯУК Step 2: Data Structures рд╕рд┐рдХреНрдиреБрд╣реЛрд╕реН

ЁЯФ╕ Series:

import pandas as pd
data = pd.Series([10, 20, 30, 40], index=['A', 'B', 'C', 'D'])
print(data)

ЁЯСЙ Series рдПрдЙрдЯрд╛ рдорд╛рддреНрд░ рд╕реНрддрдореНрдн рднрдПрдХреЛ рдбреЗрдЯрд╛ рд╣реЛ, рдЬрд╕рдорд╛ label рд╣реБрдиреНрдЫред

ЁЯФ╕ DataFrame:

data = {
'Name': ['Ram', 'Sita', 'Hari'],
'Marks': [85, 92, 78]
}
df = pd.DataFrame(data)
print(df)

ЁЯСЙ DataFrame рднрдиреЗрдХреЛ рддрд╛рд▓рд┐рдХрд╛ (Table) рд╣реЛ тАФ рдЬрд╕рдорд╛ рдзреЗрд░реИ Series рд╣реБрдиреНрдЫрдиреНред


ЁЯза Step 3: Data рдкрдвреНрдиреЗ рд░ рд▓реЗрдЦреНрдиреЗ (Load & Save)

# CSV рдлрд╛рдЗрд▓ рдкрдвреНрдиреЗ
df = pd.read_csv('students.csv')

# CSV рдлрд╛рдЗрд▓рдорд╛ рд▓реЗрдЦреНрдиреЗ
df.to_csv('output.csv', index=False)

ЁЯСЙ CSV, Excel, JSON, рд╡рд╛ Database рдмрд╛рдЯ рдкрдирд┐ рдбреЗрдЯрд╛ рдкрдвреНрди/рд▓реЗрдЦреНрди рд╕рдХрд┐рдиреНрдЫред


ЁЯФН Step 4: Dataset рдЕрдиреНрд╡реЗрд╖рдг рдЧрд░реНрдиреЗ

print(df.head()) # рдкрд╣рд┐рд▓реЛ рел рдкрдЩреНрдХреНрддрд┐
print(df.shape) # рдЖрдХрд╛рд░ (rows, columns)
print(df.columns) # рд╕реНрддрдореНрднрд╣рд░реВрдХреЛ рдирд╛рдо
print(df.info()) # рдбреЗрдЯрд╛ рдкреНрд░рдХрд╛рд░
print(df.describe()) # рд╕рд╛рдВрдЦреНрдпрд┐рдХ рд╡рд┐рд╡рд░рдг

ЁЯСЙ рдпрд╕рд▓реЗ рддрдкрд╛рдИрдВрд▓рд╛рдИ рдбреЗрдЯрд╛ рдХрд╕реНрддреЛ рдЫ рднрдиреЗрд░ рдмреБрдЭреНрди рд╕рдЬрд┐рд▓реЛ рдмрдирд╛рдЙрдБрдЫред


ЁЯзй Step 5: Data рдЫрдиреЛрдЯ рд░ рдлрд┐рд▓реНрдЯрд░ рдЧрд░реНрдиреЗ

# рдПрдХ рд╕реНрддрдореНрдн
print(df['Marks'])

# рдзреЗрд░реИ рд╕реНрддрдореНрднрд╣рд░реВ
print(df[['Name', 'Marks']])

# рдлрд┐рд▓реНрдЯрд░ рдЧрд░реНрдиреЗ
print(df[df['Marks'] > 80])

ЁЯСЙ рдлрд┐рд▓реНрдЯрд░рд┐рдЩрд▓реЗ рдЖрд╡рд╢реНрдпрдХ рдЬрд╛рдирдХрд╛рд░реА рдорд╛рддреНрд░ рджреЗрдЦрд╛рдЙрдБрдЫ тАФ Excel рдХреЛ тАЬFilterтАЭ рдЬрд╕реНрддреИред


ЁЯз╣ Step 6: Data рд╕рдлрд╛ рдЧрд░реНрдиреЗ (Cleaning)

# рдЦрд╛рд▓реА рдбреЗрдЯрд╛ рдЬрд╛рдБрдЪреНрдиреЗ
print(df.isnull().sum())

# рдЦрд╛рд▓реА рдард╛рдЙрдБ рднрд░реНрдиреЗ
df['Marks'].fillna(df['Marks'].mean(), inplace=True)

# рдбреБрдкреНрд▓рд┐рдХреЗрдЯ рд╣рдЯрд╛рдЙрдиреЗ
df.drop_duplicates(inplace=True)

ЁЯза рд╕рдлрд╛ рдбреЗрдЯрд╛ = рд╕рд╣реА рд╡рд┐рд╢реНрд▓реЗрд╖рдгред


ЁЯзо Step 7: рдЧрдгрдирд╛ рд░ рдкрд░рд┐рд╡рд░реНрддрди рдЧрд░реНрдиреЗ

df['Total'] = df['Marks'] + 5
df['Grade'] = df['Marks'].apply(lambda x: 'A' if x > 80 else 'B')
print(df)

ЁЯСЙ apply() рдкреНрд░рдпреЛрдЧ рдЧрд░реЗрд░ рддрдкрд╛рдИрдВ рдХрд╕реНрдЯрдо рдирд┐рдпрдорд╣рд░реВ рдмрдирд╛рдЙрди рд╕рдХреНрдиреБрд╣реБрдиреНрдЫред


ЁЯУИ Step 8: Sorting, Grouping рд░ Aggregation

# Sorting
df.sort_values(by='Marks', ascending=False, inplace=True)

# Grouping
print(df.groupby('Grade')['Marks'].mean())

ЁЯСЙ Grouping рд▓реЗ рдФрд╕рдд, рдпреЛрдЧ, рд╡рд╛ рдЧрдиреНрддреА рдЬрд╕реНрддрд╛ рд░рд┐рдкреЛрд░реНрдЯ рдмрдирд╛рдЙрдБрдЫред


ЁЯФЧ Step 9: Merge, Join рд░ Concatenate

df1 = pd.DataFrame({'ID': [1, 2], 'Name': ['Ram', 'Sita']})
df2 = pd.DataFrame({'ID': [1, 2], 'Marks': [85, 92]})
merged = pd.merge(df1, df2, on='ID')
print(merged)

ЁЯСЙ рдпреЛ Excel рд╡рд╛ SQL Join рдЬрд╕реНрддреИ рд╣реЛред


ЁЯУК Step 10: Visualization (рдЪрд┐рддреНрд░ рдмрдирд╛рдЙрдиреЗ)

import matplotlib.pyplot as plt
df['Marks'].plot(kind='bar')
plt.show()

ЁЯСЙ рдбреЗрдЯрд╛ рджреГрд╢реНрдп (Visual) рдмрдирд╛рдПрд░ рдмреБрдЭреНрди рд╕рдЬрд┐рд▓реЛ рд╣реБрдиреНрдЫред


ЁЯТ╗ Step 11: рдЕрднреНрдпрд╛рд╕рдХрд╛ рд▓рд╛рдЧрд┐ рд╕рд╛рдирд╛ рдкреНрд░реЛрдЬреЗрдХреНрдЯрд╣рд░реВ

  • рд╡рд┐рджреНрдпрд╛рд░реНрдереАрд╣рд░реВрдХреЛ рдирддрд┐рдЬрд╛ рд╡рд┐рд╢реНрд▓реЗрд╖рдг

  • рдмрд┐рдХреНрд░реА рд░рд┐рдкреЛрд░реНрдЯ рддрдпрд╛рд░ рдЧрд░реНрдиреЗ

  • рдореМрд╕рдо рдбреЗрдЯрд╛ рд╕рдлрд╛ рдЧрд░реНрдиреЗ

  • рдЦрд░реНрдЪ рдЯреНрд░реНрдпрд╛рдХрд░ рдмрдирд╛рдЙрдиреЗ

рдЙрджрд╛рд╣рд░рдг:

sales = pd.read_csv('sales.csv')
print(sales.groupby('Month')['Revenue'].sum())

ЁЯУЪ Step 12: рд╕рд┐рдХрд╛рдЗ рд╕реНрд░реЛрддрд╣рд░реВ

тЬЕ Official Docs: https://pandas.pydata.org/docs/
тЬЕ Free Learning Platforms:

  • W3Schools Pandas Tutorial

  • Great Learning, Kaggle Courses

  • тЬЕ NIIT Birgunj


ЁЯЪА рдЕрдиреНрддрд┐рдо рд▓рдХреНрд╖реНрдп

Pandas рд╕рд┐рдХрд┐рд╕рдХреЗрдкрдЫрд┐ рддрдкрд╛рдИрдВ:

  • NumPy рдкреНрд░рдпреЛрдЧ рдЧрд░реЗрд░ рдЧрдгрдирд╛

  • Matplotlib рдкреНрд░рдпреЛрдЧ рдЧрд░реЗрд░ Visualization

  • рдЕрдирд┐ Scikit-learn / TensorFlow рдкреНрд░рдпреЛрдЧ рдЧрд░реЗрд░ Machine Learning рдЧрд░реНрди рддрдпрд╛рд░ рд╣реБрдиреБрд╣реБрдиреЗрдЫ ЁЯЪА

Share on Facebook Share
Share on TwitterTweet
Share on Pinterest Share
Share on LinkedIn Share
Share on Digg Share

NIIT Birgunj ISO 9001:2015 is the pioneer in the fields of computer based education and training for more than ten years. We are here for quality computer-based training and better future for the students who want to see their future in IT. NIIT Birgunj has been successfully running various certificate level courses related to Information Technology and tuition classes for different subjects.

Contact
Link road Ghantaghar, Birgunj
+97751691050/9845231999
support@niitbirgunj.edu.np

Total Visitors Hits:

46803
Disclaimer

Privacy policy

Terms and Condition
copyright © 2016 NIIT Birgunj. All Rights Reserved. | WordPress Theme: Enlighten