पंडों के साथ ट्राई मोबाइल डेटा दर का विश्लेषण

| | | | | | | | | | | | | | | |

आइए मोबाइल डेटा दरों का विश्लेषण करने के लिए ट्राई के एक वास्तविक डेटासेट का उपयोग करें और इस महीने किसी विशेष ऑपरेटर या राज्य के लिए औसत गति देखने का प्रयास करें। यह यह भी दिखाएगा कि दिलचस्प परिणाम देने के लिए किसी भी वास्तविक डेटा पर पंडों का कितनी आसानी से उपयोग किया जा सकता है।

डेटासेट के बारे में —
भारतीय दूरसंचार नियामक प्राधिकरण (TRAI) इसके द्वारा मापी गई इंटरनेट गति का एक मासिक डेटासेट MySpeed (TRAI) । इसमें उपयोगकर्ता द्वारा शुरू किए गए गति परीक्षण या एप्लिकेशन द्वारा किए गए आवधिक पृष्ठभूमि परीक्षण शामिल हैं। हम इस डेटासेट का विश्लेषण करने और इस महीने किसी विशिष्ट ऑपरेटर या राज्य के लिए औसत गति देखने की कोशिश करेंगे।

कच्चे डेटा संरचना की जाँच:

  • TRAI MySpeed Portal पर जाएं और पिछले महीने की CSV फ़ाइल अपलोड करें डाउनलोड करें अनुभाग में। आप इस लेख में प्रयुक्त CSV फ़ाइल भी डाउनलोड कर सकते हैं: sept18_publish.csv या sept18_publish_drive.csv

  • इस स्प्रेडशीट फ़ाइल को खोलें।
    ध्यान दें । चूंकि डेटासेट बहुत बड़ा है, इसलिए सॉफ़्टवेयर आपको चेतावनी दे सकता है कि यह सभी पंक्तियों को लोड नहीं कर सकता है। यह एकदम सही है। साथ ही, यदि आप Microsoft Excel का उपयोग कर रहे हैं, तो SYLK फ़ाइल खोलने के बारे में चेतावनी हो सकती है। इस त्रुटि को अनदेखा किया जा सकता है क्योंकि यह एक्सेल में एक सामान्य त्रुटि है। class = wp-caption-text> डेटासेट में कॉलम के नाम

    पहला कॉलम नेटवर्क ऑपरेटर - JIO, Airtel आदि का है।
    दूसरा कॉलम नेटवर्क टेक्नोलॉजी का है - 3G या 4G
    तीसरा कॉलम टेस्ट का प्रकार शुरू किया गया है - अपलोड या डाउनलोड करें। माप के दौरान सिग्नल की शक्ति ।
    छठा स्तंभ स्थानीय सेवा क्षेत्र (LSA) है, या वह मंडल जहां परीक्षण किया गया था - दिल्ली, उड़ीसा आदि। हम इसे केवल `राज्यों` के रूप में संदर्भित करेंगे।

  • ध्यान दें। सिग्नल की ताकत na (उपलब्ध नहीं) हो सकती है क्योंकि कुछ डिवाइस सिग्नल को इंटरसेप्ट नहीं कर सकते। प्रक्रिया को सरल बनाने के लिए हम अपनी गणना में इस पैरामीटर के उपयोग की उपेक्षा करेंगे। हालांकि, फ़िल्टर करते समय इसे आसानी से एक शर्त के रूप में जोड़ा जा सकता है।

    आवश्यक पैकेज -

    पंडों - a लोकप्रिय डेटा विश्लेषण टूलकिट। डेटा के बड़े सेट को क्रंच करने के लिए बहुत शक्तिशाली।
    Numpy - समरूप डेटा की सरणियों पर तेज़ और कुशल संचालन प्रदान करता है। हम इसका उपयोग पांडा और matplotlib के साथ करेंगे।
    Matplotlib - एक प्लॉटिंग लाइब्रेरी है। हम बार ग्राफ बनाने के लिए इसके बार प्लॉटिंग फ़ंक्शन का उपयोग करेंगे।

    आइए डेटा का विश्लेषण शुरू करें।

    चरण # 1: पैकेज आयात करें और कुछ स्थिरांक परिभाषित करें।


    <तालिका सीमा = "0" सेलपैडिंग = " 0" सेलस्पेसिंग = " 0 ">

    <कोड वर्ग =" कीवर्ड "> आयात <कोड वर्ग =" सादा "> पीडी के रूप में पांडा

    import numpy as np

    आयात <कोड वर्ग = "सादा"> plt के रूप में matplotlib.pyplot


    # कुछ स्थिरांक परिभाषित करें > = "सादा"> DATASET_FILENAME <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `sept18_publish.csv`


    <कोड वर्ग = "टिप्पणियां"> # फ़िल्टर करने के लिए एक ऑपरेटर को परिभाषित करें।

    <कोड वर्ग = "सादा"> CONST_OPERATOR <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `JIO` code>


    # फ़िल्टर करने के लिए राज्य को परिभाषित करें।

    <कोड वर्ग = "सादा"> CONST_STATE <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `दिल्ली` code>


    # फ़िल्टरिंग के लिए तकनीक को परिभाषित करें

    CONST_TECHNOLOGY < कोड वर्ग ="कीवर्ड"> = <कोड वर्ग ="स्ट्रिंग ">` 4जी`

    चरण # 2: ऐसी अनेक सूचियों को परिभाषित करें जो अंतिम परिकलित परिणामों को संग्रहीत करेंगी ताकि उन्हें हिस्टोग्राम बनाने के कार्य में आसानी से पारित किया जा सके। राज्य (या ऑपरेटर), डाउनलोड गति और डाउनलोड गति क्रमिक रूप से संग्रहीत की जाएगी, इसलिए सूचकांक, राज्य (या ऑपरेटर) और उनकी संबंधित डाउनलोड और अपलोड गति तक पहुंचा जा सकता है।

    उदाहरण के लिए, final_states [2 ], final_download_speeds [2] और final_upload_speeds [2] तीसरे राज्य के लिए संबंधित मान देंगे।


    # सूचियों को परिभाषित करें

    final_download_speeds = []

    final_upload_speeds कोड> <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []

    <कोड वर्ग = "सादा"> final_states < कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []

    <कोड वर्ग = "सादा"> final_operators <कोड वर्ग = "कीवर्ड"> = <कोड क्लास = "प्लाई एन"> []

    चरण # 3: < /स्ट्रोन g> read_csv () पांडा read_csv () का उपयोग करके फ़ाइल आयात करें और इसे ' डीएफ '. यह CSV सामग्री का एक डेटाफ़्रेम बनाएगा जिस पर हम काम करेंगे।


    df = pd.read_csv (DATASET_FILENAME)


    # डेटा के आधार पर हर कॉलम के लिए हेडर असाइन करें
    # इससे हम आसानी से कॉलम तक पहुंच सकते हैं


    df.columns < / कोड> <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग =" सादा ">, <कोड वर्ग = "स्ट्रिंग"> `प्रौद्योगिकी` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `परीक्षण प्रकार` कोड> <कोड वर्ग = "सादा">,

    कोड वर्ग = "स्ट्रिंग"> `डेटा गति` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `सिग्नल शक्ति` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `राज्य` <कोड वर्ग = " सादा">]

    चरण # 4: सबसे पहले, आइए इस डेटासेट में सभी विशिष्ट राज्यों और कथनों को ढूंढते हैं और उन्हें उनकी संबंधित राज्यों की सूची में संग्रहीत करते हैं और कथन।

    हम पंडों के लिए # अद्वितीय राज्यों को ढूंढें और प्रदर्शित करें

    <कोड वर्ग = "सादा"> राज्य कोड> <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> डीएफ [ <कोड वर्ग = "स्ट्रिंग"> `राज्य` <कोड वर्ग = "सादा" ">]। अद्वितीय ()

    <कोड वर्ग = "कीवर्ड"> प्रिंट <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग"> ` राज्य मिला: ` , States)


    # अद्वितीय ऑपरेटरों को ढूंढें और प्रदर्शित करें

    <कोड वर्ग = "सादा"> ऑपरेटर <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> df [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा">]। अद्वितीय ()

    <कोड वर्ग = "कार्य"> प्रिंट <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग"> `ऑपरेटर्स मिला:` , ऑपरेटर्स)

    निकास: /p>

 राज्य मिले: [`केरल`` राजस्थान` `महाराष्ट्र`` यूपी ईस्ट`` कर्नाटक `न` मध्य प्रदेश`` कोलकाता`` बिहार`` गुजरात`` यूपी पश्चिम, उड़ीसा, तमिलनाडु, दिल्ली, असम, आंध्र प्रदेश, हरियाणा, पंजाब, उत्तर पूर्व, मुंबई, चेन्नई, हिमाचल प्रदेश, जम्मू और amp; कश्मीर`` पश्चिम बंगाल`] ऑपरेटर मिले: [`आइडिया`` जियो` `एयरटेल`` वोडाफोन`` सेलोन`] 

चरण # 5: परिभाषित करें fixed_operator फ़ंक्शन, जो कथन को स्थिर रखेगा और उस कथन के लिए सभी उपलब्ध राज्यों पर पुनरावृति करेगा। हम एक निश्चित स्थिति के लिए एक समान फ़ंक्शन बना सकते हैं।


<तालिका सीमा = "0" सेलपैडिंग = "0" सेलस्पेसिंग = "0 ">

# फ़िल्टर ऑपरेटर और तकनीकें
# पहले के दौरान, यह सभी के लिए समान होगा

<कोड वर्ग = "सादा"> फ़िल्टर किया गया <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> df [(df [ ` Service Provider` ] = = <कोड वर्ग = "सादा"> CONST_OPERATOR)

<कोड वर्ग = "अपरिभाषित रिक्त स्थान"> <कोड वर्ग = "सादा"> & amp; (df ‚Äã‚Äã[ `Technology` ] = कोड> <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> CONST_TECHNOLOGY)]


<कोड वर्ग = "टिप्पणियां"> # पुनरावृति प्रत्येक राज्य में

for State < में /code> बताता है:

# एक नया डेटा फ्रेम बनाएं जिसमें

# केवल वर्तमान स्थिति डेटा

आधार <कोड वर्ग =" कीवर्ड "> = <कोड वर्ग =" सादा "> फ़िल्टर किया गया [फ़िल्टर किया गया [ <कोड वर्ग = "स्ट्रिंग"> `राज्य` कोड> <कोड वर्ग = "सादा">] <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> राज्य ]


# केवल फ़िल्टर dow परीक्षण प्रकार के आधार पर गति लोड करें

<कोड वर्ग = "सादा"> नीचे <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा" > आधार [आधार [ <कोड वर्ग = "स्ट्रिंग"> `परीक्षण प्रकार` <कोड वर्ग = "सादा">] <कोड वर्ग = "कीवर्ड"> = <कोड क्लास = "कीवर्ड"> = <कोड क्लास = "स्ट्रिंग"> `डाउनलोड` <कोड क्लास = "सादा">]

कोड वर्ग = "अपरिभाषित रिक्त स्थान">

कोड वर्ग = "टिप्पणियां"> # फ़िल्टर केवल परीक्षण प्रकार के आधार पर डाउनलोड गति

<कोड वर्ग = "सादा"> ऊपर <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> आधार [आधार [ <कोड वर्ग = "स्ट्रिंग ">` परीक्षण प्रकार ` <कोड वर्ग = "सादा">] <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "के yword"> = <कोड वर्ग =" स्ट्रिंग ">` अपलोड ` <कोड वर्ग = "सादा">]


< कोड वर्ग =" अपरिभाषित रिक्त स्थान "> <कोड वर्ग = "टिप्पणियां"> # डेटा गति में औसत गति की गणना करें ‚Äã‚Äã

# कॉलम पांडास.मीन () विधि का उपयोग कर रहा है / कोड> <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> नीचे [ <कोड वर्ग = "स्ट्रिंग"> `डेटा गति` <कोड वर्ग = "सादा">]। माध्य ()

# औसत गति की गणना करें

<कोड वर्ग = "अपरिभाषित रिक्त स्थान"> # डेटा दर कॉलम में

<कोड वर्ग =" अपरिभाषित रिक्त स्थान "> <कोड वर्ग =" सादा "> avg_up <कोड वर्ग =" कीवर्ड "> = <कोड वर्ग =" सादा "> ऊपर [ <कोड क्लास = "स्ट्रिंग"> `डेटा स्पीड` <कोड क्लास = "सादा">]। माध्य ()

# मूल्यों को त्यागें अगर औसत एक संख्या (नैन) नहीं है

# और केवल मान्य जोड़ें

if (pd.isnull (avg_down) or कोड> <कोड वर्ग = "सादा"> pd.isnull (avg_up)):

<कोड वर्ग = "सादा"> नीचे, ऊपर <कोड वर्ग = "कीवर्ड" "> = <कोड वर्ग = "मान"> 0 <कोड वर्ग = "सादा">, <कोड वर्ग = "मान"> 0


<कोड वर्ग = "कीवर्ड"> अन्य <कोड वर्ग = "सादा">:

<कोड वर्ग = "सादा"> final_stat तों। एपेंड (राज्य)

final_download_speeds.append (avg_down)

final_upload_speeds. एपेंड (avg_up)


# 2 दशमलव स्थानों तक प्रिंट करता है

प्रिंट ( str (स्टेट) + `- Avg. डाउनलोड करें: ` +

str < /कोड> <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग"> `% .2f` <कोड वर्ग = "कीवर्ड">% <कोड वर्ग = "सादा"> avg_down) <कोड वर्ग = "कीवर्ड"> +

<कोड वर्ग = "स्ट्रिंग" > ` औसत। अपलोड करें: ` + str ( `% .2f` % avg_up))

< / tr>

बाहर निकलें :

 केरल - औसत। डाउनलोड करें: 26129.27 औसत। अपलोड करें: 5193.46 राजस्थान - औसत। डाउनलोड: 27784.86 औसत अपलोड करें: 5736.18 महाराष्ट्र - औसत। डाउनलोड: 20707.88 औसत। अपलोड करें: 4130.46 यूपी पूर्व - औसत। डाउनलोड करें: 22451.35 औसत। अपलोड करें: 5727.95 कर्नाटक - औसत। डाउनलोड करें: 16950.36 औसत। अपलोड करें: 4720.68 मध्य प्रदेश - औसत। डाउनलोड: 23594.85 औसत। अपलोड करें: 4802.89 कोलकाता - औसत। डाउनलोड: 26747.80 औसत। अपलोड करें: 5655.55 बिहार - औसत। डाउनलोड: 31730.54 औसत। अपलोड करें: 6599.45 गुजरात - औसत। डाउनलोड: 16377.43 औसत। अपलोड करें: 3642.89 यूपी पश्चिम - औसत। डाउनलोड: 23720.82 औसत। अपलोड करें: 5280.46 उड़ीसा - औसत। डाउनलोड: 31502.05 औसत। अपलोड करें: 6895.46 तमिलनाडु - औसत। डाउनलोड: 16689.28 औसत। अपलोड करें: 4107.44 दिल्ली - औसत। डाउनलोड: 20308.30 औसत। अपलोड करें: 4877.40 असम - औसत। डाउनलोड करें: 5653.49 औसत। अपलोड करें: 2864.47 आंध्र प्रदेश - औसत। डाउनलोड: 32444.07 औसत। अपलोड करें: 5755.95 हरियाणा - औसत। डाउनलोड: 7170.63 औसत। अपलोड करें: 2680.02 पंजाब - औसत। डाउनलोड करें: 14454.45 औसत। अपलोड करें: 4981.15 उत्तर पूर्व - औसत। डाउनलोड: 6702.29 औसत। अपलोड करें: 2966.84 मुंबई - औसत। डाउनलोड करें: 14070.97 औसत। अपलोड करें: 4118.21 चेन्नई - औसत। डाउनलोड: 20054.47 औसत। अपलोड करें: 4602.35 हिमाचल प्रदेश - औसत। डाउनलोड: 7436.99 औसत। अपलोड करें: 4020.09 जम्मू और amp; कश्मीर - औसत डाउनलोड: 8759.20 औसत। अपलोड करें: 4418.21 पश्चिम बंगाल - औसत। डाउनलोड: 16821.17 औसत अपलोड करें: 3628.78 

डेटा प्लॉट करना —

Numpy की arange () विधि का उपयोग करें, जो एक निश्चित अंतराल पर समान रूप से दूरी वाले मान लौटाता है। यहां, सूची की लंबाई final_states को पार करते हुए, हमें 0 से सूची में राज्यों की संख्या तक के मान मिलते हैं, उदाहरण के लिए [0, 1, 2, 3 ...]
तब हम इन सूचकांकों का उपयोग इस स्थान पर बार बनाने के लिए कर सकते हैं। दूसरी बार का निर्माण बार की चौड़ाई से पहली बार के स्थान को ऑफसेट करके किया जाता है।


fig, ax < कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> plt.subplots ()


<कोड वर्ग = "टिप्पणियां"> # की चौड़ाई प्रत्येक बार

bar_width = 0.25 code>


# प्रत्येक बार की अस्पष्टता

अस्पष्टता < कोड क्लास = "कीवर्ड"> = <कोड क्लास = "वैल्यू"> 0.8


<कोड क्लास = "टिप्पणियां"> # सेव पोजीशन

<कोड वर्ग = "सादा"> अनुक्रमणिका <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> np.arange ( < कोड क्लास = "फ़ंक्शंस"> लेन <कोड क्लास = "प्लेन"> (f inal_states))


# plt. बार () स्थिति लेता है
# कॉलम, प्लॉटिंग के लिए डेटा,
# हर बार की चौड़ाई और कुछ अन्य
# वैकल्पिक पैरामीटर जैसे अस्पष्टता और रंग


# एक डाउनलोड शेड्यूल बनाएं

bar_download = <कोड वर्ग = "सादा"> plt.bar (सूचकांक, final_download_speeds,

<कोड वर्ग = "सादा"> bar_width, अल्फा <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> अस्पष्टता,

<कोड वर्ग = "सादा"> रंग <कोड वर्ग = "कीवर्ड"> = <कोड क्लास = "स्ट्रिंग"> `बी` <कोड क्लास =" प्लेन ">, लेबल <कोड क्लास = "कीवर्ड"> = कोड> `डाउनलोड करें` <कोड वर्ग = "सादा">)

<कोड वर्ग = "टिप्पणियां"> # एक डाउनलोड बनाएं शेड्यूल

<कोड क्लास = "सादा"> bar_upload = plt.bar ( अनुक्रमणिका <कोड वर्ग = "कीवर" d"> + <कोड वर्ग = "सादा"> bar_width, final_upload_speeds,

bar_width, alpha = <कोड वर्ग = "सादा"> अस्पष्टता, रंग <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `जी` कोड> <कोड वर्ग = "सादा">,

<कोड वर्ग = "अपरिभाषित रिक्त स्थान"> <कोड वर्ग = "सादा"> लेबल <कोड क्लास = "कीवर्ड"> = <कोड क्लास = "स्ट्रिंग"> `अपलोड` <कोड क्लास = "सादा">)

<कोड क्लास = "अपरिभाषित स्थान">
<कोड वर्ग = "स्ट्रिंग"> `औसत। `

+ str (CONST_OPERATOR))


# X-axis लेबल < / p>

plt.xlabel ( `States` )


# Y-axis लेबल

plt.ylabel ( <कोड वर्ग = "स्ट्रिंग"> `केबीपीएस में औसत गति` <कोड वर्ग = "सादा">)


<कोड वर्ग = "टिप्पणियां"> # प्रत्येक कॉलम के नीचे एक लेबल,
# मैच स्टेट्स

plt.xticks (इंडेक्स) <कोड वर्ग = "कीवर्ड"> + <कोड वर्ग = "सादा"> बार_चौड़ाई, final_states, रोटेशन <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "मान"> 90 <कोड वर्ग = "सादा">)


# ड्रा लेजेंड

<कोड क्लास = "प्लेन"> plt .le Gend ()


# चार्ट लेआउट को कठोर बनाएं
plt.tight_layout ()


# ग्राफ दिखाएं
plt.show ()

अनुमानित गति का हिस्टोग्राम

दो महीने के डेटा की तुलना करना —

आइए दूसरे महीने का डेटा भी लें और डेटा दरों में अंतर देखने के लिए इसे एक साथ प्लॉट करें।

इस उदाहरण में, पिछले महीने का डेटासेट sept18_publish.csv, और अगले महीने का डेटासेट — oct18_publish.csv

हमें बस फिर से उन्हीं चरणों का पालन करने की आवश्यकता है। एक और महीने के लिए डेटा पढ़ें। इसे बाद के डेटा फ़्रेम पर फ़िल्टर करें और फिर इसे थोड़ा अलग तरीके से प्लॉट करें। कॉलम के निर्माण के दौरान, हम तीसरे और चौथे कॉलम (दूसरी फाइल के अपलोड और डाउनलोड के अनुरूप) को कॉलम की चौड़ाई से 2 और 3 गुना बढ़ा देंगे ताकि वे अपनी सही स्थिति में हों।

4 बार प्लॉट करते समय ऑफ़सेट लॉजिक

नीचे 2 महीने के तुलना डेटा के लिए कार्यान्वयन है:


<टेबल बॉर्डर = "0" सेलपैडिंग = "0" सेलस्पेसिंग = "0">

<कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग = "सादा"> पीडी के रूप में पांडा

<कोड वर्ग = "कीवर्ड" > आयात <कोड वर्ग = "सादा"> एनपी के रूप में सुन्न

<कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग = "सादा"> matplotlib .pyplot plt के रूप में

import time


<कोड वर्ग = "टिप्पणियां"> वरिष्ठ माह #

<कोड वर्ग = "सादा"> डेटा ET_FILE नाम = ` https://myspeed.trai.gov.in/download/sept18_publish.csv `


# नया महीना

DATASET_FILENAME2 = <कोड क्लास = "स्ट्रिंग"> ` https://myspeed.trai.gov.in/download/oct18_publish.csv `

<कोड वर्ग = "सादा"> CONST_OPERATOR <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `JIO` < / p>

<कोड वर्ग = "सादा"> CONST_STATE <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "स्ट्रिंग"> `दिल्ली`

<कोड वर्ग = "सादा"> CONST_TEC HNOLOGY = `4G`


# पांडा फ़ाइल पढ़ें और डेटाफ़्रेम के रूप में सहेजें

df = pd.read_csv (DATASET_FILENAME)

<कोड वर्ग = "सादा"> df2 <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> pd.read_csv (DATASET_FILENAME2)


# कॉलम नाम असाइन करें

df .columns <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता ` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `प्रौद्योगिकी` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग">` टेस्ट टाइप ` ,

` डेटा स्पीड ` <कोड क्लास = "सादा">, <कोड ई क्लास = "स्ट्रिंग"> `सिग्नल स्ट्रेंथ` <कोड क्लास =" प्लेन ">, <कोड क्लास = "स्ट्रिंग"> `स्टेट` <कोड क्लास =" प्लेन " >]

df2.columns = [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `प्रौद्योगिकी` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `परीक्षण प्रकार` <कोड वर्ग = "सादा">,

<कोड वर्ग = "स्ट्रिंग"> `डेटा स्पीड` <कोड क्लास = "सादा">, <कोड क्लास = "स्ट्रिंग"> `सिग्नल स्ट्रेंथ` <कोड क्लास = "सादा"> , ` State` ]


# अद्वितीय राज्यों को ढूंढें और प्रदर्शित करें

<कोड वर्ग = "सादा"> राज्य <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा" "> df [ `State` ]. अद्वितीय ()

Print ( ` राज्य मिले:` <कोड वर्ग = "सादा">, राज्य)


<कोड वर्ग = "टिप्पणियां"> # अद्वितीय ऑपरेटरों को ढूंढें और प्रदर्शित करें

<कोड वर्ग = "सादा"> ऑपरेटर <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> df [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा">]। अद्वितीय ()

<कोड वर्ग = "कीवर्ड"> प्रिंट <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग"> `ऑपरेटर्स मिला:` <कोड वर्ग = "सादा">, ऑपरेटरों)


# सूचियों को परिभाषित करें

final_download_speeds = []

final_upload_speeds <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []

<कोड वर्ग = "सादा"> final_download_speeds_second <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []

<कोड वर्ग = "सादा"> final_upload_speeds_second <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []


final_states = []

<कोड वर्ग = "सादा"> final_operators <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> []

p>
# डेटा को कॉलम नाम असाइन करें

df.columns = <कोड वर्ग = "सादा"> [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `प्रौद्योगिकी` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `परीक्षण प्रकार` <कोड वर्ग = "सादा ">,

`Data speed` , `सिग्नल शक्ति` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `राज्य` <कोड वर्ग = "सादा">]

<कोड वर्ग = "सादा"> df2.columns <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा">, <कोड वर्ग ="string ">` Technology` , `Test Type` ,

<कोड वर्ग = "अपरिभाषित रिक्त स्थान"> <कोड वर्ग = "स्ट्रिंग"> `डेटा गति` <कोड वर्ग = "सादा">, < / कोड> <कोड वर्ग = "स्ट्रिंग"> `सिग्नल शक्ति` <कोड वर्ग = "सादा">, <कोड वर्ग = "स्ट्रिंग"> `राज्य` <कोड वर्ग ="plain ">]



Print ( < कोड वर्ग = "स्ट्रिंग"> `के लिए डेटा की तुलना` <कोड वर्ग = "कीवर्ड"> + <कोड वर्ग ss ="functions" > str (CONST_OPERATOR))

फ़िल्टर्ड = <कोड वर्ग = "सादा"> डीएफ [(डीएफ [ <कोड वर्ग = "स्ट्रिंग"> `सेवा प्रदाता` <कोड वर्ग = "सादा" >] <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> CONST_OPERATOR)

<कोड वर्ग = "सादा"> & amp; (df ‚Äã‚Äã[ `Technology` ]

Shop

Learn programming in R: courses

$

Best Python online courses for 2022

$

Best laptop for Fortnite

$

Best laptop for Excel

$

Best laptop for Solidworks

$

Best laptop for Roblox

$

Best computer for crypto mining

$

Best laptop for Sims 4

$

Latest questions

NUMPYNUMPY

psycopg2: insert multiple rows with one query

12 answers

NUMPYNUMPY

How to convert Nonetype to int or string?

12 answers

NUMPYNUMPY

How to specify multiple return types using type-hints

12 answers

NUMPYNUMPY

Javascript Error: IPython is not defined in JupyterLab

12 answers


Wiki

Python OpenCV | cv2.putText () method

numpy.arctan2 () in Python

Python | os.path.realpath () method

Python OpenCV | cv2.circle () method

Python OpenCV cv2.cvtColor () method

Python - Move item to the end of the list

time.perf_counter () function in Python

Check if one list is a subset of another in Python

Python os.path.join () method