Exercises: Series & DataFrame Warm-up

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

ဒီ lesson က teaching content အသစ်မဟုတ်ပါဘူး၊ Series, DataFrame, reading-data, inspecting-data, selection သင်ခန်းစာတွေမှာ သင်ခဲ့တဲ့ knowledge ကို self-practice လုပ်ဖို့ tasks အနည်းငယ်ပါ။ Data structure နှစ်မျိုးကို ကိုယ်တိုင်ဖန်တီးကြည့်ပြီး column, row ကို ရွေးထုတ်တတ်အောင် လက်တွေ့ လေ့ကျင့်ပါမယ်။ Beginner level ဖြစ်လို့ syntax memorize လုပ်ဖို့ မဟုတ်ဘဲ logic ကို နားလည်အောင် စမ်းသပ်ကြည့်ဖို့ ရည်ရွယ်ပါတယ်။ Task တစ်ခုချင်းစီကို code editor ဖွင့်ပြီး တကယ် run ကြည့်ဖို့ အကြံပြုပါတယ်။

လေ့ကျင့်ခန်းများ

Task 1: Python list တစ်ခုကနေ Pandas Series တစ်ခု ဖန်တီးပြီး index label တွေကို student name တွေနဲ့ custom သတ်မှတ်ပါ။ Task 2: dictionary data (Name, Age, City ဆိုတဲ့ column 3 ခု၊ row 4 ခု) ကနေ DataFrame တစ်ခု ဖန်တီးပြီး .head(), .info(), .shape ကို print လုပ်ကြည့်ပါ။ Task 3: အထက်က DataFrame ထဲက Name column တစ်ခုတည်းကို Series အနေနဲ့ ထုတ်ပြီး၊ Name နဲ့ City column နှစ်ခုကို DataFrame အနေနဲ့ ထုတ်ကြည့်ပါ (double bracket [[ ]] သုံးနည်း သတိပြုပါ)။ Task 4 (optional): .loc[] နဲ့ row index 1 ကို ထုတ်ပြီး .iloc[] နဲ့ row position 0 ကို ထုတ်ကာ ရလဒ် ဘာကွာလဲ ယှဉ်ကြည့်ပါ။

• Series ကို custom index label တွေနဲ့ ဖန်တီးနိုင်ပြီလား
• dictionary ကနေ DataFrame ဖန်တီးပြီး .info()/.shape ကို ဖတ်တတ်ပြီလား
• single column (Series) နဲ့ multiple column (DataFrame) ရွေးထုတ်နည်း ကွဲပြားမှုကို နားလည်ပြီလား

Code နမူနာ

import pandas as pd

# Task 1: Series with custom index
scores = [88, 92, 79]
# TODO: pd.Series(scores, index=["Aye", "Bo", "Cho"]) ဆောက်ပါ


# Task 2: DataFrame from dictionary
data = {
    "Name": ["Aye", "Bo", "Cho", "Dee"],
    "Age": [21, 23, 22, 24],
    "City": ["Yangon", "Mandalay", "Yangon", "Bago"]
}
df = pd.DataFrame(data)
# TODO: df.head(), df.info(), df.shape ကို print လုပ်ပါ


# Task 3: column selection
# TODO: name_series = df["Name"]
# TODO: subset_df = df[["Name", "City"]]


# Task 4 (optional): loc vs iloc
# TODO: df.loc[1]
# TODO: df.iloc[0]

Series data နဲ့ DataFrame data ကို ကွဲပြားစွာ ဖန်တီးနိုင်ပြီး၊ column တစ်ခုတည်းနှင့် column အများအပြား ကို မှန်ကန်စွာ ရွေးထုတ်နိုင်တဲ့ output ရလဒ်တွေ ရရှိမှာ ဖြစ်ပါတယ်။