PYTHON - PANDAS – I

Pengantar:
Pandas (Data Panel) adalah data yang populer
alat manipulasi dan analisis. Ini juga
sangat nyaman.
Sangat mudah untuk mengimpor dan mengekspor data
menggunakan pustaka Pandas yang memiliki sangat kaya
sekumpulan fungsi.
Ini membuat proses yang sederhana dan mudah untuk data
analisis.
Struktur data adalah kumpulan nilai data
dan operasi yang dapat diterapkan pada itu
data. Ini memungkinkan penyimpanan yang efisien, pengambilan,
dan modifikasi terhadap data.
Pandas menawarkan tiga struktur data:
1. Seri
2. DataFrame
3. Panel
Perbedaan dasar antara Pandas Series dan
NumPy ndarray adalah operasi antara Seri
secara otomatis menyelaraskan data berdasarkan label.
Dengan demikian, kita dapat menulis perhitungan tanpa
mempertimbangkan apakah semua Seri yang terlibat memiliki
label yang sama atau tidak sedangkan dalam kasus
ndarrays itu menimbulkan kesalahan.
COD
1E
Tulis kode untuk membuat serangkaian menggunakan Python
urutan [4,6,8,10]. Anggap bahwa Pandas diimpor sebagai
pd.
impor pandas sebagai pd
cetak('KODE 1')
s1= [Link]([4,6,8,10])
cetak('Objek Seri 1: ')
print(s1)
print('_______________________________________________')

KELUAR (1)
KODE 2
Tulis kode untuk membuat objek Series menggunakan python
urutan (11,21,31,41). Anggaplah bahwa Pandas telah diimpor
sebagai pd.
mengimpor pandas sebagai pd
cetak('KODE 2')
s2=[Link]((11,21,31,41))
Cetak('Objek Seri 2:')
print(s2)
print('_______________________________________________')

OUTPUT (2)
KODE 3
Tulis program untuk membuat objek seri menggunakan
karakter individual 'o','h','o'. Anggaplah bahwa Pandas adalah
diimpor sebagai pd.
mengimpor pandas sebagai pd
cetak('KODE 3')
s3=[Link](['o','h','o'])
cetak('Objek Seri: ')
cetak(s3)
cetak('_______________________________________________')

OUTPUT (3)
KODE 4
Buat program untuk membuat objek Series menggunakan a
string: ‘So funny’. Assume that Pandas is imported as
pd.
impor pandas sebagai pd
cetak('KODE 4')
cetak('objek seri: ')
s4=[Link]('Sangat lucu')
print(s4)
print('_______________________________________________')

KELUARAN (4)
KODE 5
Buat program untuk membuat objek Series menggunakan tiga
different words: ‘I’, ‘am’, ‘laughing’. Assume that
Pandas diimpor sebagai pd.
impor pandas sebagai pd
cetak('KODE 5')
s5=[Link](['I','am','laughing'])
cetak('Objek Seri: ')
print(s5)
cetak('_______________________________________________')

KELUAR (5)
KODE 6
Tulis program untuk membuat objek seri menggunakan ndarray
yang memiliki 5 elemen dalam rentang 24 hingga 64.
mengimpor pandas sebagai pd
impor numpy sebagai np
cetak('KODE 6')
s6=[Link]([Link](24,64,5))
print(s6)
cetak('_______________________________________________')

KELUAR (6)
KODE 7
Write a program to create a Series object using an
ndarray yang dibuat dengan mengulangi daftar [3,5] dua kali.
impor pandas sebagai pd
impor numpy sebagai np
cetak('KODE 7')
s7=[Link]([Link]([3,5],2))
print(s7)
print('_______________________________________________')

KELUARAN (7)
KODE 8
Tulis program untuk membuat objek Series menggunakan a
dictionary that stores the number of students in each
bagian tentang kelas 12 di sekolah Anda.
impor pandas sebagai pd
print('KODE 8')
stu={'A':39,'B':41,'C':42,'D':44}
s8=[Link](siswa)
cetak(s8)
print('_______________________________________________')

KELUARAN (8)
KODE 9
Tulis program untuk membuat objek Series yang menyimpan
the initial budget allocated five hundred thousand each
untuk empat kuartal tahun Qtr1, Qtr2, Qtr3 dan
Qtr4.
impor pandas sebagai pd
cetak('KODE 9')
s9=[Link](50000,index=['qtr1','qtr2','qtr3','qtr4'])
print(s9)
cetak('_______________________________________________')

OUTPUT (9)
KODE 10
Jumlah total medali yang akan diperebutkan adalah dua ratus.
Pertandingan Antar Universitas diadakan setiap tahun genap.
kode untuk membuat objek seri yang menyimpan medali ini
untuk permainan yang akan diadakan pada dekade 2020-29.
impor pandas sebagai pd
cetak('KODE 10')
s10=[Link](200, index=range(2020,2029,2))
cetak(s10)
cetak('_______________________________________________')

OUTPUT (10)
KODE 11
Sebuah daftar python, yang disebut section menyimpan nama-nama bagian
‘A’,’B’,’C’,’D’ dari kelas 12 di sekolah Anda. Daftar lainnya
contri menyimpan kontribusi yang dibuat oleh siswa-siswa ini untuk
sebuah dana amal. Tulis kode untuk membuat objek Series
yang menyimpan jumlah kontribusi sebagai nilai dan
the section names as the indexes.
impor pandas sebagai pd
kode 11
section=['a','b','c','d']
contri=[6700,5600,5000,5200]
s11=[Link](data=contri,index=section)
cetak(s11)
print('_______________________________________________')

KELUAR (11)
KODE 12
Bagian urutan dan contri1 menyimpan bagian
names(‘A’,’B’,’C’,’D’,’E’) and contribution made by them
masing-masing (6700, 5600, 5000, 5200, nol) untuk amal.
Sekolah Anda telah memutuskan untuk menyumbangkan sebanyak mungkin kontribusi
sebagaimana yang dibuat oleh setiap bagian, yaitu, donasi akan menjadi
digandakan.
tulis kode untuk membuat objek Series yang menyimpan
contribution amount as the values and the section names
sebagai indeks dengan tipe data folat32.
impor pandas sebagai pd
impor numpy sebagai np
cetak('KODE 12')
section =['a','b','c','d','e']
contri=[Link]([6700,5600,5000,5200,[Link]])
s12=[Link](data=contri*2,index=section,dtype=np.float64
)
print(s12)
print('_______________________________________________')

KELUAR (12)
KODE 13
Pertimbangkan dua objek seri s11 dan s12 yang Anda
dibuat di contoh 11 dan 12 masing-masing. Cetak
atribut dari kedua objek ini dalam bentuk laporan sebagai
ditunjukkan di bawah:
Nama atribut objek s11 object s12
tipe data
bentuk
jumlah byte
jumlah dimensi
ukuran item
memiliki NaNs?
kosong?
impor pandas sebagai pd
impor numpy sebagai np
section=['a','b','c','d']
contri=[6700,5600,5000,5200]
s11=[Link](data=contri,index=section)
section =['a','b','c','d','e']
contri=[Link]([6700,5600,5000,5200,[Link]])
s12=[Link](data=contri*2,index=section,dtype=[Link]
64)
cetak('KODE 13')
print('nama atribut| Objek s11| Objek s12')
print('------------','------------','------------')
cetak('Tipe data(.dtype)', [Link], [Link])
cetak('Bentuk(.bentuk)', [Link], [Link])
print('jumlah byte(.nbytes)',[Link],[Link])
print('jumlah dimensi(.ndim)',[Link],[Link])
cetak('Apakah ada NaNs?(.hasnans)',[Link],[Link])
print('kosong?(.kosong)',[Link],[Link])
print('_______________________________________________')

KELUAR (13)
KODE 14
Pertimbangkan objek Series s8 yang menyimpan jumlah
siswa di setiap bagian kelas 12 seperti yang ditunjukkan di bawah ini
A 39
B 41
C 42
D 44
Dua bagian pertama telah diberikan tugas untuk menjual
tiket @ 100/- per tiket sebagai bagian dari sosial
eksperimen. Tulis kode untuk menampilkan seberapa banyak yang mereka miliki
dikumpulkan.
impor pandas sebagai pd
stu={'A':39,'B':41,'C':42,'D':44}
s8=[Link](stu)
cetak('KODE 14')
Cetak('Jumlah tiket: ')
print(s8[:2]*100)
cetak('_______________________________________________')

KELUAR (14)
KODE 15
Pertimbangkan objek Series s13 yang menyimpan
kontribusi setiap bagian seperti yang ditunjukkan di bawah ini:
A 6700
B 5600
C 5000
D 5200
impor pandas sebagai pd
s13=[Link]([6700,5600,5000,5200])
s13[0]=7600
s13[2:]=7000
cetak('Objek Seri setelah mengubah jumlah')
print(s13)
cetak('_______________________________________________')

KELUARAN(15)
KODE 16
Objek seri trdata terdiri dari sekitar 10 baris
data. tulis program untuk mencetak rincian berikut: i)
empat baris pertama ii) lima baris terakhir dari data
impor pandas sebagai pd
saya) cetak([Link](4))
ii) print([Link]())

KODE 17
Jumlah siswa di kelas 11 dan 12 di tiga jurusan
(sains, perdagangan, dan humaniora) disimpan dalam dua
Objek seri c11 dan c12. Tulis kode untuk menemukan total
number of students in classes 11 and 12, streamwise.
impor pandas sebagai pd
cetak('KODE 17')
c11=[Link](data=[30,40,50],index= ['Sains '
["Perdagangan","Ilmu Humaniora"]
c12=[Link](data=[37,44,45],index=[ 'Sains ',
'Perdagangan', 'Humaniora'
cetak('Total jumlah siswa ')
c11+c12
print('_______________________________________')

OUTPUT (17)
KODE 18
Object1 Populasi menyimpan rincian populasi di
empat kota metro di India dan Objec2 Rata-rata Pendapatan
rata-rata total pendapatan yang dilaporkan tahun lalu di
setiap metro ini. Hitung pendapatan per kapita untuk
each of these metro cities.
impor pandas sebagai pd
print('KODE 18')
Population = [Link]([10927986, 12691836, 4631392,
4328863 ],
index= ['Delhi', 'Mumbai',
'Kolkata', 'Chennai'])
AvgIncome =
[Link]([72167810927986,85087812691836,4226784631392,5
261784328863
indeks= [ 'Delhi', 'Mumbai',
'Kolkata', 'Chennai'])
perCapita = AvgIncome / Population
Jumlah penduduk di empat kota metro
print(Population)
Cetak("Pendapatan Rata-rata di Empat Kota Metro")
cetak(RataRataPendapatan)
Pendapatan Per Kapita di empat kota metro
print(perKapita)
cetak('___________________________________________')
KELUAR (18)
KODE 19
Apa yang akan dihasilkan oleh yang berikut ini
program?
impor pandas sebagai pd
info=[Link](data=[31,41,51])
cetak(info)
cetak(info>40)
cetak(info[info>40])

OUTPUT(19)
CODE 20
Objek seri s11 menyimpan kontribusi amal yang dibuat
oleh setiap bagian
A 6700
B 5600
C 5000
D 5200
impor pandas sebagai pd
s11=[Link]([6700,5600,5000,5200],
index=['A','B','C','D'])
cetak('Kontribusi >5500 oleh :')
print(s11[s11>5500])

KELUARAN(20)
KODE 21
Diberikan sebuah kamus yang mencantumkan daftar nama bagian sebagai
value of ‘Section’ key and contribution amounts’ list as
value for ‘Contri’ key:
dict1={‘Section’:[‘A’,’B’,’C’,’D’],
‘Contri’:[6700.5600,5000,5200]}
Tulis kode untuk membuat dan menampilkan kerangka data menggunakan
kamus di atas.

impor pandas sebagai pd

dict1={'Section':['A','B','C','D'],
'Contri':[6700,5600,5000,5200]}
df1=[Link](dict1)
print(df1)

KELUARAN(21)
KODE 22
buat dan tampilkan DataFrame dari sebuah kamus 2D,
Penjualan, yang menyimpan penjualan berdasarkan kuartal sebagai inner
kamus selama dua tahun seperti yang ditunjukkan di bawah ini:
Sales={‘yr1’:
{‘Qtr1’:34500,’Qtr2’:56000,’Qtr3’:47000,’Qtr$:49000},’yr
2:{‘Qtr1’:44900,’Qtr2’:46100,’Qtr3’57000,’Qtr4’:59000}}

import pandas sebagai pd

sales={'yr1':
{'Qtr1':34500,'Qtr2':56000,'Qtr3':47000,'Qtr4':49000},'y
r2':
{'Qtr1':44900,'Qtr2':46100,'Qtr3':57000,'Qtr4':59000}}
dfsales=[Link](sales)
print(dfsales)

KELUARAN(22)
KODE 23
Baca kode berikut:
impor pandas sebagai pd
yr1={'Qtr1':44900,'Qtr2':46100,'Q3':57000,'Q4':59000}
yr2={'A':54500,'B':51000,'Qtr4':57000}
disales={1:yr1,2:yr2}
df3=[Link](disales)
i) daftar label indeks dari dataframe df3
ii) daftar nama kolom dari dataframe df3

i) Label indeks dari df3 akan mencakup

A,B,Q3,Q4,Qtr1,Qtr2,Qtr4 and total number of
indeks sama dengan kunci dalam unik, yaitu 7
ii) nama kolom df3 akan menjadi 1,2
KODE 24
Buat program untuk membuat dataframe dari sebuah daftar
mengandung kamus kinerja penjualan dari empat
kantor zonal.
Nama zona harus menjadi label baris.
impor pandas sebagai pd
zoneA = {'Target':56000, 'Sales':58000}
zoneB = {'Target': 70000, 'Sales':68000}
zoneC = {'Target':75000, 'Sales':78000}
zoneD = {'Target':60000, 'Sales':61000}
sales = [zoneA, zoneB, zoneC, zoneD]
saleDf = [Link](sales, index = ['zoneA', 'zoneB',
'zonaC', 'zonaD']
cetak(saleDf)

KELUAR (24)
KODE 25
Tulis program yang membuat dataframe untuk daftar 2D.
Tentukan label indeks Anda sendiri.
impor pandas sebagai pd
list2=[[25,45,60],[34,67,89],[88,90,56]]
df2=[Link](list2, index=['baris1', 'baris2', 'baris3'])
print(df2)

KELUAR (25)

KODE 26
Tulis program untuk membuat dataframe untuk daftar yang berisi
2 daftar, masing-masing berisi angka Penjualan Target dan aktual
untuk empat kantor zonal. Berikan label baris yang sesuai.
impor pandas sebagai pd
Target = [56000, 70000, 75000, 60000]
Sales = [58000, 68000, 78000, 61000]
ZoneSales = [Target, Sales]
zsaleDf = [Link](ZoneSales, kolom = ['ZonaA',
'ZoneB', 'ZoneC', 'ZoneD'], index = ['Target', 'Sales'])
cetak(zsaleDf)

KELUARAN (26)
KODE 27
Apa keluaran dari kode berikut?
impor pandas sebagai pd
impor numpy sebagai np
arr1=[Link]([[11,12],[13,14],[15,16]],np.int32)
dtf2=[Link](arr1)
print(dtf2)

KELUAR (27)
KODE 28
Tulis program untuk membuat DataFrame dari array 2D sebagai
diperlihatkan di bawah:
impor pandas sebagai pd
impor numpy sebagai np
arr2=[Link]([[101,113,124],[130,140,200],
[115,216,217]]
df3=[Link](arr2)
cetak(df3)
KELUAR (28)
KODE 29
Pertimbangkan dua objek seri staf dan gaji yang
simpankan jumlah orang di berbagai cabang kantor
dan gaji yang dibagikan di cabang-cabang ini,
Tulis program untuk membuat Seri lain
objek yang menyimpan rata-rata gaji per cabang dan kemudian
buat objek DataFrame dari objek Series ini.
impor pandas sebagai pd
impor numpy sebagai np
staff=[Link]([20,36,44])
sal=[Link]([279000,396800,563000])
avg=sal/staff
org={'people':staff,'amount':sal,'average':avg}
df5=[Link](org)
cetak(df5)

KELUAR (29)
KODE 30
Tulis program untuk membuat DataFrame untuk menyimpan berat,
age and names of 3 people. Print the DataFrame and its
transposisi.
impor pandas sebagai pd
df=[Link]({'Berat':[42,75,66],
'Name':['Arnav','Charles','Guru'],
'Age':[15,22,35]})
cetak('DataFrame Asli')
cetak(df)
print('Transpos: ')
cetak(df.T)

KELUAR (30)
KODE 31
Diberikan sebuah dataframe bernama aid yang menyimpan bantuan oleh NGO
untuk berbagai negara bagian:
Mainan Buku Sepatu Seragam
Andhra 7916 6189 610 8810
Odisha 8508 8208 508 6798
M.P. 7226 6149 611 9611
U.P. 7617 6157 457 6457
Tulis program untuk menampilkan bantuan untuk
Saya) Buku dan Seragam saja
II) Sepatu saja

impor pandas sebagai pd

Bantuan untuk buku dan seragam
cetak(aid[['Buku', 'Seragam']])
Bantuan untuk sepatu
print([Link])
KODE 32
Diberikan sebuah dataframe bernama aid yang menyimpan bantuan oleh LSM
untuk berbagai negara bagian:
Mainan Buku Sepatu Seragam
Andhra 7916 6189 610 8810
Odisha 8508 8208 508 6798
M.P. 7226 6149 611 9611
U.P. 7617 6157 457 6457
Tulis program untuk menampilkan bantuan untuk negara bagian 'Andhra'
dan 'Odisha' untuk Buku dan Seragam saja.

impor pandas sebagai pd

print([Link][['Andhra', 'Odisha'],[ 'Books':
Seragam
KODE 33
Pertimbangkan dataframe df seperti yang ditunjukkan di bawah ini.

Write statements to do the following:

Tampilkan baris 2 hingga 4 (keduanya termasuk)

(ii) Dari baris 2 hingga 4 (keduanya termasuk), tampilkan kolom,

'Item Type' and 'Total Profit'.

(iii) Dari baris 2 hingga 5 (keduanya termasuk), tampilkan yang pertama

empat kolom. (iv) Tampilkan 'Saluran Penjualan' dan 'Pesanan
ID dari baris 1 dan 5 saja.
i) df[2:5]
ii) [Link][2:4,[ 'TipeItem', 'TotalKeuntungan']]
iii) [Link][2:5,0:4]
iv) [Link][[1,5],[ 'Kanal Penjualan', 'Id Pesanan']]
KODE 34
Dari seri Ser1 dari area, toko-toko merupakan area negara bagian
dalam km persegi, temukan area yang lebih dari
50000km persegi.
ser1=[Link]([34567, 890, 458, 67892, 34677, 78982,
256711, 678291, 637632, 25723, 2367, 11789, 345, 256517]
cetak(ser1[ser1>50000])
KELUAR (34)

KODE 35
Diberikan objek Series s5. Tulis program untuk menyimpan
kuadrat dari nilai Seri dalam objek s6. Tampilkan s6
nilai yang > 15.
KELUAR (35)
impor pandas sebagai pd
cetak("Objek seri s5 : ")
cetak(s5)
s6=s5*2
cetak("Nilai dalam s6 > s5: ")
print(s6[s6>15])
KODE 36
Tulis program untuk menambahkan kolom yang bernama pesanan yang memiliki
values 6000,6700,6200,6000 for zones A,B,C,D. Add some
nilai sementara di baris ini.
impor pandas sebagai pd
d={'Target':[56000,70000,75000,60000],
'Sales':[58000,68000,78000,61000]}
df=[Link](d,index=['zonaA','zonaB','zonaC','zonaD']
])
df['Orders']=[6000,6700,6200,6000]
[Link]['zoneE',:] = [50000, 45000, 5000]
cetak(df)

Keluaran (36)
KODE 37
Dari dtf5 yang digunakan di atas, buat DataFrame lain dan itu
tidak boleh mengandung kolom 'Populasi' dan baris
Bangalore
impor pandas sebagai pd
d={'Population':
[10927986.0,12691836.0,4631392.0,4328063.0,678097.0],
'Hospitals':[189.0,208.0,149.0,157.0,1200.0],
'Schools':[7916.0,8508.0,7226.0,7617.0,1200.0]}
dtf5=[Link](d,index=['Delhi','Mumbai','Kolkata','C
["Chennai","Bangalore"]
dtf6=[Link](dtf5)
hapus dtf6['Populasi']
dtf6=[Link](['Bangalore'])
print(dtf6)

KELUARAN (37)
KODE 38
Pertimbangkan saleDf yang ditunjukkan di bawah ini
Target Penjualan
zonaA 56000 58000
zonaB 70000 68000
zonaC 75000 78000
zonaD 60000 61000
Write a program to rename indexes of ‘zoneC’ and’zoneD’
sebagai 'Pusat' dan 'Selatan' masing-masing dan kolom
name Target and sales as ‘Targeted’ and
‘Dicapai’ secara berurutan.
impor pandas sebagai pd
d={'Target':[56000,70000,75000,60000],
'Sales':[58000,68000,78000,61000]}
df=[Link](d,index=['zonaA','zonaB','zonaC','zonaD']
])
print([Link](index={'zoneC':'Pusat','zoneD':'Dakshi'}
n'},
columns={'Target':'Targeted','Sales':'Achieved'}))
KELUARAN (38)
PYTHON - PANDAS – II

Bab ini berisi fitur-fitur yang lebih maju dari

DataFrame seperti menyortir data, menjawab analitis
pertanyaan menggunakan data, membersihkan data, dan menerapkan
berbagai fungsi berguna pada data.

Statistik Deskriptif digunakan untuk secara kuantitatif

ringkas data yang diberikan.

Agregasi berarti mentransformasi dataset dan menghasilkan sebuah

nilai numerik tunggal dari array. Agregasi dapat berupa
diterapkan pada satu atau lebih kolom secara bersamaan. Beberapa agregat
functions are max(), min(), mean(), median(), mode(),
std(), var() dll.

Fungsi GROUP BY() digunakan untuk membagi data menjadi

grup berdasarkan beberapa kriteria. Objek Pandas seperti a
DataFrame dapat dibagi pada salah satu sumbu mereka.

pivot() digunakan untuk mengubah bentuk dan membuat DataFrame baru

dari yang asli.

Pengurutan berarti mengatur konten dalam urutan naik atau

urutan menurun. Ada dua jenis pengurutan
tersedia dalam DataFrame.
1. Berdasarkan nilai(kolom) [sort_values()]
2. Berdasarkan indeks [sort_index()]
KODE 1
Menggunakan iterrows() untuk mengambil data dari baris dataframe
bijaksana
impor pandas sebagai pd
disales={'yr1':
{'Qtr1':34500,'Qtr2':56000,'Qtr3':47000,'Qtr4':49000},
'yr2':
{'Qtr1':44900,'Qtr2':46100,'Qtr3':57000,'Qtr4':59000},
'yr3':
{'Qtr1':54500,'Qtr2':51000,'Qtr3':57000,'Qtr4':48500}}
df1=[Link](disales)
untuk (baris, seriBaris) dalam [Link]():
print('Indeks baris', row)
cetak('mengandung: ')
cetak(rowSeries)

KELUAR (1)
KODE 2
Gunakan iterrows() untuk mengekstrak objek Series per baris:
impor pandas sebagai pd
disales={'yr1':
{'Qtr1':34500,'Qtr2':56000,'Qtr3':47000,'Qtr4':49000},
'yr2':
{'Qtr1':44900,'Qtr2':46100,'Qtr3':57000,'Qtr4':59000},
'yr3':
{'Qtr1':54500,'Qtr2':51000,'Qtr3':57000,'Qtr4':48500}}
df1=[Link](disales)
untuk (baris, seriBaris) dalam [Link]():
cetak('Indeks baris:', row)
print('mengandung: ')
i=0
untuk nilai dalam rowSeries:
print('Pada posisi',i,': ',val)
i=i+1
KELUAR (2)
KODE 3
Gunakan iteritems() untuk mengekstrak data dari kolom dataframe
bijak.
impor pandas sebagai pd
disales={'yr1':
{'Qtr1':34500,'Qtr2':56000,'Qtr3':47000,'Qtr4':49000},

'yr2':
{'Qtr1':44900,'Qtr2':46100,'Qtr3':57000,'Qtr4':59000},
'yr3':
{'Qtr1':54500,'Qtr2':51000,'Qtr3':57000,'Qtr4':48500}}
df1=[Link](disales)
untuk (col, colSeries) di [Link]():
print('Indeks kolom: ', col)
cetak('yang berisi: ')
cetak(colSeries)
KELUAR (3)
KODE 4
Tulis program untuk mencetak DataFrame df, satu baris pada satu waktu
waktu.
impor pandas sebagai pd
dict={'Name':['Ram','Pam','Sam'],
'Marks':[70,95,80]}
df=[Link](dict,index=['Rno.1','Rno.2','Rno3'])
untuk i,j di [Link]():
print(j)
print('________')

KELUAR (4)
KODE 5
Tulis program untuk mencetak DataFrame df satu kolom pada satu waktu
sebuah waktu.
mengimpor pandas sebagai pd
dict={'Name':['Ram','Pam','Sam'],
'Marks':[70,95,80]}
df=[Link](dict,index=['Rno.1','Rno.2','Rno3'])
untuk i,j dalam [Link]():
print(j)
print('______________')

KELUARAN (5)
KODE 6
Tulis program untuk mencetak hanya nilai dari nilai
kolom untuk setiap baris.
impor pandas sebagai pd
dict={'Name':['Ram','Pam','Sam'],
'Marks':[70,95,80]}
df=[Link](dict,index=['Rno.1','Rno.2','Rno3'])
untuk r, baris dalam [Link]():
cetak(row['Marks'])
print('______________')
KELUARAN (6)
KODE 7
Tulis program untuk menghitung total poin yang diperoleh oleh keduanya
tim-tim di setiap putaran.
impor pandas sebagai pd
d1={'p1':{'1':700,'2':975,'3':970,'4':900},
'p2':{'1':490,'2':460,'3':570,'4':590}}
d2={'p1':{'1':1100,'2':1275,'3':1270,'4':1400},
'p2':{'1':1400,'2':1260,'3':1500,'4':1190}}
df1=[Link](d1)
df2=[Link](d2)
Kinerja Tim1
cetak(df1)
kinerja Tim2
cetak(df2)
Titik yang diperoleh oleh kedua tim:
print(df1+df2)
KELUAR (7)
KODE 8
Pertimbangkan poin yang diperoleh oleh dua tim. Tampilkan bagaimana
selisih poin yang dimiliki Tim2 dengan Tim1.
impor pandas sebagai pd
d1={'p1':{'1':700,'2':975,'3':970,'4':900},
'p2':{'1':490,'2':460,'3':570,'4':590}}
d2={'p1':{'1':1100,'2':1275,'3':1270,'4':1400},
'p2':{'1':1400,'2':1260,'3':1500,'4':1190}}
df1=[Link](d1)
df2=[Link](d2)
Kinerja Tim1
cetak(df1)
Kinerja Tim2
cetak(df2)
print("selisih poin tim2")
cetak([Link](df2))

KELUAR (7)
KODE 9
Diberikan dua DataFrame yang menyimpan poin dari tim 2 pemain
dalam empat putaran, tulis program untuk menghitung rata-rata
poin yang diperoleh oleh setiap pemain di setiap putaran.

mengimpor pandas sebagai pd

d1={'p1':{'1':700,'2':975,'3':970,'4':900},
'p2':{'1':490,'2':460,'3':570,'4':590}}
d2={'p1':{'1':1100,'2':1275,'3':1270,'4':1400},
'p2':{'1':1400,'2':1260,'3':1500,'4':1190}}
df1=[Link](d1)
df2=[Link](d2)
Kinerja Tim1
cetak(df1)
Kinerja Tim2
cetak(df2)
rata-rata yang dicetak oleh setiap pemain
av=(df1+df2)/2
cetak(av)
KELUAR (9)
KODE 10
Pertimbangkan DateFrame(dfmks) yang diberikan. Tulis program untuk
cetak nilai maksimum yang dicetak dalam setiap mata pelajaran
semua bagian.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
dfmks=[Link](d,index=['Acct','Eco','Eng','IP','Mat
h'])
cetak('Nilai maksimum yang diperoleh di setiap sub')
cetak([Link](sumbu=1))

OUTPUT (10)
KODE 11
Pernyataan mana yang akan Anda ubah dalam program di atas supaya
bahwa ia hanya mempertimbangkan nilai non-Nan untuk perhitungan
tujuan?
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
dfmks=[Link](d,index=['Acct','Eco','Eng','IP','Mat
h'])
cetak(dfmks)
print([Link](axis=1,skipna=True))

OUTPUT (11)
KODE 12
Pertimbangkan DataFrame nilai (dfmks). Tulis program untuk
cetak nilai maksimum yang diperoleh di suatu bagian, di seluruhnya
subjek.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
dfmks=[Link](d,index=['Acct','Eco','Eng','IP','Math']
])
cetak('Nilai maksimum yang diperoleh di setiap sub')
cetak([Link](sumbu=1))
cetak(dfmks)
cetak('nilai maksimum yang diperoleh di suatu bagian')
cetak([Link]())

KELUARAN (12)
KODE 13
Pertimbangkan DataFrame df. Tulis program untuk menghitung
mode untuk setiap bagian.
import pandas sebagai pd
import numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math']
)
cetak('KODE 13')
cetak('mode untuk setiap bagian')
cetak([Link]())
print('___________')

OUTPUT (13)
KODE 14
Pertimbangkan DataFrame df. Tulis program untuk menghitung
mode untuk setiap subjek.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math']
)
cetak('KODE 14')
cetak('mode untuk setiap subjek')
print([Link](sumbu=1))
print('___________')

KELUAR (14)
KODE 15
Pertimbangkan DataFrame df. Tulis program untuk menghitung
nilai median untuk setiap bagian.
impor pandas sebagai pd
import numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math']
)
cetak('KODE 15')
cetak('nilai median untuk setiap bagian')
print([Link]())
print('___________')

KELUAR (15)
KODE 16
Pertimbangkan DataFrame df. Tulis program untuk menghitung
nilai median untuk setiap subjek.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math']
)
cetak('KODE 16')
cetak('nilai median untuk setiap subjek')
cetak([Link](sumbu=1))
print('___________')

KELUAR (16)
KODE 17
Pertimbangkan DataFrame df. Tulis program untuk menghitung
rata-rata untuk setiap bagian.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math'])
cetak('KODE 17')
Cetak('Rata-rata nilai untuk setiap bagian')
print([Link]())
print('___________')

KELUAR (17)
KODE 18
Pertimbangkan DataFrame df. Tulis program untuk menghitung
rata-rata untuk setiap mata pelajaran.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Eco','Eng','IP','Math']
)
cetak('KODE 18')
cetak([Link]-rata(sumbu=1))
print('___________')

KELUAR (18)
KODE 19
Pertimbangkan DataFrame df. Tulis program untuk menghitung
berapa banyak ujian yang dilakukan, untuk setiap bagian.
impor pandas sebagai pd
impor numpy sebagai np
d={'A':[99,90,95,94,97],
'B':[94.0,94.0,89.0,[Link],100.0],
'C':[92,92,91,99,99],
'D':[97.0,97.0,89.0,95.0,[Link]]}
df=[Link](d,index=['Acct','Ekonomi','Eng','IP','Matematika']
)
cetak('KODE 19')
cetak('jumlah ujian yang dilakukan untuk setiap bagian')
cetak([Link]())
print('___________')

KELUARAN (19)
KODE 20
Pertimbangkan DataFrame df. Dengan asumsi bahwa di setiap
di bagian, hanya 1 siswa yang mendapatkan nilai maksimum di masing-masing
subjek, tulis program untuk menghitung total juara
nilai di setiap seksi.
KELUAR (20)
CODE 21
Given a DataFrame dtf6
Rumah Sakit sekolah
Delhi 189.0 7916.0
Mumbai 208.0 8508.0
Kolkata 149,0 7226.0
Chennai 157.0 7617.0
Tulis program untuk menampilkan nilai dua baris teratas
kolom 'Sekolah' dan 3 nilai terakhir dari 'Rumah Sakit'
kolom.

import pandas sebagai pd

d={'Hospitals':[189.0,208.0,149.0,157.0],
'Schools':[7916.0,8508.0,7226.0,7617.0]}
df=[Link](d,index=['Delhi','Mumbai','Kolkata','Che
nnai']
print([Link](2))
cetak([Link](3))

KELUARAN (21)
KODE 22
Pertimbangkan DataFrame prodf yang menyimpan beberapa
statistik pertanian beberapa negara bagian India.
program untuk mengetahui berapa banyak negara bagian yang memproduksi tanaman gandum.
impорt pandas sebagai pd
impor numpy sebagai np
d = { 'Rice': {'Andhra P.':7452.4, 'Gujarat':1930.0,
'Kerala': 2604.8,
'Punjab':11586.2, 'Tripura':814.6, 'Uttar
P.':13754.0}
'Wheat': { 'Andhra P.':np. NaN, 'Gujarat':2737.0,
'Kerala': np. NaN,
'Punjab':16440.5, 'Tripura' :0.5,
'Uttar P.':30056.0},
'Pulses': { 'Andhra P.':931.0, 'Gujarat':818.0,
'Kerala':1.7,
'Punjab' :33.0, 'Tripura':23.2, 'Uttar
P.':2184.4}
'Fruits': { 'Andhra P.':7830.0, 'Gujarat':11950.0,
'Kerala':113.1,
'Punjab':7152.0, 'Tripura': 44.1,
'Uttar P. ':140169.2}}
prodf=[Link](d)
gandum ditanam
oleh', prodf['Wheat'].count(),'negara bagian.'
KELUAR (22)
KODE 23
Pertimbangkan DataFrame prodf yang menyimpan beberapa
statistik pertanian dari beberapa negara bagian India. Tulis sebuah
program untuk menemukan jumlah tanaman gandum dan beras
diproduksi.
gandum dan padi ditanam oleh banyak ini
negara bagian')
cetak(prodf[['Gandum','Beras']].hitung())

KELUAR (23)

KODE 24
Pertimbangkan DataFrame prodf yang menyimpan beberapa
statistik pertanian dari beberapa negara bagian India. Tulis sebuah
program untuk mencari berapa banyak hasil pertanian yang diproduksi oleh Andhra
Pradesh.
crops produced by andhra pradesh are
cetak([Link]['Andhra P.',:].jumlah())

KELUARAN (24)
KODE 25
tulis program untuk mencetak hasil maksimum dari
dua negara bagian tengah yang terdaftar (Kerala dan Punjab)
cetak('Produksi maksimum oleh Kerala dan Punjab: ')
print([Link][2:4,:].max(axis=1))

OUTPUT (25)
KODE 26
Pertimbangkan sebuah DataFrame ndf seperti yang ditunjukkan di bawah ini:
Nama Posisi Seks Kota Usia Proyek
Rabia F Manajer Bangalore 30 13
Evan M Programmer New Delhi 27 17
Jia F Manajer Chennai 32 16
Lalit M Manajer Mumbai 40 20
Jaspreet M Pemrogram Chennai 28 21
Suji F Programmer Bangalore 32 14
Tulis program untuk merangkum berapa banyak proyek yang sedang
ditangani oleh setiap posisi untuk setiap kota. Juga tulis sebuah
program untuk merangkum informasi berdasarkan posisi, tentang
berapa banyak proyek yang sedang ditangani oleh mereka untuk masing-masing
kota. Cetak nol jika data hilang untuk beberapa
kolom/baris.

impor pandas sebagai pd

d={'Name':
['Rabia','Evan','Jia','Lalit','Jaspreet','Suji'],
'Sex':['F','M','F','M','M','F'],
'Position':
["Manajer","Manajer","Programmer","Manajer","Manajer","P"]
programmer
'City':
['Bangalore','NewDelhi','Chennai','Mumbai','Chennai','Bang
alore
'Age':[30,27,32,40,28,32],
'Projects':[13,17,16,20,21,14]}
ndf=[Link](d)
print([Link](index='Posisi',columns='Kota',values=
Proyek'))
cetak('---------------------')

KELUARAN (26)
KODE 27
cetak([Link](indeks='Posisi',kolom='Kota',nilai='
Proyek').fillna(0))
cetak('---------------------')

KELUARAN (27)
KODE 28
Pertimbangkan DataFrame prodf yang menyimpan produksi tanaman
statistik berbagai negara. Tulis program untuk mengurutkan
nilai prodf dalam urutan produksi gandum oleh
mereka.
impor pandas sebagai pd
impor numpy sebagai np
d = { 'Rice': {'Andhra P.':7452.4, 'Gujarat':1930.0,
'Kerala': 2604.8,
'Punjab':11586.2, 'Tripura':814.6, 'Uttar
P.':13754.0},
'Wheat': { 'Andhra P.':np. NaN, 'Gujarat':2737.0,
'Kerala': np. NaN,
'Punjab':16440.5, 'Tripura' :0.5,
'Uttar P.':30056.0},
'Pulses': { 'Andhra P.':931.0, 'Gujarat':818.0,
'Kerala':1.7,
'Punjab' :33.0, 'Tripura':23.2, 'Uttar
P.':2184.4}
'Fruits': { 'Andhra P.':7830.0, 'Gujarat':11950.0,
'Kerala':113.1,
'Punjab':7152.0, 'Tripura': 44.1,
'Uttar P. ':140169.2}}
prodf=[Link](d)
cetak(prodf.sort_values(oleh=['Gandum']))
cetak('----------------')
KELUAR (28)
KODE 29
impor pandas sebagai pd
impor numpy sebagai np
d = { 'Rice': {'Andhra P.':7452.4, 'Gujarat':1930.0,
'Kerala': 2604.8,
'Punjab':11586.2, 'Tripura':814.6, 'Uttar
P.':13754.0},
'Wheat': { 'Andhra P.':np. NaN, 'Gujarat':2737.0,
'Kerala': np. NaN,
'Punjab':16440.5, 'Tripura' :0.5,
'Uttar P.':30056.0},
'Pulses': { 'Andhra P.':931.0, 'Gujarat':818.0,
'Kerala':1.7,
'Punjab' :33.0, 'Tripura':23.2, 'Uttar
P.':2184.4}
'Fruits': { 'Andhra P.':7830.0, 'Gujarat':11950.0,
'Kerala':113.1,
'Punjab':7152.0, 'Tripura': 44.1,
'Uttar P. ':140169.2}}
prodf=[Link](d)
cetak(prodf.sort_values(by=['Buah'], ascending=False))
print('----------------')

KELUAR (29)
KODE 30
impor pandas sebagai pd
impor numpy sebagai np
d = { 'Rice': {'Andhra P.':7452.4, 'Gujarat':1930.0,
'Kerala': 2604.8,
'Punjab':11586.2, 'Tripura':814.6, 'Uttar
P.':13754.0},
'Wheat': { 'Andhra P.':np. NaN, 'Gujarat':2737.0,
'Kerala': np. NaN,
'Punjab':16440.5, 'Tripura' :0.5,
'Uttar P.':30056.0},
'Pulses': { 'Andhra P.':931.0, 'Gujarat':818.0,
'Kerala':1.7,
'Punjab' :33.0, 'Tripura':23.2, 'Uttar
P.':2184.4},
'Fruits': { 'Andhra P.':7830.0, 'Gujarat':11950.0,
'Kerala':113.1,
'Punjab':7152.0, 'Tripura': 44.1,
'Uttar P. ':140169.2}}
prodf=[Link](d)
print(prodf.sort_index(ascending=False))
cetak('----------------')

KELUAR (30)
KODE 31
Tulis program untuk membuat dataframe yang digabung menggunakan
dataframe cust dan order yang digabungkan pada yang umum
field cust_id dan hanya berisi baris yang cocok
nilai cust_id.
impor pandas sebagai pd
d={'cust_id':[1,2,3,4,5],
'first_name':
['Daniel','Nisha','Thomas','Shubhi','Ishpreet'],
'last_name':['Shah','Jain','Madison','Pai','Singh'],
'email':
['dshah@[Link]','jainn@[Link]','madison@[Link]','pais
@[Link]','ips@[Link]']}
d1={'order_id':[1,2,3,4,5,6],
'amount':
[23234.56,62378.50,32124.00,8365.0,1232.50,12614.40],
'cust_id':[1,3,2,3,10,9]}
cust=[Link](d)
order=[Link](d1)
res0=[Link](order,cust,on='cust_id')
print(res0)
cetak('------------------')

KELUARAN (31)
KODE 32
Tulis program untuk membuat dataframe gabungan menggunakan
dataframe cust dan order yang digabungkan pada kesamaan
kolom cust_id dan berisi semua baris untuk pesanan
dataframe dan dari dataframe cust hanya baris yang memiliki
mencocokkan cust_id.

impor pandas sebagai pd

d={'cust_id':[1,2,3,4,5],
'first_name':
['Daniel','Nisha','Thomas','Shubhi','Ishpreet'],
'last_name':['Shah','Jain','Madison','Pai','Singh'],
'email':
['dshah@[Link]','jainn@[Link]','madison@[Link]','pais
@[Link]','ips@[Link]']}
d1={'order_id':[1,2,3,4,5,6],
'amount':
[23234.56,62378.50,32124.00,8365.0,1232.50,12614.40],
'cust_id':[1,3,2,3,10,9]}
cust=[Link](d)
order=[Link](d1)
res=[Link](order,cust,on='cust_id',how='kiri')
cetak(res)
cetak('------------------')

KELUAR (32)
CODE 33
Tulis program untuk membuat dataframe yang digabungkan menggunakan
dataframe cust dan order yang digabungkan pada umum
bidang cust_id dan berisi semua baris baik untuk pesanan
dan dataframe cust.
impor pandas sebagai pd
d={'cust_id':[1,2,3,4,5],
'first_name':
['Daniel','Nisha','Thomas','Shubhi','Ishpreet'],
'last_name':['Shah','Jain','Madison','Pai','Singh'],
'email':
['dshah@[Link]','jainn@[Link]','madison@[Link]','pais@a
[Link]','ips@[Link]']}
d1={'order_id':[1,2,3,4,5,6],
'amount':
[23234.56,62378.50,32124.00,8365.0,1232.50,12614.40],
'cust_id':[1,3,2,3,10,9]}
cust=[Link](d)
order=[Link](d1)
res2=[Link](order,cust,on='cust_id',how='outer')
cetak(res2)
print('------------------')

KELUAR (33)

KODE 34
Buat dataframe qtrsales di mana setiap baris berisi
kategori barang, nama barang, dan pengeluaran. Kelompokkan
baris berdasarkan kategori dan cetak total pengeluaran per
kategori.
impor pandas sebagai pd
qtrsales=[Link]({'Item Category':
["A","B","A","A","B","C","B","C"]
'Item Name':
['iPad','LCD','iPhone','iWatch','Projector',
Keras
["disk","Smartboard","Flash drive"]
'Expenditure':
[288000,356000,497000,315000,413000,45000,
211000, 21000
cetak(qtrsales)
cetak('total pengeluaran berdasarkan kategori: ')
cetak([Link]('Kategori Item'))
['Pengeluaran'].jumlah())
cetak('----------------')
KELUAR (34)

KODE 35
Pertimbangkan dataframe yang sama dari kode sebelumnya dan
kelompokkan baris berdasarkan kategori, dan rata-ratanya
pengeluaran
impor pandas sebagai pd
qtrsales=[Link]({'Item Category':
["A","B","A","A","B","C","B","C"]
'Item Name':
['iPad','LCD','iPhone','iWatch','Projector',
Sulit
disk','Papan Pintar','Flashdisk']
'Expenditure':
[288000,356000,497000,315000,413000,45000,
211000, 21000]})
cetak('rata-rata pengeluaran berdasarkan kategori: ')
cetak([Link]('Kategori Item')
['Belanja'].rata-rata()
cetak('----------------')

KELUAR (35)
PENYAJIAN DENGAN PYPLOT

Matplotlib adalah pustaka komprehensif untuk membuat

visualisasi statis, animasi, dan interaktif di
Python. Ini digunakan untuk membuat
1. Kembangkan plot berkualitas publikasi dengan hanya beberapa
baris kode,
2. Gunakan figur interaktif yang dapat memperbesar, menggeser, memperbarui...
Kami dapat menyesuaikan dan mengambil kontrol penuh atas gaya garis,
properti font, properti sumbu serta ekspor dan
sematkan ke beberapa format file dan interaktif
lingkungan.
Sebuah plot adalah representasi grafis dari satu set data yang
juga dikenal secara bergantian sebagai grafik atau diagram. Itu adalah
digunakan untuk menunjukkan hubungan antara dua atau lebih
variables.
Berbagai komponen dari sebuah plot adalah Judul, Legenda,
Ticks, xlabel, ylabel.
Pandas juga memiliki fungsi plot() bawaan sebagai bagian dari
kelas DataFrame.
KODE 1
Tulis program untuk memplot grafik garis untuk menggambarkan
mengubah harga bawang mingguan selama empat minggu. Berikan
label sumbu yang sesuai.
impor [Link] sebagai plt
week=[1,2,3,4]
prices=[40,80,100,50]
[Link](minggu,harga)
[Link]('Minggu')
[Link]('Harga Bawang (rs.)')
[Link]()

KELUAR (1)
KODE 2
Marks adalah daftar yang menyimpan nilai seorang siswa di 10
uji unit. Tulis program untuk memplot siswa
kinerja dalam 10 unit ini.
impor [Link] sebagai plt
week=[1,2,3,4,5,6,7,8,9,10]
marks=[12,10,10,15,17,25,12,22,35,40]
[Link](minggu, nilai)
[Link]('Minggu')
[Link]('Nilai UT')
[Link]()

KELUAR (2)
KODE 3
Tanushree sedang melakukan beberapa penelitian. Dia memiliki sebuah garis yang disimpan
angka segitiga Pascal sebagai ar2 seperti yang diberikan di bawah ini:
ar2=[1,7,21,35,35,21,7,1]
mengimpor [Link] sebagai plt
impor numpy sebagai np
ar2=[1,7,21,35,35,21,7,1]
s2=[Link](ar2)
c2=[Link](ar2)
t2=[Link](ar2)
[Link](figsize=(15,7))
[Link](ar2,s2,'c')
[Link](ar2,c2,'r')
[Link](ar2,t2,'k',linestyle='garis putus')
[Link]('Nilai Array')
[Link]('Nilai Sine, Cosine, dan Tangent')
[Link]()
KELUAR (3)
KODE 4
Sepuluh istilah pertama dari seri Fibonacci disimpan dalam sebuah daftar
yakni fib.
fib=[0,1,1,2,3,5,8,13,21,34]
Tulis program untuk menggambar istilah Fibonacci dan kuadadratnya
akar dengan dua garis terpisah pada plot yang sama.
Seri Fibonacci harus dipetakan sebagai garis cyan dengan
'o' penanda dengan ukuran 5 dan warna tepi merah.
Seri akar kuadrat harus digambar sebagai garis hitam
dengan penanda ‘+’ yang berukuran 7 dan warna tepi merah.
impor [Link] sebagai plt
impor numpy sebagai np
fib=[0,1,1,2,3,5,8,13,21,34]
sqfib = [Link](fib)
[Link](ukuran=(10,7))
[Link](range(1,11),fib,'co',markersize=5,linestyle='soli
d', markeredgecolor='r')
[Link](range(1,11),sqfib,'k+',ukuran_marker=7,gaya_garis='so
lid', markeredgecolor='r')
[Link]()
KELUAR (4)
KODE 5
Diberikan serangkaian nfib yang berisi fibonacci terbalik
angka dengan angka fibonacci seperti yang ditunjukkan di bawah ini:
nfib=[0,-1,-1,-2,-3,-5,-8,-13,-21,-
34,0,1,1,2,3,5,8,13,21,34
Tulis program untuk memplot nfib dengan:
warna garis menjadi magenta
warna tepi marker hitam dengan ukuran 5 grid
harus ditampilkan.
impor [Link] sebagai plt
import numpy sebagai np
nfib=[0,-1,-1,-2,-3,-5,-8,-13,-21,-
34,0,1,1,2,3,5,8,13,21,34
[Link](range(-
10,10),nfib,'mo',ukuran_tanda=5,color_tepi_marker='k',linest
yle='solid')
[Link](True)
[Link]()
OUTPUT (5)
KODE 6
Buat array a, dalam rentang 1 hingga 20 dengan nilai 1.25
terpisah. Array lain b, berisi nilai log dari
elemen dalam array a.
Tulis program untuk membuat diagram sebar dari yang pertama vs.
array kedua dengan marker lingkaran merah menentukan sumbu x
title as random values and y axis title as logarithm
nilai.
mengimpor [Link] sebagai plt
impor numpy sebagai np
a=[Link](1,20,1.25)
b=[Link](a)
[Link](a,b,'ro')
[Link]('nilai acak')
[Link]('nilai logaritma')
[Link]()
OUTPUT (6)
KODE 7
Pertimbangkan array dari contoh sebelumnya dan buat
sebuah array c yang menyimpan nilai log10 dari elemen-elemen
dalam array A. Tulis program untuk memodifikasi yang sebelumnya
contoh program untuk scatter plot dari array a vs. c
juga dipetakan dengan penanda segitiga biru.
impor [Link] sebagai plt
mengimpor numpy sebagai np
a=[Link](1,20,1.25)
b=[Link](a)
c=np.log10(a)
[Link](a,b,'ro')
[Link](a,c,'b^')
[Link]('Nilai Acak')
[Link]('Nilai Logaritma')
[Link]()
KELUAR (7)
KODE 8
Tulis program untuk membuat grafik sebar mengambil sebuah acak
distribusi di X dan Y keduanya memiliki bentuk sebagai 100 memiliki
bilangan bulat yang dihasilkan secara acak dan dipetakan terhadap masing-masing
lainnya.
impor [Link] sebagai plt
impor numpy sebagai np
x=[Link](1,100,size=(100,))
y=[Link](1,100,size=(100,))
[Link](x,y,color='r')
[Link]('nilai x')
[Link]('nilai y')
[Link]()
KELUAR (8)
KODE 11
Pertimbangkan referensi dan tulis program untuk membuat diagram batang
grafik dari medali Australia.
impor [Link] sebagai plt
info=['gold','silver','bronze','total']
aus=[80,59,59,198]
[Link](info,aus)
[Link]('jumlah medali australia')
[Link]()
KELUAR (11)
CODE 12
Pertimbangkan referensi dan tulis program untuk memplot grafik batang
chart from the medals of Australia. In the same chart
plot medali yang dimenangkan oleh India juga.

impor [Link] sebagai plt

info=['gold','silver','bronze','total']
aus=[80,59,59,198]
ind=[26,20,20,66]
[Link](info,aus)
[Link](info,ind)
[Link]('jumlah medali australia, india')
[Link]()

OUTPUT (12)
KODE 13
Pertimbangkan referensi dan tulis program untuk memplot grafik batang
grafik dari medali Australia. Pastikan bahwa Emas,
Perak dan Perunggu dan total angka ditunjukkan melalui
lebar yang berbeda.

impor [Link] sebagai plt

info=['gold','silver','bronze','total']
aus=[80,59,59,198]
[Link](info,aus,width=[0.7,0.5,0.3,1])
[Link]('Jenis Medali')
[Link]('Jumlah medali Australia')
[Link]()

OUTPUT (13)
KODE 14
Pertimbangkan referensi dan tulis program untuk memplot diagram batang
grafik dari medali India. Pastikan bahwa Emas,
Perak dan Perunggu serta total jumlah diwakili melalui
berbagai warna.
impor [Link] sebagai plt
info=['gold','silver','bronze','total']
ind=[26,20,20,66]
[Link](info,ind,color=['emas','perak','coklat','hitam']
)
[Link]('jenis medali')
[Link]('jumlah medali')
[Link]()

KELUAR (14)
KODE 15
val adalah sebuah daftar yang memiliki tiga daftar di dalamnya. Ini berisi
data yang dirangkum dari tiga survei berbeda yang dilakukan oleh
sebuah perusahaan. Buatlah diagram batang yang menggambarkan tiga ini
subdaftar val dalam satu grafik. Pertahankan lebar dari
setiap batang sebagai 0,25.

impor [Link] sebagai plt

impor numpy sebagai np
val=[[5.,25.,45.,20.],[4.,23.,49.,17.],[6.,22.,47.,19.]]
x=[Link](4)
[Link](x+0.00,val[0],color='b',width=0.25)
[Link](x+0.25,val[1],color='g',width=0.25)
[Link](x+0.50,val[2],color='r',width=0.25)
[Link]()
KELUAR (15)
KODE 16
Pertimbangkan referensi. Tulis program untuk membuat grafik batang.
grafik dari medali yang dimenangkan oleh empat negara teratas. Pastikan
mereka terlihat terpisah.
impor [Link] sebagai plt
mengimpor numpy sebagai np
[Link](figsize=(10,7))
info=['gold','silver','bronze','total']
aus=[80,59,59,198]
eng=[45,45,46,136]
ind=[26,20,20,66]
can=[15,40,27,82]
x=[Link](len(info))
[Link](info, aus, lebar=.15)
[Link](x+0.15,eng,width=.15)
[Link](x+0.30, ind, lebar=.15)
[Link](x+0.45,can,width=.15)
[Link]()
KELUAR (16)
KODE 17
Tulis program untuk menggambar diagram batang horizontal dari
tinggi beberapa siswa.
mengimpor [Link] sebagai plt
height=[5.1,5.5,6.0,5.0,6.3]
names=('Anna','Bella','Chris','Dina','Sam')
[Link](nama, tinggi)
[Link]('tinggi')
[Link]('nama')
[Link]()

OUTPUT (17)
KODE 18
Sekolah TSS merayakan minggu sukarelawan di mana masing-masing
kelas XI mengadakan satu hari untuk pengumpulan
jumlah untuk amal yang didukung oleh sekolah.
Bagian A menjadi sukarelawan pada hari Senin, B pada hari Selasa, C pada
Rabu dan seterusnya. Ada enam bagian di kelas XI.
Jumlah yang terkumpul oleh bagian A hingga F adalah 8000, 12000,
9800, 11200, 15500, 7300.
Tulis program untuk membuat diagram lingkaran yang menunjukkan pengumpulan
jumlah berdasarkan bagian.
impor [Link] sebagai plt
col=[8000,12000,9800,11200,15500,7300]
section=['a','b','c','d','e','f']
Judul: Koleksi Minggu Relawan
[Link](col, labels=section)
[Link]()

OUTPUT (18)
KODE 19
Menyusun program untuk amal sekolah TSS
buatlah grafik pai yang menunjukkan persentase jumlah koleksi
per bagian. Juga pastikan bahwa diagram lingkaran adalah
sangat melingkar.
impor [Link] sebagai plt
col=[8000,12000,9800,11200,15500,7300]
section=['a','b','c','d','e','f']
Judul Kumpulan Pekan Sukarela
[Link]('sama')
[Link](col, labels=section, autopct='%5.2f%%')
[Link]()

KELUAR (19)
KODE 20
Mengingat pengumpulan amal sekolah TSS, tulislah
program untuk membuat diagram lingkaran yang menunjukkan jumlah koleksi
persentase berdasarkan bagian.
Pastikan bahwa diagram lingkaran benar-benar bulat.
Tampilkan koleksi bagian C dan E yang meledak
kue.
impor [Link] sebagai plt
col=[8000,12000,9800,11200,15500,7300]
section=['a','b','c','d','e','f']
expl=[0,0,0.15,0,0.2,0]
colors=['cyan','gold','violet','lightgreen','pink','silv
er']
Judul: Pengumpulan minggu relawan
[Link]('sama')
[Link](col,labels=section,explode=expl,colors=colors,au
topct='5.2f%%')
[Link]()
KELUAR (20)
KODE 21
Secara umum, sepuluh harga berbeda dari suatu saham disimpan.
Namun, untuk abc co. hanya 5 harga yang tersedia untuk a
day. [74.25,76.06,69.5,72.55,81.5]
Tulis program untuk membuat diagram batang dengan yang diberikan
harga tetapi grafik harus dipetakan antara
batas -2 hingga 10 pada sumbu x.
impor [Link] sebagai plt
pr=[74.25,76.06,69.5,72.55,81.5]
[Link](range(len(pr)),pr,width=0.4)
[Link](-2,10)
[Link]('harga abc co.')
[Link]('harga')
[Link]()
KELUAR (21)
KODE 22
Secara umum, 10 harga saham yang berbeda disimpan.
Namun, untuk abc co. hanya 5 harga yang tersedia untuk a
day. [74.25,76.06,69.5,72.55,81.5]
Tulis program untuk membuat diagram batang dengan yang diberikan
prices:
Grafik harus dipetakan dalam batas -2 hingga 10
pada sumbu-x.
Harus ada tanda untuk setiap titik yang dipetakan.
impor [Link] sebagai plt
pr=[74.25,76.06,69.5,72.55,81.5]
[Link](range(len(pr)),pr,width=0.4,color='m')
[Link](-2,10)
[Link]('harga dari abc co.')
[Link](range(-2,10))
[Link]('harga')
[Link]()
OUTPUT (22)
KODE 23
Sekolah TSS merayakan minggu sukarela di mana setiap
seksi kelas XI mengadakan satu hari untuk mengumpulkan
jumlah untuk amal yang didukung oleh sekolah.
Bagian A menjadi sukarelawan pada hari Senin, B pada hari Selasa, C pada
Rabu, dsb. Ada enam bagian di kelas XI.
Jumlah yang dikumpulkan oleh bagian A hingga F adalah 8000, 12000,
9800, 11200, 15500, 7300.
Tulis program untuk membuat grafik batang yang menunjukkan koleksi
jumlah. Grafik harus memiliki judul dan sumbu yang tepat
judul.
impor [Link] sebagai plt
impor numpy sebagai np
col=[8000,12000,9800,11200,15500,7300]
x=[Link](6)
judul plt('koleksi minggu sukarela')
[Link](x,col,color='r',width=0.25)
[Link]('koleksi')
[Link]()
KELUAR (23)
KODE 24
Pertimbangkan amal sekolah TSS, tulis program untuk
grafik jumlah yang dikumpulkan vs hari menggunakan diagram batang.
tanda pada sumbu x harus memiliki nama hari. Grafik harus
memiliki judul yang tepat dan judul sumbu.
impor [Link] sebagai plt
import numpy sebagai np
col=[8000,12000,9800,11200,15500,7300]
x=[Link](6)
judul plt('koleksi minggu relawan')
[Link](x,col,color='zaitun',width=0.25)
[Link]('hari')
[Link]('koleksi')
[Link]()

OUTPUT (24)
KODE 25
Pertimbangkan amal sekolah TSS, tulis sebuah program untuk
grafik jumlah yang dikumpulkan vs bagian menggunakan diagram batang.
Tanda pada sumbu x harus memiliki nama bagian. Grafik
seharusnya memiliki judul yang tepat dan judul sumbu. Pastikan bahwa
batas untuk sumbu y berada dalam rentang 6000 hingga 20000.
impor [Link] sebagai plt
impor numpy sebagai np
col=[8000,12000,9800,11200,15500,7300]
x=[Link](6)
judul plt('pengumpulan minggu sukarela')
[Link](x,col,color='cyan',width=0.25)
[Link](x,['A','B','C','D','E','F'])
[Link](6000,20000)
[Link]('bagian')
[Link]('koleksi')
[Link]()
KELUAR (25)
KODE 26
Buat beberapa grafik garis pada plot umum di mana tiga
rentang data dipetakan pada grafik yang sama. Rentang data
to be plotted is/are:
data=[5.,25.,45.,20.],[8.,13.,29.,27.],[9.,29.,27.,39.]
impor [Link] sebagai plt
impor numpy sebagai np
data=[5.,25.,45.,20.],[8.,13.,29.,27.],[9.,29.,27.,39.]
x=[Link](4)
[Link](x,data[0],color='b',label='rentang1')
[Link](x,data[1],color='g',label='rentang2')
[Link](x,data[2],color='r',label='rentang3')
[Link](loc='atas kiri')
[Link]('diagram garis multirange')
[Link]('x')
[Link]('y')
[Link]()
OUTPUT (26)
KODE 27
Sebuah survei mengumpulkan tinggi badan dan berat badan dari 100 peserta
dan mencatat umur peserta sebagai:
ages = [1, 1,2,3,5,7,8,9,10, 10,11,13,13,15,16,17,18,
19, 20, 21, 21, 23, 24, 24, 24, 25, 25, 25, 25, 26, 26,
26, 27, 27, 27, 27, 27, 29, 30, 30,30,30,31,33,34, 34,
34, 35, 36, 36, 37, 37,37,38, 38, 39, 40,40,41,41, 42,
43,45,45,46, 46, 46, 47,48,48,49,50,51,51, 52, 52, 53,
54,55,56, 57, 58, 60, 61, 63,65,66,68,70,72,74, 75,
77,81,83,84,87,89,90,91]
impor [Link] sebagai plt
ages = [1, 1,2,3,5,7,8,9,10, 10,11,13,13,15,16,17,18,
19, 20, 21, 21, 23, 24, 24, 24, 25, 25, 25, 25, 26, 26,
26, 27, 27, 27, 27, 27, 29, 30, 30, 30, 30, 31, 33, 34, 34
34, 35, 36, 36, 37, 37,37,38, 38, 39, 40,40,41,41, 42,
43,45,45,46, 46, 46, 47,48,48,49,50,51,51, 52, 52, 53,
54,55,56, 57, 58, 60, 61, 63,65,66,68,70,72,74, 75,
[77,81,83,84,87,89,90,91]
[Link](umur, bins=20)
Histogram Usia Peserta
[Link]()
KELUAR (27)
KODE 28
Prof Awasthi sedang melakukan penelitian di bidang
Lingkungan. Untuk beberapa tujuan pemetaan, dia memiliki
menghasilkan beberapa data sebagai:
mu=100
sigma = 15
x=mu + sigma * [Link] (10000)
impor numpy sebagai np
impor [Link] sebagai plt
mu=100
sigma = 15
x=mu + sigma * [Link] (10000)
[Link](x, bins = 30, orientasi = 'horizontal')
[Link]('Histogram data Penelitian')
[Link]()
KELUAR (28)
KODE 29
Prof Awasthi sedang melakukan penelitian di bidang
Lingkungan. Untuk beberapa tujuan pemetaan, ia telah menghasilkan
beberapa data sebagai:
mu=100
sigma = 15
x=mu + sigma * [Link] (10000)
y=mu + 30*[Link](10000)
impor numpy sebagai np
impor [Link] sebagai plt
mu = 100
sigma = 15
x = mu + sigma * [Link](10000)
y = mu + 30* [Link] (10000)
[Link]([x,y], bins = 100, histtype = 'barstacked')
[Link]('Histogram data penelitian')
[Link]()
KELUAR (29)
KODE 30
Buat poligon frekuensi menggunakan Prof Awasthi
data penelitian.

impor numpy sebagai np

impor [Link] sebagai plt
mu = 100
sigma = 15
x = mu + sigma * [Link](100)
[Link](figsize = (10, 7))
y = [Link](len(x))
[Link](x, bins = 40, jenis_histogram = 'tahap')
[Link]('histogram data penelitian')
[Link]()

KELUAR (30)
KODE 31
Tulis program untuk memplot histogram menggunakan Prof Awasthi
data penelitian dan kemudian gambar poligon frekuensi dengan
menghubungkan titik tengah tepi melalui grafik garis.

impor numpy sebagai np

mengimpor pandas sebagai pd
impor [Link] sebagai plt
mu = 100
sigma = 15
x = mu + sigma * [Link](100)
[Link](figsize = (10, 7) )
y = [Link](len(x))
n, edges, p = [Link](x, bins = 40, histtype = 'step')
m=0.5*(tepi[1:] + tepi[:-1])
m = [Link]()
l = len(m)
[Link](0, m[0] - 10)
[Link](m[l-1]+10)
n = [Link]()
[Link](0,0)
[Link](0)
[Link] ( m, n ,'-^')
[Link]('Histogram Data Penelitian')
[Link]()
KELUAR (31)
KODE 32
Pertimbangkan sebuah dataframe mskdf seperti yang ditunjukkan di bawah ini
Nama Usia PreBoardMarks PapanNilai
0 Karan 17 4 25
1 Alex 19 24 94
2 Ani 18 31 57
3 Javed 18 2 62
4 Amrit 17 3 70

Tuliskan program untuk memplot nilai pra-pendaftaran dari atas

DataFrame pada grafik sebar yang sama.

impor pandas sebagai pd

impor [Link] sebagai plt
d={'Name':['Karan','Alex','Ani','Javed','Amrit'],
'Age':[17,19,18,18,17],
'PreBoardMarks':[4,24,31,2,3],
'BoardMarks':[25,94,57,62,70]}
mksdf=[Link](d)
[Link](x=[Link],y=[Link],c='g',s=
[Link])
[Link](x=[Link],y=[Link],c='r',s=mks
[Link])
[Link]('Sumbu X')
[Link]('Nilai')
[Link]()
KELUAR (32)
KODE 33
Pertimbangkan data frame mskdf. Tulis program untuk membuat plot
'BoardMarks' terhadap 'PreBoardMarks' dalam grafik sebar.
impor pandas sebagai pd
impor [Link] sebagai plt
d={'Name':['Karan','Alex','Ani','Javed','Amrit'],
'Age':[17,19,18,18,17],
'PreBoardMarks':[4,24,31,2,3],
'BoardMarks':[25,94,57,62,70]}
mksdf=[Link](d)
[Link](kind='scatter',x='PreBoardMarks',y='BoardMark
s')
[Link]('NilaiPreBoard')
[Link]('TandaPapan')
[Link]()
OUTPUT (33)
SIMPLE
KUERIS DI SQL

Kueri MySQL Dasar

Untuk membuat basis data

Membuat tabel

Menyisipkan ke dalam tabel

Hapus isi tabel

Untuk menghapus tabel

Untuk menghapus basis data

Kueri MySQL
Untuk memilih semua kolom dari tabel

Dapatkan tanggal saat ini

Masalah Sederhana

Fungsi Agregat
Fungsi Sum()
Fungsi Avg()

Fungsi Max()

Fungsi Min()

Fungsi Count()

Fungsi Distinct()

Menggunakan klausa where

Menggunakan kondisi like

Antara kondisi
Klausul urutkan berdasarkan

Kueri
Tulis a kueri untuk tampilkan karyawan name, pekerjaan
gaji siapa yang pekerjaan adalah Manajer atau Analis atau
Salesman
Tulis a kueri ke pilih nama di mana M adalah pertama
surat dan R adalah huruf terakhir

Tulis a kueri ke pilih nama yang memiliki 4

surat

Write a query to find ename which has L as any

karakter

Tulis kueri untuk menemukan di mana departemen adalah NULL

Tulis a kueri ke temukan rincian dari karyawan
mendapatkan gaji lebih dari 2500

Tulis sebuah kueri ke tampilkan nama dan gaji di

urutan menurun

Tulis kueri untuk menampilkan detail di mana komisi

adalah NULL

Tulis kueri ke tampilkan rincian dari karyawan

di mana gaji berada di antara 1000 dan 2000 secara menurun
order of joining date
Tulis kueri untuk memeriksa apakah seorang Petugas tidak ditugaskan.
nomor departemen

Tulislah kueri untuk menampilkan semua detail di mana pekerjaan adalah

Petugas dengan nomor departemen 20

Tulis a kueri ke tampilkan rincian dari karyawan

siapa yang gaji 1 tahunnya antara 25000 dan 40000

Buat kueri untuk memeriksa apakah seorang Petugas tidak ditugaskan.

nomor departemen

Tulis kueri untuk menampilkan semua rincian di mana pekerjaan adalah

Pegawai dengan nomor departemen 20
Tulis a kueri ke tampilkan rincian dari employees
yang gaji 1 tahunnya antara 25000 dan 40000

Fungsi string
Konkatenasi
fungsi Lower()

Write a program to display the name of employee

di mana empno adalah 7788

Fungsi Upper()
Fungsi Substring()

fungsi Ltrim()

Fungsi Rtrim()

Fungsi Trim()
Fungsi Instr()

Fungsi Length()

Tuliskan program untuk menampilkan panjang nama-nama dari

karyawan

Fungsi Left()
Fungsi Right()

Fungsi Mid()
Fungsi Matematika
Fungsi Mod()

Fungsi Power()
Fungsi Round()

Fungsi Sign()
Fungsi Sqrt()

Fungsi Truncate()
Fungsi Tanggal dan Waktu
Tanggal saat ini [curdate()]

Bulan()

Tahun()

NamaHari()
HariDalamBulan()

Hari dalam tahun()

Waktu sekarang

Waktu sistem

Fungsi Sleep()
Tulis kueri untuk menemukan total gaji dari departemen
30

Tulis a kueri ke tampilkan total gaji dari

karyawan dari EMP

Tulis a kueri ke tampilkan total rekaman dari emp

meja

Tulis pertanyaan ke temukan yang number berbeda pekerjaan

tersedia

Tulis kueri untuk menemukan gaji minimum dan maksimum

karyawan
Tulis pertanyaan ke temukan itu senior paling karyawan
dari EMP

Tulis a kueri ke tampilkan yang bergabung tanggal dari

karyawan terbaru

Kelompokkan berdasarkan

Tulis a kueri
ke hitung
yang nomor dari
karyawan di
setiap pekerjaan dan
the jumlah dari
gaji mereka
Tuliskan kueri untuk menampilkan departemen karyawan
bijaksana

Tulis sebuah kueri ke hitung rata-rata gaji dan

total salary jobwise for department 20

Tulis kueri untuk menampilkan pekerjaan di mana jumlahnya

karyawan kurang dari 3

Write aquery ke tampilkan rata-rata komisi dan

rata-rata gaji departemen bijaksana di mana rata-rata
komisi lebih dari 750 dan rata-rata gaji
kurang dari 200

Bagaimana banyak karyawan adalah bekerja di berbeda

departemen
Tulis kueri untuk menemukan berapa banyak karyawan yang bergabung
pada tahun 1981

Tulis a kueri ke temukan minimum gaji, maksimum

gaji rata-rata gaji dari karyawan departemen
wise

PENCIPTAAN TABEL DAN MANIPULASI DATA

PERINTAH
Tulis kueri untuk membuat tabel baru emp2 seperti emp
Tulis kueri untuk membuat tabel PERSONAL dengan
spesifikasi berikut (EMPNO integer tidak null
nama unik string dua puluh karakter tidak
null, Tanggal lahir berupa tanggal, STRING ASLI dari 20
characters, HOBBY string of 20 characters.

Buat tabel NEWAUTHOR berdasarkan yang berikut

grafik
Menyisipkan nilai ke dalam tabel newauthor

Membuat tabel dengan batasan

Kunci Utama
Buatlah tabel item berdasarkan yang berikut
grafik.
Kunci Asing
Buat tabel pesanan berdasarkan hal berikut
bagan
Menambahkan nama batasan

Bawaan dan batasan cek

Perintah ubah tabel

Tulis kueri untuk menghapus kunci utama

Perintah truncate
Hapus tabel

Perintah pembaruan
Tulis kueri untuk menetapkan hobi menjadi berkebun yang
empid adalah 2 dari karyawan1.
Write a query to set hobby to 'painting' and doj
untuk memperbarui yang ename-nya 'Srinivas' dari
karyawan1

Tulis kueri untuk meningkatkan tanggal bergabung karyawan dengan

20 tahun dari karyawan1 di mana nama_karyawan adalah 'Benny'

Tulis kueri untuk menghapus baris yang ename-nya adalah

'benny' dari karyawan1.
Untuk memasukkan baris tertentu ke dalam tabel baru

Tulis kueri untuk menghapus baris yang memiliki empid 3

dari karyawan1

Tabel Lulusan

Tulis kueri untuk menampilkan detail siswa yang

dari divisi I
Write a query to display name, stiped, subject
dan tunjangan tahunan dari lulusan.

Tulis sebuah kueri untuk

hitung jumlahnya
siswa dengan
fisika dan komputasi
sc sebagai mereka
subjek dari
lulusan.
Tulis kueri untuk menambahkan kolom baru grade
varchar(2) dari lulusan.

Tulis kueri untuk memilih detail siswa dengan

rata-rata terendah

Tuliskan kueri untuk menemukan subjek yang berbeda dari

lulusan

Tulis kueri untuk menemukan rata-rata tunjangan untuk

siswa yang rata-ratanya lebih besar dari atau sama dengan
ke 65
Tabel Bus Sekolah

Tulis kueri untuk menunjukkan semua detail dari

bus sekolah yang kapasitasnya lebih besar dari
jumlah siswa dari bus sekolah.

Tulis query untuk menampilkan area_covered, jarak,

biaya dari bus sekolah di mana jaraknya lebih besar
lebih dari 20 dan biaya kurang dari 80000 dari
mobil sekolah

Tulis kueri untuk menampilkan jumlah dari no

siswa dari setiap transportasi menggunakan bus sekolah.
Tulis kueri untuk menampilkan rtno, area_yang_dicover
biaya rata-rata dari bus sekolah.