Using libraries like NumPy, Pandas, and Matplotlib In Hindi
पाइथन प्रोग्रामिंग लैंग्वेज में जब हम अन्य सपोर्टेड प्रोग्राम लाइब्रेरी फ्रेमवर्क का यूज़ करते हैं, तो पाइथन लैंग्वेज और भी अधिक फंक्शन फीचर्स सपोर्टेड या पावरफ़ुल लैंग्वेज बन जाती है। पाइथन सॉफ्टवेयर डेवलपमेंट एनवायरनमेंट में इन लाइब्रेरी में पहले से लिखे प्रोग्राम सोर्स कोड का एक ग्रुप कलेक्शन डिफाइन होता है, जो पाइथन सॉफ्टवेयर या डेटाबेस यूजर को एसेंशियल फ़ंक्शन और टूल प्रोवाइड करता है. जिससे पाइथन डेवलपर प्रोग्रामर बिना कुछ स्टार्ट से लिखे काम्प्लेक्स प्रोग्राम टास्क को आसानी से परफॉर्म कर सकते हैं।
Three essential libraries or supported frameworks in the Python.
- NumPy – नम्पि पाइथन प्रोग्रामिंग लाइब्रेरी बेस्ड न्यूमेरिकल और मैथमेटिकल डेटाबेस ऑपरेशन सपोर्ट को प्रोवाइड करता है.
- Pandas – पाइथन प्रोग्रामिंग में पंडास डेटा एनालिसिस और डाटा मैनिपुलेशन लाइब्रेरी का सपोर्ट प्रोवाइड करता है.
- Matplotlib – पाइथन प्रोग्रामिंग में मटाप्लाटलिब ग्राफ चार्ट बेस्ड डेटा विज़ुअलाइज़ेशन और प्लॉटिंग सपोर्ट प्रोवाइड करता है.
पाइथन प्रोग्रामिंग में ये सपोर्टेड लाइब्रेरी फ्रेमवर्क डेटा साइंस, मशीन लर्निंग, साइंटिफ़िक कंप्यूटिंग, और डीप डेटा एनालिसिस में एक साथ लार्ज स्केल पर यूज़ की जाती हैं।
Installing the numpy, pandas, and matplotlib libraries in Python.
पाइथन प्रोग्रामिंग में इन सपोर्टेड लाइब्रेरी फ्रेमवर्क को pip कमांड स्टेटमेंट का यूज़ करके मैन्युअल इंस्टॉल किया जा सकता है।
pip install numpy pandas matplotlib
Python users can also install them individually.
pip install numpy
pip install pandas
pip install matplotlib
NumPy Python-supported library.
पाइथन प्रोग्रामिंग में NumPy सपोर्टेड लाइब्रेरी फ्रेमवर्क का यूज़ है, पाइथन प्रोग्राम सॉफ्टवेयर में न्यूमेरिकल डाटा एनालिसिस, डाटा बाइंडिग, डाटा टेबल फॉर्मेट स्टोरेज आदि में किया जा सकता है.
NumPy library framework is primarily used in Python programming for.
- न्यूमेरिकल डाटा स्टेटेमेंट कैलकुलेशन ऑपरेशन में
- ऐरे और मैट्रिसेस टेबुलर फॉर्मेट में डाटा और इनफार्मेशन एक्सेस और रिट्रीवल में
- मैथमेटिकल न्यूमेरिकल कैलकुलेशन ऑपरेशन में
- कंप्यूटर साइंस या स्टैटिस्टिक्स डाटा एनालिसिस में
- लीनियर अलजेब्रा प्रॉब्लम इश्यूज सलूशन में
- साइंटिफिक डाटा इनफार्मेशन कंप्यूटिंग ऑपरेशन में
पाइथन न्यूमेरिकल डाटा कैलकुलेशन के लिए NumPy, ndarray प्रोवाइड करता है, जो एक पावरफुल मल्टीडायमेंशनल ऐरे डेटा स्ट्रक्चर स्टोरेज फॉर्मेट लेआउट है।
Importing NumPy.
import numpy as np
यहाँ np, NumPy का सामान्य रूप से यूज़ होने वाला ऐरे का स्माल नाम है।
Creating a NumPy array in a Python program.
एक सामान्य पाइथन प्रोग्राम में एक NumPy ऐरे इन ऑब्जेक्ट एलिमेंट का यूज़ करके क्रिएट किया जा सकता है.
import numpy as np
numeric = np.array([9, 4, 3, 7, 8, 2, 1])
print(numeric)
The output is.
[9, 4, 3, 7, 8, 2, 1]
यहाँ नम्पि एक नॉर्मल पाइथन लिस्ट डाटा टाइप के अपोजिट, NumPy ऐरे डाटा टाइप को एक बेहतर न्यूमेरिकल डाटा कैलकुलेशन के लिए डिज़ाइन या डिफाइन किया गया है।
Python NumPy supports mathematical operations.
यहाँ हम पाइथन प्रोग्राम में एक कम्पलीट यूजर डिफाइन कस्टम ऐरे डाटा टाइप एलिमेंट वैल्यू पर कई ऑपरेशन को अप्लाई कर सकते हैं.
import numpy as np
numeric = np.array([9, 4, 3, 7, 8, 2, 1])
print(numbers * 3)
print(numbers + 3)
The output is.
[ 27 12 9 21 24 6 3 ]
[30 15 12 24 27 9 6 ]
नम्पि डाटा कैलकुलेशन प्रोसेसिंग में इसे वेक्टराइज़्ड कंप्यूटेशन कहते हैं।
NumPy Statistics in Python.
पाइथन प्रोग्रामिंग में NumPy डाटा टाइप में एक कॉमन स्टैटिस्टिकल कैलकुलेशन के लिए सॉफ्टवेयर डेवलपर को कई फ़ंक्शन प्रोवाइड करता है.
import numpy as np
salary = np.array([99000, 12000, 87000, 49000, 85000])
print(“Mean is – “, np.mean(salary))
print(“Maximum is – “, np.max(salary))
print(“Minimum is -“, np.min(salary))
print(“Standard deviation is -“, np.std(salary))
The output is.
Mean is – 66,400
Maximum is – 99,000
Minimum is – 12,000
Standard deviation is – 31,922.42
Pandas Python-supported library.
पाइथन प्रोग्रामिंग लैंग्वेज के लिए pandas एक पॉपुलर डेटाबेस सपोर्टेड लाइब्रेरी या फ्रेमवर्क है, जिसे स्पेशली पाइथन में डेटा मैनिपुलेशन और एनालिसिस के लिए डिज़ाइन और डेवलप किया गया है।
Pandas library framework is primarily used in Python programming for.
- टेबल्स क्रिएट करने में
- CSV एक्सटेंसन फ़ाइलें बनाने में
- Excel डेटा एक्सटेंशन सपोर्ट में
- डेटाबेस फाइल डाटा एक्सेस फीचर्स
- टाइम-सीरीज़ डेटा मेनूप्लेशन टास्क में
- मिसिंग डेटा मैनेजमेंट में
- डेटा क्लीनिंग टास्क प्रोसेस में
The two most important Pandas data structure formats in Python support are.
- सीरीज़ डाटा
- डेटाफ़्रेम डाटा
Pandas Series with Python.
पाइथन सपोर्टेड पंडास डेटाबेस लाइब्रेरी में सीरीज़ एक वन-डाइमेंशनल लेबल्ड टेबल डेटा स्ट्रक्चर फॉर्मेट लेआउट टेबल डाटा एलिमेंट स्टोरेज मेथड है।
import pandas as pd
salary = pd.Series([10000, 12000, 9000, 12400, 13700, 14900])
print(salary)
पाइथन में यूज़ पंडास डाटा टाइप में एक सीरीज़ में डाटा न्यूमेरिक वैल्यू और उससे जुड़े इंडेक्स लोकेशन होते हैं।
The output is.
0 10000
1 12000
2 9000
3 12400
4 13700
5 14900
dtype: int64
Pandas DataFrame in Python.
पाइथन में यूज़ पंडास डाटा टाइप में एक डेटाफ़्रेम एक टू-डाइमेंशनल डेटाबेस टेबल रौ कॉलम फॉर्मेट स्ट्रक्चर है, जिसमें यूजर डिफाइन रो और कॉलम न्यूमेरिक वैल्यू स्टोर होते हैं।
import pandas as pd
company_data = {
“Emp_Name”: [“Bhavishi”, “Siddhi”, “Shiva”, “Harry”],
“Salary”: [10000, 8900, 4900, 8900]
}
df = pd.DataFrame(company_data)
print(df)
The output is.
Emp_Name Salary
0 Bhavishi 10000
1 Siddhi 8900
2 Shiva 4900
3 Harry 8900
यहाँ पाइथन में यूज़ पंडास डाटा टाइप में एक DataFrame एक स्प्रेडशीट या डेटाबेस टेबल जैसा डिस्प्ले होता है।
Selecting data from a Pandas DataFrame.
यहाँ हम इसमें एक साथ मल्टीप्ल टेबल कॉलम को सलेक्ट कर सकते हैं.
print(df[“Emp_Name”])
इसके अलावा हम एक साथ कई कॉलम टेबल वैल्यू को भी सलेक्ट कर सकते हैं.
print(df[[“Emp_Name”, “Salary”]])
इसके साथ हम मौजूदा टेबल रो डाटा एलिमेंट को भी फ़िल्टर भी कर सकते हैं।
जैसे, यहाँ हमें 7000 से अधिक सैलरी वाले एम्प्लॉई की ही लिस्ट चाहिए।
print(df[df[“Salary”] > 7000])
Reading a CSV extension file with the Python Pandas library.
पाइथन Pandas डेटाबेस लाइब्रेरी फ्रेमवर्क में, किसी CSV फ़ाइल से डेटा रीड करना इजी हो जाता है।
यहाँ माना की हमारे पास एक employee.csv नाम से एक फाइल हैं.
Emp Name,Language,Fee
Bhavishi,Matlab,3400
Siddhi,Ruby,1989
Harry,Php,789
Harry,C#,1299
यहाँ हम employee.csv नाम से इस फाइल को कुछ इस तरह से रीड कर सकते हैं.
import pandas as pd
df = pd.read_csv(“employee.csv”)
print(df)
यहाँ Pandas में यूज़ टेबल के अनुसार यह अपने आप CSV फाइल से डेटा को DataFrame में कन्वर्ट कर देता है।
Basic data analysis methods with the Pandas library framework.
पाइथन पंडास डाटा टाइप में हम इसका यूज़ कर सकते हैं.
print(df.head())
यह पंडास डाटा टाइप में स्टार्ट की कुछ फर्स्ट लाइनें डिस्प्ले करने के लिए इसे यूज़ करे।
पंडास में यूज़ डाटा डेटाफ़्रेम के बारे में डिटेल इनफार्मेशन डिस्प्ले करने के लिए इसे यूज़ करे।
print(df.info())
पंडास में यूज़ डाटा डेटाफ़्रेम के बारे में डिटेल स्टैटिस्टिकल इनफार्मेशन डिस्प्ले करने के लिए इसे यूज़ करे।
print(df.describe())
Cleaning data from a Pandas database.
पाइथन में यूज़ डेटाबेस डाटा से रियल वर्ल्ड के डेटा में अक्सर वैल्यू मिसिंग होती हैं।
For example.
Emp_Name Salary
Bhavishi 10000
Siddhi 8900
Shiva 4900
Harry 8900
इस स्टेटमेंट में हम डेटाबेस में मिसिंग वैल्यू को चेक कर सकते हैं.
print(df.isnull())
इस स्टेटमेंट में हम मिसिंग डेटाबेस वैल्यू वाली रो रिमूव कर सकते हैं.
df = df.dropna()
इस स्टेटमेंट में हम यामिसिंग डेटाबेस वैल्यू को फील कर सकते है.
df[“Salary”] = df[“Salary”].fillna(0)
Matplotlib Python-supported library.
ऊपर डिसकस नम्पि, पंडास की तरह Matplotlib भी एक पॉपुलर पाइथन सपोर्टेड लाइब्रेरी या फ्रेमवर्क है, मैटप्लाटलिब पाइथन लाइब्रेरी का मोस्ट ऑफ़ यूज़ ग्राफिकल इमेज ग्राफ़ और डाटा विज़ुअलाइज़ेशन फॉर्मेट लेआउट डिज़ाइन डेवलप करने में किया जाता है।
Python Matplotlib library helps Python users with these tasks.
- लाइन चार्ट डिज़ाइन डेवलपमेंट मे
- बार चार्ट डिज़ाइन डेवलपमेंट मे
- पाई चार्ट डिज़ाइन डेवलपमेंट मे
- हिस्टोग्राम डिज़ाइन डेवलपमेंट मे
- स्कैटर प्लॉट जनरेशन में
- कस्टम साइंटिफिक प्लॉट डिज़ाइन में
In Python, you can import it like this.
import matplotlib.pyplot as plt
Python Matplotlib library line plot.
पाइथन मैटप्लाटलिब में एक सिंपल लाइन ग्राफ को कुछ इन x और y डाटा कोर्डिनेट का यूज़ करके बनाया जा सकता है.
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
x = [10, 20, 30, 40, 50, 60, 70]
y = [13, 23, 39, 47, 55, 66, 89]
plt.plot(x, y)
plt.xlabel(“Day by day”)
plt.ylabel(“Website”)
plt.title(“Organic Traffic Report”)
plt.show()
The output is.
यह मैटप्लाटलिब प्रोग्राम आपको एक लाइन में ग्राफ डिस्प्ले करता है, जो ऊपर दी गई x और y चार्ट कोर्डिनेट के अनुसार किसी वेबसाइट का आर्गेनिक टैफिक वैल्यू को डिस्प्ले करता है।
Bar Chart Matplotlib with Python.
पाइथन मैटप्लाटलिब में एक सिंपल बार चार्ट कुछ इस तरह के डाटा और इनफार्मेशन के साथ डिज़ाइन और डेवलप किया जा सकता है.
import matplotlib.pyplot as plt
language = [“Matlab”, “Ruby”, “C#”, “Ai”, “Swift C”, “Php”]
fee = [999, 1000, 1200, 1700, 900, 800]
plt.bar(language, fee)
plt.xlabel(“language”)
plt.ylabel(“fee”)
plt.title(“language fee”)
plt.show()
The output is.
यह मैटप्लाटलिब प्रोग्राम आपको एक बार चार्ट कैटेगरी में डाटा और इनफार्मेशन की तुलना करने के लिए अधिक यूज़फुल हो सकते हैं।
Scatter Plot Matplotlib with Python.
पाइथन मैटप्लाटलिब में एक सिंपल स्कैटर प्लॉट दो अलग अलग न्यूमेरिकल वेरिएबल के बीच के रिलेशन को रिप्रेजेंट करता है।
import matplotlib.pyplot as plt
emp_work_hours = [1, 2, 3, 4, 5, 6, 7, 8]
salary = [10000, 12000, 20000, 30000, 40000, 50000, 70000, 90000]
plt.scatter(emp_work_hours, salary)
plt.xlabel(“emp_work_hours”)
plt.ylabel(“salary”)
plt.title(“emp_work_hours vs. salary”)
plt.show()
The output is.
यह मैटप्लाटलिब प्रोग्राम हमें हर एक एम्प्लॉई के वर्किंग ऑवर के अनुसार उसकी सैलरी क्या है, यह जानने में हमें हेल्प करता है।
Using the NumPy, Pandas, and Matplotlib libraries together in Python.
पाइथन डेवलपर अपनी सॉफ्टवेयर प्रोग्राम डेवेलपमेंट जरूरत के अनुसार इन तीनों लाइब्रेरी फ्रेमवर्क को एक साथ यूज़ करके अपने प्रोगाम को अधिक पावरफुल बना सकते हैं।
For example.
Python Program Data
↓
Pandas Library Framework
↓
Clean and Analyze Task
↓
NumPy Library Framework
↓
Mathematical Analysis Task
↓
Matplotlib Library Framework
↓
Data Information Visualization Representation
Example of the Python NumPy, Pandas, and Matplotlib libraries.
import pandas as pd
import matplotlib.pyplot as plt
data = {
“Year”: [“2021”, “2022”, “2023”, “2024”, “2025”,”2026″],
“Sales_unit”: [1000, 2000, 4000, 10000, 20000, 40000]
}
df = pd.DataFrame(data)
plt.plot(df[“Year”], df[“Sales_unit”], marker=”o”)
plt.xlabel(“Year”)
plt.ylabel(“Sales_unit”)
plt.title(“Yearly Sales_unit”)
plt.show()
The output is.
Here in this program explanation.
- पांडा लाइब्रेरी स्टोर डेटा को एक DataFrame में रिप्रेजेंट करता है।
- Matplotlib अवेलेबल डाटा इन्फो के आधार पर एक ग्राफ़ बनाता है।
- यदि इस प्रोग्राम में न्यूमेरिकल डाटा इन्फो कैलकुलेशन की ज़रूरत हो, तो डेटा को NumPy से भी प्रोसेस और मैनेज किया जा सकता है।
Main Difference Between NumPy, Pandas, and Matplotlib Libraries
| Each library | What is purpose | Important feature of each |
| Numpy libraries | It helps you to manage all kind of numerical data computing task | It helps to manage arrays and other mathematical data operations |
| Pandas libraries | It helps you to detailed analyse or explore python-based data analysis process | It provides you series and dataframe method to analyse data with more details |
| Matplotlib libraries | Especially it helpful to chart data visualization task activities | We can design and develop any graphs and charts data with it |
An easy way to remember these three library frameworks in Python.
- NumPy → Calculate numeric and data values
- Pandas → Analyze data and information in array object values
- Matplotlib → Visualize given x and y chart coordinates values info
Real-world example in Python
यहाँ माना की हमारे पास किसी कंपनी के सेल्स की जानकारी वाली एक CSV फ़ाइल मौजूद है.
date, product_name, price
2026-01-07, मैकबुक प्रो, 150000
2026-04-08, एप्पल आईफ़ोन, 90000
2026-05-09, hp पवेलियन, 127000
2026-07-10, सैमसंग टेबलेट, 89000
इस डाटा के आधार पर एक पाइथन प्रोग्राम आपके लिए यह कर सकता है.
Use the Pandas library.
df = pd.read_csv(“company_sales.csv”)
Step 2 — Analyze company sales numbers.
Use the Pandas/NumPy library.
total_price = df[“price”].sum()
average_price = df[“price”].mean()
Step 3 — View the results of the company price sales table.
Use the Matplotlib library.
plt.bar(df[“product_name”], df[“price”])
plt.show()
यह सभी कॉम्बिनेशन पाइथन प्रोग्रामिंग को किसी भी प्रकार के डेटा एनालिसिस के लिए एक पावरफुल टूल बनाता है।
Advantages of using the NumPy, Pandas, and Matplotlib libraries in Python.
NumPy libraries.
- नम्पि पाइथन में बहुत फ़ास्ट न्यूमेरिकल ऑपरेशन में हेल्पफुल है
- इजी और कुशल ऐरे डाटा टाइप वैल्यूज मैनेजमेंट में हेल्पफुल है
- मैथमेटिकल डाटा कैलकुलेशन फ़ंक्शन अप्लाई में
- लीनियर अलजेब्रा मैथमेटिकल सपोर्ट टास्क में
- कई साइंटिफिक पाइथन लाइब्रेरीज़ का आधार एक्सटेंशन के रूप में
Pandas libraries.
- इजी पाइथन टेबल डेटाबेस मैनिपुलेशन ऑपरेशन में
- डेटा क्लीनिंग प्रोसेस टास्क में हेल्पफुल
- CSV और Excel एक्सटेंशन फ़ाइल हैंडलिंग प्रोसेस में
- न्यूमेरिक डाटा फ़िल्टरिंग और सॉर्टिंग टास्क में
- ग्रुपिंग और एग्रीगेशन न्यूमेरिक डाटा कैलकुलेशन प्रोसेस में
Matplotlib libraries
- यह हमें कई तरह के चार्ट क्रिएट करने में हेल्प करता है
- इसे जरूरत पड़ने पर बहुत अधिक कस्टमाइज किया जा सकता है
- डिटेल डाटा रिपोर्ट और एनालिसिस के लिए यूज़फुल है
- Matplotlib लाइब्रेरीज NumPy और Pandas फ्रेमवर्क के साथ बेहतर काम करता है
Conclusion of Using Libraries Like NumPy, Pandas, and Matplotlib.
पाइथन प्रोग्रामिंग लैंग्वेज में NumPy, Pandas, और Matplotlib पाइथन इकोसिस्टम में तीन ज़रूरी लाइब्रेरीज़ या फ्रेमवर्क हैं। पाइथन यूजर इन सभी फ्रेमवर्क लाइब्रेरीज का यूज़ अपनी जरूरत के अनुसार कर सकते है.
