ਇਸ ਲੇਖ ਵਿੱਚ ਅਸੀਂ ਕੁਝ ਘੱਟ-ਜਾਣੀਆਂ, ਪਰ ਬਹੁਤ ਉਪਯੋਗੀ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀਆਂ ਵੇਖਦੇ ਹਾਂ:
ਹਾਲਾਂਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਵਿੱਚ ਉਪਲਬਧ ਹਨ ਪਾਈਥਨ DateTime ਲਈ, ਮੈਨੂੰ ਕਿਸੇ ਵੀ ਮਿਤੀ ਓਪਰੇਸ਼ਨ 'ਤੇ Pendulum ਨੂੰ ਵਰਤਣਾ ਆਸਾਨ ਲੱਗਦਾ ਹੈ। ਕੰਮ 'ਤੇ ਮੇਰੀ ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਲਈ ਇੱਕ ਪੈਂਡੂਲਮ ਮੇਰੀ ਮਨਪਸੰਦ ਕਿਤਾਬਾਂ ਦੀ ਅਲਮਾਰੀ ਹੈ। ਬਿਲਟ-ਇਨ ਪਾਈਥਨ ਡੇਟਟਾਈਮ ਮੋਡੀਊਲ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ, ਸਮਾਂ ਜ਼ੋਨਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਅਤੇ ਮਿਤੀ ਅਤੇ ਸਮਾਂ ਓਪਰੇਸ਼ਨਾਂ ਜਿਵੇਂ ਕਿ ਸਮੇਂ ਦੇ ਅੰਤਰਾਲਾਂ ਨੂੰ ਜੋੜਨਾ, ਮਿਤੀਆਂ ਨੂੰ ਘਟਾਉਣਾ, ਅਤੇ ਸਮਾਂ ਜ਼ੋਨਾਂ ਵਿੱਚ ਬਦਲਣਾ ਲਈ ਇੱਕ ਵਧੇਰੇ ਅਨੁਭਵੀ API ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਮਿਤੀਆਂ ਅਤੇ ਸਮਿਆਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨ ਲਈ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਅਨੁਭਵੀ API ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
!pip install pendulum# import library
import pendulum
dt = pendulum.datetime(2023, 1, 31)
print(dt)
#local() creates datetime instance with local timezone
local = pendulum.local(2023, 1, 31)
print("Local Time:", local)
print("Local Time Zone:", local.timezone.name)
# Printing UTC time
utc = pendulum.now('UTC')
print("Current UTC time:", utc)
# Converting UTC timezone into Europe/Paris time
europe = utc.in_timezone('Europe/Paris')
print("Current time in Paris:", europe)ਕੀ ਤੁਸੀਂ ਉਦੋਂ ਸਾਹਮਣਾ ਕੀਤਾ ਹੈ ਜਦੋਂ ਡੇਟਾ ਵਿੱਚ ਵਿਦੇਸ਼ੀ ਭਾਸ਼ਾ ਸਹੀ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦੀ? ਇਸ ਨੂੰ Mojibake ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਮੋਜੀਬੇਕ ਇੱਕ ਸ਼ਬਦ ਹੈ ਜੋ ਕੂੜੇ ਜਾਂ ਸਕ੍ਰੈਂਬਲਡ ਟੈਕਸਟ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਏਨਕੋਡਿੰਗ ਜਾਂ ਡੀਕੋਡਿੰਗ ਸਮੱਸਿਆਵਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਵਾਪਰਦਾ ਹੈ। ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਉਦੋਂ ਵਾਪਰਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਅੱਖਰ ਇੰਕੋਡਿੰਗ ਨਾਲ ਲਿਖਿਆ ਟੈਕਸਟ ਨੂੰ ਇੱਕ ਵੱਖਰੀ ਏਨਕੋਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗਲਤ ਢੰਗ ਨਾਲ ਡੀਕੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ftfy python ਲਾਇਬ੍ਰੇਰੀ ਮੋਜੀਬੇਕ ਨੂੰ ਠੀਕ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰੇਗੀ, ਜੋ ਕਿ NLP ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਬਹੁਤ ਉਪਯੋਗੀ ਹੈ।
!pip ਇੰਸਟਾਲ ftfy
print(ftfy.fix_text('“ftfyâ€\x9d ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਾਕ ਨੂੰ ਠੀਕ ਕਰੋ।')) print(ftfy.fix_text('✔ ਟੈਕਸਟ ਨਾਲ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ')) ਪ੍ਰਿੰਟ(ftfy.fix_text('à perturber la réflexion) '))
Mojibake ਤੋਂ ਇਲਾਵਾ, ftfy ਖਰਾਬ ਏਨਕੋਡਿੰਗ, ਖਰਾਬ ਲਾਈਨ ਐਂਡਿੰਗ, ਅਤੇ ਖਰਾਬ ਕੋਟਸ ਨੂੰ ਠੀਕ ਕਰੇਗਾ। ਟੈਕਸਟ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ ਜਿਸਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਏਨਕੋਡਿੰਗਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਜੋਂ ਡੀਕੋਡ ਕੀਤਾ ਗਿਆ ਹੈ:
ਸਕੈਚ ਇੱਕ ਵਿਲੱਖਣ AI ਕੋਡਿੰਗ ਸਹਾਇਕ ਹੈ ਜੋ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਪਾਈਥਨ ਵਿੱਚ ਪਾਂਡਾ ਲਾਇਬ੍ਰੇਰੀ ਨਾਲ ਕੰਮ ਕਰਨ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਉਪਭੋਗਤਾ ਡੇਟਾ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਣ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਡੇਟਾ ਹੇਰਾਫੇਰੀ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜਾਂ ਨੂੰ ਆਸਾਨ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਬਣਾਉਣ ਲਈ ਸੰਬੰਧਿਤ ਕੋਡ ਸੁਝਾਅ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਕੈਚ ਲਈ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ IDE ਵਿੱਚ ਕੋਈ ਵਾਧੂ ਪਲੱਗ-ਇਨ ਸਥਾਪਤ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਇਸ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਡੇਟਾ-ਸਬੰਧਤ ਕਾਰਜਾਂ ਲਈ ਲੋੜੀਂਦੇ ਸਮੇਂ ਅਤੇ ਮਿਹਨਤ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਘਟਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਬਿਹਤਰ, ਵਧੇਰੇ ਕੁਸ਼ਲ ਕੋਡ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
!pip ਇੰਸਟਾਲ ਸਕੈਚ
ਸਾਨੂੰ ਇਸ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਪਾਂਡਾ ਡੇਟਾਫ੍ਰੇਮ ਵਿੱਚ ਇੱਕ .sketch ਐਕਸਟੈਂਸ਼ਨ ਜੋੜਨ ਦੀ ਲੋੜ ਹੈ।
ਨੂੰ ਪੁੱਛੋ ਸਕੈਚ ਦੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਬਾਰੇ ਇੱਕ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੇ ਫਾਰਮੈਟ ਵਿੱਚ ਪ੍ਰਸ਼ਨ ਪੁੱਛਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਉਪਭੋਗਤਾ ਦੀ ਪੁੱਛਗਿੱਛ ਲਈ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
# ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਆਯਾਤ ਕਰਨਾ ਸਕੈਚ ਆਯਾਤ ਪਾਂਡਾ ਨੂੰ ਪੀਡੀ ਵਜੋਂ ਆਯਾਤ ਕਰਦਾ ਹੈ # ਡੇਟਾ ਨੂੰ ਪੜ੍ਹਨਾ (ਉਦਾਹਰਣ ਵਜੋਂ ਟਵਿੱਟਰ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ) df = pd.read_csv("tweets.csv") ਪ੍ਰਿੰਟ(df)
# ਇਹ ਪੁੱਛਣਾ ਕਿ ਕਿਹੜੇ ਕਾਲਮ ਸ਼੍ਰੇਣੀ ਕਿਸਮ ਹਨ df.sketch.ask ("ਕਿਸ ਕਾਲਮ ਸ਼੍ਰੇਣੀ ਕਿਸਮ ਹਨ?")
# ਡੇਟਾਫ੍ਰੇਮ ਦੀ ਸ਼ਕਲ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ df.sketch.ask ("ਡਾਟਾਫ੍ਰੇਮ ਦੀ ਸ਼ਕਲ ਕੀ ਹੈ")
.sketch.howto
ਕਿਵੇਂ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਕੋਡ ਦਾ ਇੱਕ ਬਲਾਕ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਵੱਖ-ਵੱਖ ਡੇਟਾ-ਸਬੰਧਤ ਕੰਮਾਂ ਲਈ ਸ਼ੁਰੂਆਤੀ ਜਾਂ ਸਮਾਪਤੀ ਬਿੰਦੂ ਵਜੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਆਮ ਬਣਾਉਣ, ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਣਾਉਣ, ਡੇਟਾ ਨੂੰ ਟਰੈਕ ਕਰਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕੋਡ ਦੇ ਸਨਿੱਪਟ ਦੀ ਮੰਗ ਕਰ ਸਕਦੇ ਹਾਂ। ਇਹ ਸਮੇਂ ਦੀ ਬਚਤ ਕਰੇਗਾ ਅਤੇ ਕੋਡ ਨੂੰ ਕਾਪੀ ਅਤੇ ਪੇਸਟ ਕਰਨਾ ਆਸਾਨ ਬਣਾ ਦੇਵੇਗਾ; ਤੁਹਾਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਕੋਡ ਨੂੰ ਹੱਥੀਂ ਲਿਖਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।
# ਭਾਵਨਾਵਾਂ ਦੀ ਕਲਪਨਾ ਕਰਨ ਲਈ ਕੱਟਿਆ ਕੋਡ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਪੁੱਛਣਾ df.sketch.howto("ਭਾਵਨਾਵਾਂ ਦੀ ਕਲਪਨਾ ਕਰੋ")
.sketch.apply
.apply ਫੰਕਸ਼ਨ ਇਹ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤਿਆਰ ਕਰਨ, ਖੇਤਰਾਂ ਨੂੰ ਪਾਰਸ ਕਰਨ ਅਤੇ ਹੋਰ ਡੇਟਾ ਹੇਰਾਫੇਰੀ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ, ਸਾਡੇ ਕੋਲ ਇੱਕ OpenAI ਖਾਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਲਈ API ਕੁੰਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਮੈਂ ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕੀਤੀ ਹੈ।
ਮੈਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਇਸ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਅਨੰਦ ਆਇਆ ਆ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਮੈਨੂੰ ਇਹ ਲਾਭਦਾਇਕ ਲੱਗਦਾ ਹੈ।
"pgeocode" ਇੱਕ ਸ਼ਾਨਦਾਰ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜਿਸਨੂੰ ਮੈਂ ਹਾਲ ਹੀ ਵਿੱਚ ਠੋਕਰ ਮਾਰਿਆ ਹੈ ਜੋ ਮੇਰੇ ਸਥਾਨਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਅਵਿਸ਼ਵਾਸ਼ਯੋਗ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਰਿਹਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇਹ ਤੁਹਾਨੂੰ ਦੋ ਪੋਸਟਲ ਕੋਡਾਂ ਵਿਚਕਾਰ ਦੂਰੀ ਲੱਭਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਦੇਸ਼ ਅਤੇ ਡਾਕ ਕੋਡ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈ ਕੇ ਭੂਗੋਲਿਕ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
!pip install pgeocode
ਖਾਸ ਪੋਸਟਕੋਡਾਂ ਲਈ ਭੂਗੋਲਿਕ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ
# ਦੇਸ਼ "ਭਾਰਤ" nomi = pgeocode.Nominatim('In') ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ # postcodes nomi.query_postal_code(["620018", "620017", "620012"]) ਪਾਸ ਕਰਕੇ ਭੂ-ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ
"pgeocode" ਦੇਸ਼ ਅਤੇ ਪੋਸਟਕੋਡਾਂ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈ ਕੇ ਦੋ ਪੋਸਟਕੋਡਾਂ ਵਿਚਕਾਰ ਦੂਰੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਨਤੀਜਾ ਕਿਲੋਮੀਟਰ ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ।
# ਦੋ ਪੋਸਟਕੋਡਾਂ ਦੀ ਦੂਰੀ = pgeocode.GeoDistance('In') ਦੂਰੀ ਲੱਭਣਾ.query_postal_code("620018", "620012")
rembg ਇੱਕ ਹੋਰ ਉਪਯੋਗੀ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਆਸਾਨੀ ਨਾਲ ਚਿੱਤਰਾਂ ਤੋਂ ਬੈਕਗ੍ਰਾਉਂਡ ਨੂੰ ਹਟਾ ਦਿੰਦੀ ਹੈ।
!pip install rembg
# ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਆਯਾਤ ਕਰਨਾ
from rembg import remove import cv2 # path of input image (my file: image.jpeg) input_path = 'image.jpeg' # ਆਊਟਪੁੱਟ ਚਿੱਤਰ ਨੂੰ ਸੇਵ ਕਰਨ ਅਤੇ output.jpeg output_path = 'output.jpeg' ਦੇ ਤੌਰ 'ਤੇ ਸੇਵ ਕਰਨ ਲਈ ਪਾਥ = 'output.jpeg' # ਇਨਪੁਟ ਨੂੰ ਪੜ੍ਹਨਾ ਚਿੱਤਰ ਇਨਪੁਟ = cv2.imread(input_path) # ਬੈਕਗ੍ਰਾਉਂਡ ਆਉਟਪੁੱਟ ਨੂੰ ਹਟਾਉਣਾ = ਹਟਾਓ(ਇਨਪੁਟ) # ਫਾਈਲ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨਾ cv2.imwrite(output_path, output)
ਤੁਸੀਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਲਾਇਬ੍ਰੇਰੀਆਂ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਜਾਣੂ ਹੋ ਸਕਦੇ ਹੋ, ਪਰ ਮੇਰੇ ਲਈ, Sketch, Pendulum, pgeocode, ਅਤੇ ftfy ਮੇਰੇ ਡੇਟਾ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਕੰਮ ਲਈ ਲਾਜ਼ਮੀ ਹਨ। ਮੈਂ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਉਨ੍ਹਾਂ 'ਤੇ ਬਹੁਤ ਭਰੋਸਾ ਕਰਦਾ ਹਾਂ।
ਹਿਊਮਨਾਈਜ਼" ਨੰਬਰਾਂ, ਤਾਰੀਖਾਂ ਅਤੇ ਸਮਿਆਂ ਲਈ ਸਧਾਰਨ, ਪੜ੍ਹਨ ਵਿੱਚ ਆਸਾਨ ਸਟ੍ਰਿੰਗ ਫਾਰਮੈਟਿੰਗ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਲਾਇਬ੍ਰੇਰੀ ਦਾ ਟੀਚਾ ਡੇਟਾ ਨੂੰ ਲੈਣਾ ਅਤੇ ਇਸਨੂੰ ਵਧੇਰੇ ਉਪਭੋਗਤਾ-ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ "2 ਮਿੰਟ ਪਹਿਲਾਂ" ਵਰਗੀ ਹੋਰ ਪੜ੍ਹਨਯੋਗ ਸਤਰ ਵਿੱਚ ਕਈ ਸਕਿੰਟਾਂ ਨੂੰ ਬਦਲ ਕੇ। ਲਾਇਬ੍ਰੇਰੀ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਡੇਟਾ ਨੂੰ ਫਾਰਮੈਟ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਕਾਮਿਆਂ ਨਾਲ ਨੰਬਰਾਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨਾ, ਟਾਈਮਸਟੈਂਪਾਂ ਨੂੰ ਸੰਬੰਧਿਤ ਸਮੇਂ ਵਿੱਚ ਬਦਲਣਾ, ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹੈ।
ਮੈਂ ਅਕਸਰ ਆਪਣੇ ਡੇਟਾ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਪੂਰਨ ਅੰਕ ਅਤੇ ਟਾਈਮਸਟੈਂਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ।
!pip install humanize
# ਲਾਇਬ੍ਰੇਰੀ ਆਯਾਤ ਕਰਨਾ ਆਯਾਤ ਹਿਊਮਨਾਈਜ਼ ਆਯਾਤ ਮਿਤੀ ਸਮਾਂ dt ਦੇ ਰੂਪ ਵਿੱਚ # ਕੌਮੇ ਨਾਲ ਨੰਬਰਾਂ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨਾ a = humanize.intcomma(951009) # ਸੰਖਿਆਵਾਂ ਨੂੰ ਸ਼ਬਦਾਂ ਵਿੱਚ ਬਦਲਣਾ b = humanize.intword(10046328394) #printing print(a) print(b)
dt a = humanize.naturaldate(dt.date(2012, 6, 5)) b = humanize.naturalday(dt.date(2012, 6, 5)) print(a) print(b)
Ercole Palmeri
ਪਿਛਲੇ ਸੋਮਵਾਰ, ਫਾਈਨੈਂਸ਼ੀਅਲ ਟਾਈਮਜ਼ ਨੇ ਓਪਨਏਆਈ ਨਾਲ ਇੱਕ ਸੌਦੇ ਦਾ ਐਲਾਨ ਕੀਤਾ। FT ਆਪਣੀ ਵਿਸ਼ਵ ਪੱਧਰੀ ਪੱਤਰਕਾਰੀ ਨੂੰ ਲਾਇਸੰਸ ਦਿੰਦਾ ਹੈ...
ਲੱਖਾਂ ਲੋਕ ਸਟ੍ਰੀਮਿੰਗ ਸੇਵਾਵਾਂ ਲਈ ਭੁਗਤਾਨ ਕਰਦੇ ਹਨ, ਮਹੀਨਾਵਾਰ ਗਾਹਕੀ ਫੀਸ ਅਦਾ ਕਰਦੇ ਹਨ। ਇਹ ਆਮ ਰਾਏ ਹੈ ਕਿ ਤੁਸੀਂ…
Veeam ਦੁਆਰਾ Coveware ਸਾਈਬਰ ਜ਼ਬਰਦਸਤੀ ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜਾਰੀ ਰੱਖੇਗਾ। ਕੋਵਵੇਅਰ ਫੋਰੈਂਸਿਕ ਅਤੇ ਉਪਚਾਰ ਸਮਰੱਥਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰੇਗਾ...
ਪੂਰਵ-ਅਨੁਮਾਨਤ ਰੱਖ-ਰਖਾਅ ਪਲਾਂਟ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਨਵੀਨਤਾਕਾਰੀ ਅਤੇ ਕਿਰਿਆਸ਼ੀਲ ਪਹੁੰਚ ਦੇ ਨਾਲ, ਤੇਲ ਅਤੇ ਗੈਸ ਸੈਕਟਰ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਰਹੀ ਹੈ।…