Python-3.4.3/C3/Statistics/Telugu - Revision history

Madhurig at 12:11, 18 October 2019

2019-10-18T12:11:15Z

Simhadriudaya: Created page with " {|border=1 | '''Time''' | '''Narration''' |- | 00:01 | ప్రియమైన స్నేహితులారా, Python లో Statis..."

2019-08-04T16:18:07Z

Created page with " {|border=1 | <center>'''Time'''</center> | <center>'''Narration'''</center> |- | 00:01 | ప్రియమైన స్నేహితులారా, Python లో Statis..."

New page

{|border=1
| <center>'''Time'''</center>
| <center>'''Narration'''</center>

|-
| 00:01
| ప్రియమైన స్నేహితులారా, Python లో Statistics గురించి వివరించే ఈ ట్యుటోరియల్ కు స్వాగతం
|-
| 00:07
| ఈ ట్యుటోరియల్ యొక్క చివరకు, మీరు -Python లో statistical ఆపరేషన్స్ ను చేయడం
|-
| 00:14
| సంఖ్యల యొక్క ఒక సమితి ని Sum (సంకలనం, కూడిక) చేయడం మరియు వాటి సగటు, మద్యస్థం మరియు ప్రామాణిక విచలనం లను కనుగొనడం లను చేయగలుగుతారు.
|-
| 00:22
| ఈ ట్యుటోరియల్ ను రికార్డ్ చేయడానికి, నేను Ubuntu Linux 16.04 ఆపరేటింగ్ సిస్టమ్
|-
| 00:29
| Python 3.4.3 IPython 5.1.0 లను ఉపయోగిస్తున్నాను.
|-
| 00:36
| ఈ ట్యుటోరియల్ ను సాధన చేయటానికి, మీకు ఫైల్స్ నుండి డేటాను లోడ్ చేయడం
|-
| 00:42
| లిస్ట్స్ ను ఉపయోగించడం మరియు Arrays యొక్క భాగాలను యాక్సెస్ చేయడం ఎలా చేయాలో తెలిసిఉండాలి.
|-
| 00:47
|ఒకవేళ లేకపోతే, ముందస్తు అవసరాలపై Python ట్యుటోరియల్స్ ను ఈ వెబ్సైట్ పై చూడండి.
|-
| 00:53
| ఈ ట్యుటోరియల్ కొరకు, మనం మునుపటి ట్యుటోరియల్‌లో ఉపయోగించిన డేటా ఫైల్ student_record.txt ను ఉపయోగిస్తాము.
|-
| 01:03
| మీరు ఈ ఫైల్‌ను ఈ ట్యుటోరియల్ యొక్క కోడ్ ఫైల్స్ లింక్‌లో కూడా కనుగొనవచ్చు.
|-
| 01:08
|దయచేసి దీన్ని హోమ్ డైరెక్టరీ లో డౌన్‌లోడ్ చేసి ఉపయోగించండి.
|-
| 01:12
| మనం ఈ array structured file పై గణిత మరియు తార్కిక ఆపరేషన్లను ఉపయోగిస్తాము.
దీని కొరకు, మనం Numpy ను ఇన్స్టాల్ చేయాలి.
|-
| 01:22
| NumPy, అంటే Numerical Python.
|-
| 01:26
|ఇది గణిత మరియు సంఖ్యా అభ్యాసం కొరకు pre-compiled functions లను కలిగిఉన్న ఒక లైబ్రరీ.
|-
| 01:33
|NumPy ను విడిగా ఇన్‌స్టాల్ చేయాలి.
|-
| 01:37
| ముందుగా మనం Ctrl + Alt + T కీలను ఒకేసారి కలిపి నొక్కడం ద్వారా terminal ను తెరుద్దాం.
|-
|01:45
| మనం సరికొత్త (లేటెస్ట్) pip ను ఇన్‌స్టాల్ చేద్దాం.
python libraries ను ఇన్స్టాల్ చేయడానికి pip కమాండ్ ఉపయోగించబడుతుంది.
|-
| 01:53
|sudo apt-get install python3 hyphen pip అని టైప్ చేసి Enter నొక్కండి.
|-
| 02:03
|మీకు ఇన్స్టలేషన్ కొరకు root యాక్సెస్ ఉండాలి ఎందుకంటే అది admin password ను అడుగుతుంది గనక.

|-
| 02:15
| తరువాత, మనం ట్యుటోరియల్ అంతటా numpy లైబ్రరీ ను ఉపయోగిస్తున్నందున మనం numpy లైబ్రరీ ను ఇన్స్టాల్ చేయాలి.
|-
| 02:24
|sudo pip3 install numpy is equal to is equal to 1.13.3 అని టైప్ చేసి Enter నొక్కండి.
|-
| 02:38
| ఇన్స్టాలేషన్ విజయవంతంగా పూర్తయింది. మనం ఎటువంటి ఎర్రర్ లేకుండా terminal prompt ను చూడవచ్చు.
|-
| 02:47
| తరువాత మనం loadtxt () ఫంక్షన్ గురించి నేర్చుకుంటాము.
|-
| 02:52
|డేటాను ఒక అర్రే గా పొందడానికి, మనం loadtxt() function ను ఉపయోగిస్తాము.
|-
| 02:58
|loadtxt() function కొరకు, మనం మొదట numpy library ను దిగుమతి చేసుకోవాలి.
|-
| 03:04
| terminal కు తిరిగి మారండి. ఇప్పుడు, ipython3 అని టైప్ చేసి, Enter నొక్కండి.
|-
| 03:12
| import numpy as np అని టైప్ చేసి Enter నొక్కండి.
అక్కడ np అనేది numpy కు మారుపేరు( అలియాస్) ఇంకా అది ఏ పేరైనా కావచ్చు.
|-
| 03:24
| Student_record.txt ఫైల్ నుండి డేటాను మనం ఒక అర్రే గా లోడ్ చేద్దాం.
|-
| 03:32
|L is equal to np dot loadtxt పరన్తసిస్ ల లోపల కోట్స్ లోపల student_record.txt కామా usecols is equal to పరన్తసిస్ ల లోపల 3 కామా4 కామా 5కామా 6కామా7 కామా delimiter is equal to కోట్స్ లోపల semicolon అని టైప్ చేసి Enter నొక్కండి.
|-
| 04:04
|L అని టైప్ చేసి Enter నొక్కండి.
|-
| 04:07
| మనం అవుట్పుట్ ను అర్రే రూపంలో పొందుతాము.
|-
| 04:11
| loadtxt, డేటాను ఒక ఎక్సటర్నల్ ఫైల్ నుండి లోడ్ చేస్తుంది.
|-
| 04:16
| Delimiter అనేది డేటా యొక్కfields ద్వారా వేరు చేయబడిన క్యారక్టర్ యొక్క రకాన్ని నిర్దేశిస్తుంది.
usecols అనేది ఉపయోగించాల్సిన columns ను నిర్దేశిస్తుంది.
|-
| 04:27
|loadtxt, delimiter మరియు usecols అనేవి keywords.
|-
| 04:33
| కనుక,student_record.txt నుండి columns 3,4,5,6,7 అనేవి ఇక్కడ లోడ్ అవుతాయి.
|-
| 04:42
| column numbers మధ్య కామా జోడించబడింది ఎందుకంటే usecols అనేది ఒక sequence కనుక.
|-
| 04:49
| మనం చూస్తున్నట్లుగా L అనేది ఒక array. shape ను ఉపయోగించి మనం ఈ array యొక్క ఆకారాన్ని పొందవచ్చు.
|-
| 04:58
| L dot shape అని టైప్ చేసి Enter నొక్కండి.
|-
| 05:04
| rows మరియు columns యొక్క సంఖ్యలను వరుసగా ఇచ్చే ఒక tuple ను మనం పొందుతాము.
|-
| 05:11
|ఈ ఉదాహరణలో, array L అనేది లక్ష ఎనభై ఐదు వేల ఆరు వందల అరవై ఏడు అడ్డువరుసలను మరియు 5 నిలువువరుసలను కలిగి ఉంది.
|-
| 05:22
| మనం student_record.txt ఫైల్‌కు తిరిగి వెళ్దాం.
|-
| 05:28
| వీటిపై మనం గణాంక కార్యకలాపాలను వర్తింపజేయడం ప్రారంభిద్దాం.
మొదటి విద్యార్థి కొరకు అన్ని సబ్జెక్టుల యొక్క మార్కుల మొత్తాన్ని మీరు ఎలా కనుగొంటారు?
|-
| 05:39
| terminal కు తిరిగి మారండి.
ఒక array లోని మొదటి రో ను యాక్సెస్ చేయడానికి, మనం L స్క్వేర్ బ్రాకెట్స్ లోపల 0 అని టైప్ చేసి Enter నొక్కుతాము.
|-
|05:54
| ఇప్పుడు దీనిని సంకలనం చేయడానికి, totalmarks is equal to sum పరన్తసిస్ ల లోపల L స్క్వేర్ బ్రాకెట్స్ లోపల 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 06:09
| totalmarks 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
మొదటి విద్యార్థి యొక్క అన్ని సబ్జెక్టుల మార్కుల మొత్తం మనం పొందాము.
|-
| 06:19
| ఇప్పుడు (mean) సగటును పొందడానికి మనం totalmarks ను array యొక్క పొడవుచేత భాగించవచ్చు.
|-
| 06:26
|totalmarks divided by len పరన్తసిస్ ల లోపల L స్క్వేర్ బ్రాకెట్స్ లోపల 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 06:40
| లేదంటే function mean ను ఉపయోగించండి. np dot mean పరన్తసిస్ ల లోపల L స్క్వేర్ బ్రాకెట్స్ లోపల 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 06:55
| కానీ మనం చాల పెద్ద data set ను కలిగిఉన్నాము.
మరియు ప్రతి విద్యార్థికి (mean) సగటును ఒక్కొక్కటిగా లెక్కించడం అనేది చాల సమయం తీసుకుంటుంది.
|-
| 07:04
|పనిని తగ్గించడానికి ఇక్కడ ఏదయినా మార్గం ఉందా?
దీని కొరకు, మనం (mean) సగటు యొక్క documentation ను చూడాలి.
|-
| 07:12
|np dot mean questionmark అని టైప్ చేసి ఎంటర్ నొక్కండి. మరింత సమాచారం కోసం టెక్స్ట్ ను చదవండి.
|-
| 07:23
| documentation ను నిష్క్రమించడానికి q ని టైప్ చేయండి.
|-
| 07:28
| పై ఉదాహరణలో, L అనేది matrix వంటి ఒక two dimensional array.
|-
| 07:35
| మనం array యొక్క ప్రతీ axis (అక్షం) అంతటా(mean) సగటును లెక్కించవచ్చు.
|-
| 07:41
| rows యొక్క axis(అక్షాలను) 0 చేత మరియు columns యొక్క axis(అక్షాలను) 1 చేత సూచిస్తారు.
|-
| 07:48
|మొత్తం columns అంతటా (mean) సగటును లెక్కించడానికి, మనం axis కొరకు అదనపు parameter 1 ను పంపాలి.
|-
| 07:57
| terminal కు తిరిగి మారండి.
|-
| 08:00
| మనం ప్రతి సబ్జెక్టుకు విద్యార్థులందరూ సాధించిన మార్కుల యొక్క (mean) సగటును లెక్కిద్దాం.
|-
| 08:07
|np dot mean పరన్తసిస్ ల లోపల L కామా 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 08:18
| తరువాత, మనం మొత్తం విద్యార్థులందరి కొరకు ఇంగ్లీష్ మార్కుల యొక్క (median) (మధ్యగతం) మధ్యస్థాన్ని లెక్కిస్తాము.
|-
| 08:25
| L స్క్వేర్ బ్రాకెట్స్ లోపల colon కామా 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 08:35
|గమనించండి, colon comma zero అనేది array లోని మొదటి column ను ప్రదర్శిస్తుంది, అంటే English Mark ని.
|-
| 08:45
| (median) (మధ్యగతం) మధ్యస్థాన్ని లెక్కించడానికి మనం function median ను ఉపయోగిస్తాము.
|-
| 08:51
|np dot median పరన్తసిస్ ల లోపల L స్క్వేర్ బ్రాకెట్స్ లోపల colon కామా 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 09:04
| అన్ని సబ్జెక్టుల కొరకు, ఇక్కడ చూపిన విధంగా మనం median function ను ఉపయోగించి మొత్తం rows అంతటా (median) (మధ్యగతం) మధ్యస్థాన్ని లెక్కించవచ్చు.
|-
| 09:13
|np dot median పరన్తసిస్ ల లోపల L కామా 0 అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 09:24
| అదేవిధంగా (standard deviation) ప్రామాణిక విచలనాన్ని లెక్కించడానికి, మనం function std ను ఉపయోగిస్తాము.
|-
| 09:31
|ఇంగ్లీష్ సబ్జెక్ట్ కొరకు (standard deviation) ప్రామాణిక విచలనాన్ని np dot std పరన్తసిస్ ల లోపల L స్క్వేర్ బ్రాకెట్స్ లోపల colon కామా 0 అని టైప్ చేసి Enter నొక్కడం ద్వారా కనుగొనవచ్చు.
|-
| 09:50
| మరియు అన్ని రోస్ కొరకు, మనం, np dot std పరన్తసిస్ ల లోపల L కామా 0 అని టైప్ చేసి Enter నొక్కుతాము.
|-
| 10:03
| ఇక్కడ వీడియోను పాజ్ చేయండి. క్రింది అభ్యాసాన్నిప్రయత్నించి వీడియోను పునఃప్రారంభించండి.
|-
| 10:09
| football.txt ఫైల్ ను చూడండి, అది ఈ ట్యుటోరియల్ యొక్క Code Files లింక్ లో అందుబాటులోఉంది.
|-
| 10:18
|ఫైల్‌ను డౌన్‌లోడ్ చేసి present working directory లో సేవ్ చేయండి.
|-
| 10:23
|ప్రస్తుతం present working directory అనేది Home directory.
|-
| 10:28
| football.txt లో, మొదటి కాలమ్ అనేది player name,
|-
| 10:34
| రెండవది హోమ్ వద్ద ఉన్న goals మరియు మూడవది goals away.
|-
| 10:42
| ప్రతి (ప్లేయర్)ఆటగాడి కొరకు మొత్తం గోల్స్ ను(లక్ష్యాలను)
హోమ్ యొక్క మరియు దూరమైన గోల్స్ యొక్క (Mean) సగటును
|-
| 10:50
| హోమ్ యొక్క మరియు దూరమైన గోల్స్ యొక్క (standard deviation) ప్రామాణిక విచలనాన్ని కనుగొనండి.
|-
| 10:55
| టర్మినల్ కు మారండి.
|-
| 10:58
|మొదటిదానికి పరిష్కారం, L is equal to np dot loadtxt పరన్తసిస్ ల లోపల కోట్స్ లోపల football.txt comma usecols is equal to పరన్తసిస్ ల లోపల 1 కామా 2 కామా డీలిమిటర్ is equal to కోట్స్ లోపల కామా అని టైప్ చేసి ఎంటర్ నొక్కండి.
|-
| 11:31
|np dot sum పరన్తసిస్ ల లోపల L కామా 1 మరియు ఎంటర్ నొక్కండి.
|-
| 11:39
| రెండవదాని కొరకు సమాధానం, np dot mean పరన్తసిస్ ల లోపల L కామా 0 మరియు ఎంటర్ నొక్కండి.
|-
| 11:50
| మూడవది np dot std పరన్తసిస్ ల లోపల L కామా 0 మరియు ఎంటర్ నొక్కండి.
|-
| 11:59
| ఇది మనల్ని ఈ ట్యుటోరియల్ యొక్క చివరకు తీసుకువస్తుంది.
ఈ ట్యుటోరియల్ లో మనం, Python లో sum(మొత్తం),mean(సగటు), median (మధ్యస్థం) మరియు standard deviation (ప్రామాణిక విచలనం) వంటి statistical operations(గణాంక కార్యకలాపాలు) ను చేయడం నేర్చుకున్నాం.
|-
| 12:18
| ఇక్కడ మీరు పరిష్కరించడానికి కొన్ని స్వీయ అంచనా ప్రశ్నలు ఉన్నాయి.
|-
| 12:23
| చూపిన విధంగా ఒక two dimensional list ను ఇచ్చినట్లయితే, మీరు ప్రతి రో యొక్క సగటు (mean ) ను ఎలా లెక్కిస్తారు?
|-
| 12:32
| రెండవది ఇచ్చిన లిస్ట్ యొక్క (median) మధ్యస్థాన్ని లెక్కించండి.
|-
| 12:37
| మూడవది ఇక్కడ 6 కాలమ్స్ తో ఒక ఫైల్ ఉంది. కానీ మనము 2,3,4,5 కాలమ్స్ నుండి మాత్రమే టెక్స్ట్ ను లోడ్ చేయాలనీ అనుకుంటున్నాము.
దానిని మనంఎలా పేర్కొనాలి?
|-
| 12:51
| మరియు సమాధానాలు,
ప్రతీ రో యొక్క సగటు (mean ) ను పొందడానికి, మనం function mean కు 1 ని రెండవ parameter గా పంపిస్తాము.
|-
| 13:02
| np.mean పరన్తసిస్ ల లోపల two_dimensional_list కామా 1
|-
| 13:11
| list యొక్క (median) మధ్యస్థాన్ని లెక్కించడానికి మనం function median ను ఉపయోగిస్తాం
np.median పరన్తసిస్ ల లోపల student_marks
|-
| 13:24
|మూడవది, ఒక ఫైల్ యొక్క నిర్దిష్ట కాలమ్స్ ను పేర్కొనడానికి, మనం usecols is equal to పరన్తసిస్ ల లోపల 2, 3, 4, 5 పారామీటర్ ను ఉపయోగిస్తాము.
|-
| 13:39
| దయచేసి మీ సమయంతో కూడిన సందేహాలను ఈ ఫోరమ్ లో పోస్ట్ చేయండి.
|-
| 13:43
| దయచేసి మీ సాధారణ ప్రశ్నలను ఈ Python ఫోరంపై పోస్ట్ చేయండి.
|-
| 13:48
| FOSSEE టీం TBC ప్రాజెక్ట్ ను సమన్వయం చేస్తుంది.
|-
| 13:53
| స్పోకన్ ట్యుటోరియల్ ప్రాజెక్ట్ NMEICT, MHRD, గవర్నమెంట్ అఫ్ ఇండియా చే నిధులు పొందుతుంది. మరిన్ని వివరాల కొరకు, ఈ వెబ్సైటు ను సందర్శించండి.
|-
| 14:05
| నేను ఉదయలక్ష్మి మీ వద్ద శలవు తీసుకుంటున్నాను. మాతో చేరినందుకు ధన్యవాదములు.
|}

@@ Line 6: / Line 6: @@
 |-
 | 00:01
-| ప్రియమైన స్నేహితులారా, Python లో  Statistics గురించి వివరించే ఈ ట్యుటోరియల్ కు స్వాగతం
+| ప్రియమైన స్నేహితులారా, Python లో  Statistics గురించి వివరించే ఈ ట్యుటోరియల్ కు స్వాగతం.
 |-
 | 00:07
@@ Line 12: / Line 12: @@
 |-
 | 00:14
-|  సంఖ్యల యొక్క ఒక సమితి ని Sum (సంకలనం, కూడిక) చేయడం మరియు వాటి సగటు, మద్యస్థం మరియు ప్రామాణిక విచలనం లను కనుగొనడం లను చేయగలుగుతారు.
+|  సంఖ్యల యొక్క ఒక సమితి ని సంకలనం(sum)చేయడం మరియు వాటి సగటు, మద్యస్థం మరియు ప్రామాణిక విచలనం లను కనుగొనడం లను చేయగలుగుతారు.
 |-
 | 00:22
@@ Line 24: / Line 24: @@
 |-
 | 00:42
-| లిస్ట్స్ ను ఉపయోగించడం మరియు Arrays యొక్క భాగాలను యాక్సెస్ చేయడం ఎలా చేయాలో తెలిసిఉండాలి.
+| లిస్ట్స్ ను ఉపయోగించడం మరియు Arrays యొక్క భాగాలను యాక్సెస్ చేయడం ఎలా చేయాలో తెలిసి ఉండాలి.
 |-
 | 00:47
@@ Line 39: / Line 39: @@
 |-
 | 01:12
-| మనం ఈ  array structured file పై గణిత మరియు తార్కిక ఆపరేషన్లను ఉపయోగిస్తాము.
+| మనం ఈ array structured file పై గణిత మరియు తార్కిక ఆపరేషన్లను ఉపయోగిస్తాము.
 దీని కొరకు, మనం Numpy ను ఇన్స్టాల్ చేయాలి.
 |-
@@ Line 78: / Line 78: @@
 |-
 | 02:52
-|డేటాను  ఒక అర్రే గా పొందడానికి, మనం loadtxt() function ను ఉపయోగిస్తాము.
+|డేటాను ఒక అర్రే గా పొందడానికి, మనం loadtxt() function ను ఉపయోగిస్తాము.
 |-
 | 02:58
@@ Line 84: / Line 84: @@
 |-
 | 03:04
-| terminal కు తిరిగి మారండి. ఇప్పుడు, ipython3 అని టైప్ చేసి, Enter నొక్కండి.
+| Terminal కు తిరిగి మారండి. ఇప్పుడు, ipython3 అని టైప్ చేసి, Enter నొక్కండి.
 |-
 | 03:12
@@ Line 94: / Line 94: @@
 |-
 | 03:32
-|L  is equal to np dot loadtxt పరన్తసిస్ ల లోపల కోట్స్ లోపల student_record.txt కామా usecols is equal to పరన్తసిస్ ల లోపల 3 కామా4 కామా 5కామా 6కామా7 కామా delimiter is equal to కోట్స్ లోపల semicolon అని టైప్ చేసి Enter నొక్కండి.
+|L is equal to np dot loadtxt పరన్తసిస్ ల లోపల కోట్స్ లోపల student_record.txt కామా usecols is equal to పరన్తసిస్ ల లోపల 3 కామా4 కామా 5 కామా 6 కామా 7 కామా delimiter is equal to కోట్స్ లోపల semicolon అని టైప్ చేసి Enter నొక్కండి.
 |-
 | 04:04
-|L  అని టైప్ చేసి Enter నొక్కండి.
+|L అని టైప్ చేసి Enter నొక్కండి.
 |-
 | 04:07
@@ Line 125: / Line 125: @@
 |-
 | 05:04
-| rows మరియు columns యొక్క సంఖ్యలను  వరుసగా ఇచ్చే ఒక tuple ను మనం పొందుతాము.
+| rows మరియు columns యొక్క సంఖ్యలను వరుసగా ఇచ్చే ఒక tuple ను మనం పొందుతాము.
 |-
 | 05:11
@@ Line 181: / Line 181: @@
 |-
 | 07:48
-|మొత్తం columns అంతటా (mean) సగటును  లెక్కించడానికి, మనం axis కొరకు అదనపు  parameter 1 ను పంపాలి.
+|మొత్తం columns అంతటా (mean) సగటును లెక్కించడానికి, మనం axis కొరకు అదనపు  parameter 1 ను పంపాలి.
 |-
 | 07:57
@@ Line 193: / Line 193: @@
 |-
 | 08:18
-| తరువాత, మనం మొత్తం విద్యార్థులందరి కొరకు  ఇంగ్లీష్ మార్కుల యొక్క (median) (మధ్యగతం) మధ్యస్థాన్ని లెక్కిస్తాము.
+| తరువాత, మనం మొత్తం విద్యార్థులందరి కొరకు ఇంగ్లీష్ మార్కుల యొక్క (median) (మధ్యగతం) మధ్యస్థాన్ని లెక్కిస్తాము.
 |-
 | 08:25
@@ Line 226: / Line 226: @@
 |-
 | 10:09
-| football.txt ఫైల్ ను చూడండి, అది ఈ ట్యుటోరియల్ యొక్క Code Files లింక్ లో అందుబాటులోఉంది.
+| football.txt ఫైల్ ను చూడండి, అది ఈ ట్యుటోరియల్ యొక్క Code Files లింక్ లో అందుబాటులో ఉంది.
 |-
 | 10:18
@@ Line 238: / Line 238: @@
 |-
 | 10:34
-| రెండవది  హోమ్ వద్ద ఉన్న goals  మరియు మూడవది goals away.
+| రెండవది  హోమ్ వద్ద ఉన్న goals మరియు మూడవది goals away.
 |-
 | 10:42
@@ Line 264: / Line 264: @@
 | 11:59
 | ఇది మనల్ని ఈ ట్యుటోరియల్ యొక్క చివరకు తీసుకువస్తుంది.
-ఈ ట్యుటోరియల్ లో మనం, Python లో sum(మొత్తం),mean(సగటు), median (మధ్యస్థం) మరియు standard deviation (ప్రామాణిక విచలనం) వంటి  statistical operations(గణాంక కార్యకలాపాలు) ను చేయడం నేర్చుకున్నాం.
+ఈ ట్యుటోరియల్ లో మనం, Python లో sum(మొత్తం), mean(సగటు), median (మధ్యస్థం) మరియు standard deviation (ప్రామాణిక విచలనం) వంటి  statistical operations(గణాంక కార్యకలాపాలు) ను చేయడం నేర్చుకున్నాం.
 |-
 | 12:18
-| ఇక్కడ మీరు పరిష్కరించడానికి కొన్ని స్వీయ  అంచనా ప్రశ్నలు ఉన్నాయి.
+| ఇక్కడ మీరు పరిష్కరించడానికి కొన్ని స్వీయ అంచనా ప్రశ్నలు ఉన్నాయి.
 |-
 | 12:23
-| చూపిన విధంగా ఒక two dimensional list ను ఇచ్చినట్లయితే, మీరు ప్రతి రో యొక్క సగటు (mean )  ను ఎలా లెక్కిస్తారు?
+| చూపిన విధంగా ఒక two dimensional list ను ఇచ్చినట్లయితే, మీరు ప్రతి రో యొక్క సగటు (mean)  ను ఎలా లెక్కిస్తారు?
 |-
 | 12:32
@@ Line 281: / Line 281: @@
 | 12:51
 | మరియు సమాధానాలు,
-ప్రతీ రో యొక్క సగటు (mean )  ను పొందడానికి, మనం function mean కు 1 ని రెండవ parameter గా పంపిస్తాము.
+ప్రతీ రో యొక్క సగటు (mean)  ను పొందడానికి, మనం function mean కు 1 ని రెండవ parameter గా పంపిస్తాము.
 |-
 | 13:02
@@ Line 287: / Line 287: @@
 |-
 | 13:11
-| list యొక్క (median) మధ్యస్థాన్ని లెక్కించడానికి మనం function median ను ఉపయోగిస్తాం
+| list యొక్క (median) మధ్యస్థాన్ని లెక్కించడానికి మనం function median ను ఉపయోగిస్తాం.
 np.median పరన్తసిస్ ల లోపల student_marks
 |-