上位2と下位2の値のId列とAge列の間の変化率を計算するPythonコードを記述します
データフレームがあり、Id列とAge列の上位2と下位2の値の間の変化率の結果があると仮定します
Id and Age-top 2 values Id Age 0 NaN NaN 1 1.0 0.0 Id and Age-bottom 2 values Id Age 3 0.000000 -0.071429 4 0.666667 0.000000
解決策
これを解決するには、以下の手順に従います-
-
データフレームを定義する
-
スライス[0:2]
内にdf[[‘Id’、’Age’]]。pct_change()を適用します
df[['Id','Age']].pct_change()[0:2]
-
スライス[-2:]
内にdf[[‘Id’、’Age’]]。pct_change()を適用します
df[['Id','Age']].pct_change()[0:2]
例
理解を深めるために、次のコードを確認してみましょう-
import pandas as pd df = pd.DataFrame({"Id":[1, 2, 3, None, 5], "Age":[12, 12, 14, 13, None], "Mark":[80, 90, None, 95, 85], }) print("Dataframe is:\n",df) print("Id and Age-top 2 values") print(df[['Id','Age']].pct_change()[0:2]) print("Id and Age-bottom 2 values") print(df[['Id','Age']].pct_change()[-2:])>
出力
Dataframe is: Id Age Mark 0 1.0 12.0 80.0 1 2.0 12.0 90.0 2 3.0 14.0 NaN 3 NaN 13.0 95.0 4 5.0 NaN 85.0 Id and Age-top 2 values Id Age 0 NaN NaN 1 1.0 0.0 Id and Age-bottom 2 values Id Age 3 0.000000 -0.071429 4 0.666667 0.000000
-
SciPyを使用して、Pythonで行列の固有値と固有ベクトルを計算するにはどうすればよいですか?
固有ベクトルと固有値は、多くの状況で使用されます。ドイツ語で「Eigen」という言葉は、「自分自身」または「典型的」を意味します。固有ベクトルは「特性ベクトル」とも呼ばれます。データセットに対して何らかの変換を実行する必要があるが、データセット内のデータの方向が変更されてはならないという条件が与えられたとします。これは、固有ベクトルと固有値を使用できる場合です。 正方行列(行数が列数に等しい行列)が与えられると、固有値と固有ベクトルは次の方程式を満たします。 固有ベクトルは、固有値を見つけた後に計算されます。 注 −固有値は3次元以上でもうまく機能します。 SciPyは、これらの
-
Pythonの「eとしての例外を除く」と「例外としてのeを除く」の違いは何ですか?
例外ステートメントで、、およびasを使用する場合の違いは、次のとおりです。 、、およびasはどちらも機能的には同じです。ただし、それらの使用は、次のようにPythonのバージョンによって異なります。 Python 2.5以前のバージョンでは、「as」はサポートされていないため、「comma」の使用をお勧めします。 Python 2.6以降のバージョンでは、「comma」と「as」の両方を使用できます。ただし、Python 3.xからは、変数に例外を割り当てるために「as」が必要です。 Python 2.6以降、「as」を使用すると、以下に示すように、単一の例外ブロックで複数の例外をキャ