Pythonの系列データ構造から下部の「n」要素にアクセスする方法を説明してください。
スライス演算子「:」を使用して、特定の範囲内の要素にアクセスする方法を理解しましょう。
例
import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = ['ab', 'mn' ,'gh','kl', 'wq', 'az'] my_series = pd.Series(my_data, index = my_index) print("The series contains following elements") print(my_series) n = 3 print("Bottom 3 elements are :") print(my_series[n:])
出力
The series contains following elements ab 34 mn 56 gh 78 kl 90 wq 123 az 45 dtype: int64 Bottom 3 elements are : kl 90 wq 123 az 45 dtype: int64
説明
-
必要なライブラリがインポートされ、使いやすいようにエイリアス名が付けられています。
-
データ値のリストが作成され、後で「パンダ」ライブラリにある「シリーズ」関数にパラメータとして渡されます
。 -
次に、カスタマイズされたインデックス値(後でパラメータとして渡される)がリストに保存されます。
-
Pythonのインデックス「:」演算子を使用して、シリーズから特定の範囲の値にアクセスできます。
-
「:」演算子は、下限値と上限値の間で使用できます:[下限:上限]。
-
これには、より低い範囲の値が含まれますが、より高い範囲の値は除外されます。
-
低い範囲に値が指定されていない場合は、0と見なされます。
-
より高い範囲に値が指定されていない場合は、len(データ構造)-1と見なされます。
-
ここでは、下限が3、上限がlen(データ構造)-1であることを示しています。
-
その後、コンソールに印刷されます。
-
countplotを使用してPythonSeabornLibraryのデータを視覚化するにはどうすればよいですか?
Seabornは、データの視覚化に役立つライブラリです。カスタマイズされたテーマと高レベルのインターフェースが付属しています。 以前のプロットでは、データセット全体をグラフにプロットしました。バープロットの助けを借りて、データの分布の中心傾向を理解することができます。 棒グラフ関数は、カテゴリ変数と連続変数の間の関係を確立します。データは長方形のバーの形式で表され、バーの長さはその特定のカテゴリのデータの割合を示します。 棒グラフの特殊なケースは、2番目の変数の統計値を計算する代わりに、データに関してすべてのカテゴリの観測数を表示するカウントプロットです。 「タイタニック」データセット
-
SciPyを使用してPythonで行列の行列式の値を計算するにはどうすればよいですか?
行列式の値は、行列または複数の次元を持つ配列で計算できます。 マリックス/アレイをよりよく理解する必要がある場合があります。これは、行列式操作が必要になる場所です。 SciPyは、「線形代数」の略である「linalg」クラスに存在する「det」という名前の関数を提供します。 「det」関数の構文 scipy.linalg.det(matrix) 「行列」は、行列式の値を見つけるために「det」関数に渡されるパラメーターです。 この関数は、行列/配列を引数として渡すことで呼び出すことができます。 上の図では、「a」、「b」、「c」、および「d」が行列の数値であると想定していま