Python

ディクショナリのリストからすべての一意のキーを取得する必要がある場合、ディクショナリの値が繰り返され、セットに変換されます。これはリストに変換され、コンソールに表示されます。 例 以下は同じもののデモンストレーションです my_list = [{'hi' : 11, 'there' : 28}, {'how' : 11, 'are' : 31}, {'you' : 28, 'Will':31}] print("The list is:") print(my_list) my_

はい、＆演算子を使用して、2つのDataFrame間の共通の列を見つけることができます。まず、2つのデータフレームを作成しましょう- # creating dataframe1 dataFrame1 = pd.DataFrame({"Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"Cubic_Capacity": [2000, 1800, 1500, 2500, 2200, 3

配列の要素をマージすることによって形成されるソートされた数値を出力する必要がある場合、最初に数値をソートし、その数値を整数に変換するメソッドを定義できます。別の方法では、このリストを文字列にマップし、再度並べ替えます。 例 以下は同じもののデモンストレーションです def get_sorted_nums(my_num): my_num = ''.join(sorted(my_num)) my_num = int(my_num) print(my_num) def merged_list(my_list): my_list = list(map(s

特定の文字列リストのサブ文字列であるすべての文字列を検索する必要がある場合は、「set」属性と「list」属性が使用されます。 例 以下は同じもののデモンストレーションです my_list_1 = ["Hi", "there", "how", "are", "you"] my_list_2 = ["Hi", "there", "how", "have", "you", 'been'

列の値に基づいて行をフィルタリングするには、query（）関数を使用できます。関数で、レコードをフィルタリングする条件を設定します。まず、必要なライブラリをインポートします- import pandas as pd 以下は、チームレコードのデータです- Team = [['India', 1, 100],['Australia', 2, 85],['England', 3, 75],['New Zealand', 4 , 65],['South Africa', 5, 50],['Bangladesh&#

特定の合計「s」を持つすべてのサブセットを取得する必要がある場合、リストを反復処理してリストのすべての組み合わせを取得するメソッドが定義され、合計と一致する場合はコンソールに出力されます。 例 以下は同じもののデモンストレーションです from itertools import combinations def sub_set_sum(size, my_array, sub_set_sum):    for i in range(size+1):       for my_sub_set in combinations(my_array,

リストのリストをセットのリストに変換する必要がある場合は、「map」、「set」、および「list」メソッドが使用されます。 例 以下は同じもののデモンストレーションです my_list = [[2, 2, 2, 2], [1, 2, 1], [1, 2, 3], [1,1], [0]] print("The list of lists is: ") print(my_list) my_result = list(map(set, my_list)) print("The resultant list is: ") print(my_result

ピボットテーブルを作成するには、 pandas.pivot_table（）を使用します スプレッドシートスタイルのピボットテーブルをDataFrameとして作成します。 まず、必要なライブラリをインポートします- import pandas as pd チームレコードを使用してデータフレームを作成する- dataFrame = pd.DataFrame({'Team ID': {0: 5, 1: 9, 2: 6, 3: 11, 4: 2, 5: 7 },'Team Name': {0: 'India', 1: 'Australia&#

Seabornペアプロットに注釈を付けるには、 fig.text（）を使用できます。 メソッド。 ステップ Seaborn、Pandas、Numpy、Pyplotのパッケージをインポートします。 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 2次元、サイズ変更可能、潜在的に異種の表形式データのPandasデータフレームを作成します。 sns.pairplot（）を使用して、データセットにペアワイズ関係をプロットします。 fig.text（）を使用して注釈付きテキストを追加します メソッド。 図を表示するには、 show（）を使用します メソッ

matplotlibを使用してY軸を指数関数的にスケーリングするには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 ステップの変数dtを初期化します。 numpyを使用してxおよびyデータポイントを作成します。 numpyを使用してxおよびyデータポイントをプロットします。 plt.yscale（symlog）を使用して、Y軸の指数スケールを設定します 。 図を表示するには、 show（）を使用します メソッド。 例 import numpy as np import matplotlib.pyplot as plt

matplotlibに縦線のある凡例を追加するには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 図とサブプロットのセットを作成します。 垂直線を赤い色でプロットします。 線には、すべての頂点を結ぶ実線と、各頂点のマーカーの両方を含めることができます。 縦線でプロットに凡例を配置します。 図を表示するには、 show（）を使用します メソッド。 例 import matplotlib.pyplot as plt from matplotlib import lines plt.rcParams["figure.f

有限要素法（FEM）は、さまざまな材料タイプのモデリング、複雑な形状のテスト、設計の小さな領域に作用する局所効果の視覚化など、さまざまなタスクで使用されます。基本的に、大きな空間領域を「有限要素」と呼ばれる単純な部分に分割します。次に、これらの有限要素をモデル化する単純な方程式が、ドメイン全体をモデル化するためのより大きな連立方程式に収集されます。 matplotlibを使用して2dFEMの結果をプロットするには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 numpyを使用して、ノード、要素、ノード値のデータポイントを作

pandas.DataFrame.corrを使用できます NULL値を除いて、列のペアワイズ相関を計算します。相関係数は、2つの変数間の線形関連の強さを示します。係数の範囲は-1から1です。 Pandasデータフレームの2つの数値列間の相関を取得するには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 2次元、サイズ変更可能、潜在的に異種の表形式データのPandasデータフレームを作成します。 2つの列の値を比較し、col1.corr（col2）を使用して相関係数を計算します。 コンソールに相関係数を印刷します。 図を表示

Pythonでヒストグラムプロットを保存するには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 データポイント「kを作成する ヒストグラム用。 hist（）を使用してヒストグラムをプロットします メソッド。 ヒストグラムを保存するには、 plt.savefig（image_name）を使用します 。 図を表示するには、 show（）を使用します メソッド。 例 import matplotlib.pyplot as plt # Set the figure size plt.rcParams["figure.

matplotlibを使用して.txtファイルからデータをプロットするには、次の手順を実行できます- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 bar_namesとbar_heightsの空のリストを初期化します。 サンプルの.txtファイルを読み取り「r」モードで開き、バーの名前と高さのリストに追加します。 棒グラフを作成します。 図を表示するには、 show（）を使用します メソッド。 例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"

matplotlibで直線ではなく、2点を結ぶ曲線を描くには、次の手順を実行します- 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 draw_curve（）を定義します 数式で曲線を描く方法。 point1とpoint2のデータポイントをプロットします。 draw_curve（）から返されたxおよびyデータポイントをプロットします メソッド。 図を表示するには、 show（）を使用します メソッド。 例 import matplotlib.pyplot as plt import numpy as np plt.rcParams["

列値の最小値を取得するには、min（）関数を使用します。まず、必要なパンダライブラリをインポートします- import pandas as pd 次に、2つの列を持つDataFrameを作成します- dataFrame1 = pd.DataFrame(    {       "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'],"Units"

複数の列を持つピボットテーブルを作成できます。ピボットテーブルを作成するには、 pandas.pivot_tableを使用します スプレッドシートスタイルのピボットテーブルをDataFrameとして作成します。 まず、必要なライブラリをインポートします- import pandas as pd チームレコードを使用してデータフレームを作成する- dataFrame = pd.DataFrame({'Team ID': {0: 5, 1: 9, 2: 6, 3: 11, 4: 2, 5: 7 },'Team Name': {0: 'India'

確認するには、isinf（）メソッドを使用します。無限の値の数を見つけるには、sum（）を使用します。まず、必要なライブラリをそれぞれのエイリアスとともにインポートしましょう- import pandas as pd import numpy as np リストの辞書を作成します。 Numpy np.infを使用して無限大の値を設定しました − d = { "Reg_Price": [7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000] } 上記のリストの辞書からデータフレームを作成する dataFrame = pd

定数値で新しい列を追加するには、角括弧、つまりインデックス演算子を使用して、その値を設定します。 まず、必要なライブラリをインポートします- import pandas as pd 4列のデータフレームを作成する- dataFrame = pd.DataFrame({"Car": ['Bentley', 'Lexus', 'BBMW', 'Mustang', 'Mercedes', 'Jaguar'],"Cubic_Capacity": [2000, 18