Python

平均値には、mean（）関数を使用します。 NaNを使用して列の平均を計算し、fillna（）を使用してNaN値を平均で埋めます。 まず、必要なライブラリをインポートしましょう- import pandas as pd import numpy as np 2つの列といくつかのNaN値を持つDataFrameを作成します。 numpynp.NaN-を使用してこれらのNaN値を入力しました dataFrame = pd.DataFrame(    {       "Car": ['BMW', 'Le

辞書キーの累積平均を求める必要がある場合は、空の辞書を作成し、元の辞書を繰り返して項目にアクセスします。これがディクショナリに存在する場合、キーは空のディクショナリに追加されます。存在しない場合、キーの代わりに値が配置されます。 例 以下は同じもののデモンストレーションです from statistics import mean my_list = [{'hi' : 24, 'there' : 81, 'how' : 11}, {'hi' : 16, 'how' : 78, 'doing'

リスト内の特定の範囲を反転する必要がある場合は、それが繰り返され、「：」演算子とスライスが使用されて反転されます。 例 以下は同じもののデモンストレーションです my_list = ["Hi", "there", "how", 'are', 'you'] print("The list is : ") print(my_list) m, n = 2, 4 my_result = [] for elem in my_list: my_result.append(elem[

リストをすべての可能なタプルペアに分割する必要がある場合は、リストをパラメーターとして受け取り、リスト内包表記を使用してリストを反復処理し、「extend」メソッドを使用するメソッドを定義できます 例 以下は同じもののデモンストレーションです def determine_pairings(my_list): if len(my_list) <= 1: return [my_list] result = [[my_list[0]] + element for element in determine_pairings(my_list[1:])] for in

異なるデータ型のマトリックスから行を抽出する必要がある場合は、それが繰り返され、「set」を使用して個別の型を取得します。 例 以下は同じもののデモンストレーションです my_list = [[4, 2, 6], ["python", 2, {6: 2}], [3, 1, "fun"], [9, (4, 3)]] print("The list is :") print(my_list) my_result = [] for sub in my_list: type_size = len(list(set([type(el

文中の単語の可能なすべての順列を生成する必要がある場合、関数が定義されます。この関数は文字列を繰り返し処理し、条件に応じて出力が表示されます。 例 以下は同じもののデモンストレーションです from itertools import permutations def calculate_permutations(my_string):    my_list = list(my_string.split())    permutes = permutations(my_list)    for i in permutes: &

文中に存在する回文の単語をソートする必要がある場合、パラメータとして文字列を取り、最初にそれが回文であることを確認するメソッドが定義されます。次に、文字列のすべての単語を並べ替えて、出力として返します。 例 以下は同じもののデモンストレーションです def check_palindrome(my_string): if(my_string == my_string[::-1]): return True else: return False def print_sort_palindromes(my_sentence): my_list = []

index =Falseを使用します インデックスを無視します。まず、必要なライブラリをインポートしましょう- import pandas as pd データフレームを作成する- dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35]],index=['x', 'y', 'z'],columns=['a', 'b']) loc −を使用してラベルを渡して行を選択します dataFrame.loc['x'] インデックスなしでDataFra

タイムスタンプを比較するために、インデックス演算子、つまり角かっこを使用できます。まず、必要なライブラリをインポートします- import pandas as pd 3列のデータフレームを作成する- dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW"],       &

列値の最大値を取得するには、 maxを使用します （） 働き。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&q

タイムスタンプの違いを見つけるには、インデックス演算子、つまり角かっこを使用して違いを見つけることができます。タイムスタンプについては、abs（）も使用する必要があります。まず、必要なライブラリをインポートします- import pandas as pd 3列のDataFrameを作成します。タイムスタンプ付きの2つの日付列があります- dataFrame = pd.DataFrame( { "Car": ["Audi", "Lexus", "Tesla", "Mercedes&quo

データを昇順または降順で並べ替えるには、sort_values（）メソッドを使用します。昇順の場合は、sort_values（）メソッド-を使用します。 ascending=True 必要なライブラリをインポートする- import pandas as pd 3列のデータフレームを作成する- dataFrame = pd.DataFrame(    {       "Car": ['BMW', 'Lexus', 'BMW', 'Mustang', '

観測値をカウントするには、最初にgroupby（）を使用し、次に結果に対してcount（）を使用します。まず、必要なライブラリをインポートします- dataFrame = pd.DataFrame({'Product Name': ['Keyboard', 'Charger', 'SmartTV', 'Camera', 'Graphic Card', 'Earphone'],'Product Category': ['Computer', 'M

行インデックスを確認して表示するには、isinf（）とany（）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, 900, np.inf] } 上記のリストの辞書からDataFrameを作成する- dataFrame

isin（）メソッドを使用して、無限の値に対してTrueを表示します。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, 900, np.inf] } 上記のリストの辞書からDataFrameを作成する- dataFrame = pd

大文字のみをフェッチするために、正規表現を使用しています。 再 モジュールはここで使用され、インポートされます。すべてのライブラリをインポートしましょう- import re import pandas as pd データフレームを作成する- data = [['computer', 'mobile phone', 'ELECTRONICS', 'electronics'],['KEYBOARD', 'charger', 'SMARTTV', 'camera']]

すべてnull値の列を削除するには、 dropnaを使用します （）メソッドを使用し、「how」パラメータを「 all」に設定します ” − how='all' 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 DataFrameを作成します。 Numpy np.infを使用してNaN値を設定しました dataFrame = pd.DataFrame(    {       "Student":

列の順序を逆にするには、dataframe.columnsを使用し、-1-として設定します。 dataFrame[dataFrame.columns[::-1] 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": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"C

年目盛りが12か月ごとに表示されるように、matplotlibの日付操作を行うには、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。 d、y、s、years、months、monthsFmtを作成 およびyearsFmt Pandas、Numpy、matplotlibの日付を使用します。 DateFormatterで「％B」を使用して、完全な月の名前を表示します。 DateFormatterの「％Y」を使用して年を表示します。 新しいフィギュアを作成するか、既存のフィギュアをアクティブにします。 サブプロット配置の一部とし

matplotlibの棒グラフの棒の順序を決定するには、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データフレームdfを作成します。 現在の図にサブプロットを追加します。 データフレームdfを使用して棒グラフを作成します。 現在の図にサブプロットを追加します。 列マークで別のデータフレームdf_sortedを作成します。 df_sortedを使用して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 import pandas as p