Python

さまざまな基準を使用して、PandasDataFrameのすべての列の値を比較できます。 df [col] <5、df [col] ==10のような比較操作を実行できます 、など。たとえば、基準 2を使用する場合 、次に、colからのすべての値をチェックし、それらが2より大きいかどうかを比較します。すべての列の値について、条件が成立する場合はTrueを返し、そうでない場合はFalseを返します。例を見て、それがどのように行われるかを見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 列名を

値の名前とカウントを抽出するために、最初に4列のDataFrameを作成しましょう- dataFrame = pd.DataFrame({ "Car": ['BMW', 'Mustang', 'Tesla', 'Mustang', 'Mercedes', 'Tesla', 'Audi'],"Cubic Capacity": [2000, 1800, 1500, 2500, 2200, 3000, 2000],"Reg Price&qu

Pandas DataFrameをスライスして、2つのインデックス値の間の行を選択できます。例を見て、それがどのように行われるかを見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 インデックスの下限の変数を初期化します。 インデックスの上限に対して別の変数を初期化します。 df [index_lower_limit：index_upper_limit]を使用します DataFrameを範囲インデックスに出力します。 例 import pandas as pd df = pd.Dat

Pandas DataFramesを複数のExcelシートに保存するには、 pd.ExcelWriter（）を使用できます。 方法。 openpyxlがあることを確認してください ExcelWriter（）を使用する前にインストールされたパッケージ。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 df1を作成します 。 入力DataFrame、 df1を出力します 。 別のDataFrame、 df2を作成します 、印刷します。 ExcelWriter（）を使用する 指定されたフォーマット済みセルをExcelシートに書き込む方法。 例 import pandas

3つ以上のPandasDataFrameを連結するには、concat（）メソッドを使用します。 軸を設定します axis =0としてのパラメータ 行に沿って連結します。まず、必要なライブラリをインポートします- import pandas as pd 1番目のstを作成しましょう DataFrame- dataFrame1 = pd.DataFrame(    {       "Col1": [10, 20, 30],"Col2": [40, 50, 60],"Col3": [70

Pandas DataFrameをJSONファイルに入れて再度読み取るには、 to_json（）を使用できます。 およびread_json（） メソッド。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 to_json（）を使用する DataFrameをJSONファイルにダンプするメソッド。 read_json（）を使用します JSONファイルを読み取るメソッド。 例 import pandas as pd df = pd.DataFrame(    {   &n

merge（）を使用して2つのDataFrame間で共通の行を見つけるには、パラメーター「 how 」を使用します 」を「内部」として 」はSQL内部結合のように機能し、これが私たちが達成したいことだからです。 2つの列を持つDataFrame1を作成しましょう- dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], &

Pandas DataFrameを辞書に変換するには、to_dict（）メソッドを使用できます。例を見て、その方法を見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 to_dict（）を使用してDataFrameを辞書に変換します メソッドとそれを印刷します。 例 import pandas as pd df = pd.DataFrame( { "x": [5, 2, 7, 0], "y": [4, 7, 5,

PandasのDataFrameの最初の3行を削除するには、 iloc（）を使用できます。 メソッド。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 df.iloc [3：]を使用して最初の3行を削除します 。 更新されたDataFrameを印刷します。 例 import pandas as pd df = pd.DataFrame(    {       "x": [5, 2, 7, 0, 7, 0, 5, 2], &nb

Pandas DataFrameの行のグループにアクセスするには、loc（）メソッドを使用できます。たとえば、 df.loc [2：5]を使用する場合 、次に2から5までのすべての行を選択します。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 df.loc [2：5]を使用します 2から5までの行を選択します。 データフレームを印刷します。 例 import pandas as pd df = pd.DataFrame( { "x": [5, 2, 7,

PandasでDataFrame列名の名前を変更するのは非常に簡単です。あなたがする必要があるのはrename（）を使うことだけです メソッドを実行し、変更する列名と新しい列名を渡します。例を見て、それがどのように行われるかを見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 rename（）を使用します 列名の名前を変更するメソッド。ここでは、列「x」の名前を新しい名前 new_xに変更します。 。 名前が変更された列を使用してDataFrameを印刷します。 例 import p

正規表現（regex）は、検索パターンを定義する一連の文字です。パンダの行を正規表現でフィルタリングするには、 str.match（）を使用できます。 メソッド。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 変数を初期化する正規表現 式のために。文字列値を正規表現として指定します。たとえば、文字列J。* 文字「J」で始まるすべてのエントリをフィルタリングします。 df.column_name.str.match（regex）を使用します 指定された正規表現で指定された列名のすべてのエントリをフィル

.corr（）を使用できます パンダの2つの列間の相関を取得するメソッド。例を見て、この方法を適用する方法を見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 2つの変数col1を初期化します およびcol2 、そしてそれらに相関関係を見つけたい列を割り当てます。 col1間の相関関係を見つけます df [col1] .corr（df [col2]）を使用してcol2を作成し、相関値を変数corrに保存します。 相関値corrを出力します。 例 import pandas as pd

列の最大値を見つけて、パンダで対応する行の値を返すには、 df.loc [df [col] .idxmax（）]を使用できます。 。それをよりよく理解するために例を見てみましょう。 ステップ 2次元で、サイズが変更可能で、潜在的に異種の表形式データdfを作成します。 入力DataFrame、dfを出力します。 変数colを初期化して、その列の最大値を見つけます。 df.loc [df [col] .idxmax（）] を使用して、最大値とそれに対応する行を見つけます ステップ4の出力を印刷します。 例 import pandas as pd df = pd.DataFrame( &

Pandasで数値列を検索するには、整数のリストを作成し、それを select_dtypes（）に含めます。 方法。例を見て、この方法を適用する方法を見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、 dfを作成します 。 入力DataFrame、 dfを印刷します 。 列を選択するには、データ型（数値など）のリストを作成します。 列dtypesに基づいてDataFrameの列のサブセットを返します 。 データ型がintの列を印刷します 。 例 import pandas as pd df = pd.DataFrame( dict( n

Pandas DataFrameのn番目の行を取得するには、 iloc（）を使用できます。 方法。例： df.iloc [4] 行番号は0から始まるため、5行目を返します。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データ、dfを作成します。 入力DataFrame、dfを印刷します。 変数nth_rowを初期化します。 iloc（）メソッドを使用してn番目の行を取得します。 返されたDataFrameを印刷します。 例 import pandas as pd df = pd.DataFrame( dict( name=['John'

あるデータフレームの行を別のデータフレームの行に追加するには、Pandasのappend（）関数を使用できます。 append（）を使用すると、列を追加することもできます。例を見て、この方法の使用方法を見てみましょう。 ステップ 2次元、サイズ変更可能、潜在的に異種の表形式データdf1を作成します。 入力DataFrame、df1を出力します。 同じ列名で別のDataFramedf2を作成し、印刷します。 appendメソッドdf1.append（df2、ignore_index =True）を使用して、df2の行にdf2を追加します。 結果のDataFrameを印刷します。 例 i

Pandasのshift（）メソッドを使用すると、DataFrame全体を書き直すことなくDataFrameの列をシフトできます。 shift（）は次のパラメータを取ります shift(self, periods=1, freq=None, axis=0, fill_value=None) 期間 シフトする期間の数。負の数を取ることもできます。 軸 ブール値を取ります。インデックスをシフトする場合は0、列をシフトする場合は1 fill_value 不足している値を置き換えます。 例を見て、この shift（）の使用方法を見てみましょう。 メソッド。 ステップ 2次元で、サイズ

2つのDataFrame間の珍しい行を見つけるには、concat（）メソッドを使用します。まず、必要なライブラリをエイリアス-でインポートしましょう。 import pandas as pd 2つの列を持つDataFrame1を作成します- dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Reg_Pri

対称鍵暗号化について理解しましょう。 対称鍵暗号化 暗号化の対称鍵暗号化アルゴリズムは、プレーンテキストの暗号化と暗号化テキストの復号化の両方に、2つのパーティ間で共有される単一の鍵または同じ暗号鍵（秘密鍵）を使用します。キーは同一である場合もあれば、2つのキー間を移動するための簡単な変更がある場合もあります。 Diffie–Hellman鍵交換またはその他の公開鍵プロトコルを使用して、各メッセージの新しい秘密鍵の共有と使用について安全に合意します。 非対称鍵暗号化 非対称鍵暗号化は、公開鍵と秘密鍵のペアを使用して、通信時にプレーンテキストと暗号文を対応して暗号化および復号化する暗号化技