Python

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。 ポイントプロットはバープロットに似ていますが、フィルバーを表す代わりに、データポイントの推定値は、他の軸上の特定の高さのポイントで表されます。 カテゴリデータは、ポイントプロットまたはfactorplotと呼ばれる高レベルの関数を使用して、カテゴリ散布図または2つの別々のプロットを使用して視覚化できます。 factorplot関数は、パラメーター「kind」を使用して、FacetGridにカテゴリプロットを描画します。 ここでの「k

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。 ポイントプロットはバープロットに似ていますが、フィルバーを表す代わりに、データポイントの推定値は、他の軸上の特定の高さのポイントで表されます。 カテゴリデータは、ポイントプロットまたはファクタプロットと呼ばれる高レベルの関数を使用して、カテゴリ散布図または2つの別々のプロットを使用して視覚化できます。 factorplot関数は、パラメーター「kind」を使用して、FacetGridにカテゴリプロットを描画します。 ここでの「kind

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。 回帰モデルが構築されているとき、多重共線性がチェックされます。これは、連続変数のすべての異なる組み合わせの間に存在する相関関係を理解する必要があるためです。変数間に多重共線性が存在する場合は、それがデータから削除されていることを確認する必要があります。ここで、「regpot」と「implot」の機能が機能します。これらは、線形回帰における変数間の線形関係を視覚化するのに役立ちます。 「regplot」関数は、さまざまな形式の変数「x」と「y」の値を受け入れます。こ

回帰モデルが構築されているとき、多重共線性がチェックされます。これは、連続変数のすべての異なる組み合わせの間に存在する相関関係を理解する必要があるためです。変数間に多重共線性が存在する場合は、それがデータから削除されていることを確認する必要があります。 ここで、「regpot」と「implot」の機能が機能します。これらは、線形回帰における変数間の線形関係を視覚化するのに役立ちます。 「regplot」関数は、さまざまな形式の変数「x」と「y」の値を受け入れます。これには、numpy配列、pandasシリーズオブジェクト、変数への参照、またはpandasデータフレームからの値が含まれます。

SciPyを使用して、2つの値に関する順列と組み合わせを決定できます。 「SciPy」の「special」クラスに存在する「perm」という名前の関数が使用されます。 「パーマ」関数の構文 scipy.special.perm(N, k) 一連の値に対して順列を実行する方法を以下に示します 例 from scipy.special import perm my_permute = perm(6, 2, exact = True) print("The permutation of 6 and 2 is ") print(my_permute) 出力 The

回帰モデルが構築されているとき、多重共線性がチェックされます。これは、連続変数のすべての異なる組み合わせの間に存在する相関関係を理解する必要があるためです。変数間に多重共線性が存在する場合は、それがデータから削除されていることを確認する必要があります。 実世界のデータは通常、非線形です。このような非線形データをモデルに適合させるメカニズムを見つける必要があります。このデータを視覚化するために、Anscombeのデータセットを使用します。 「implot」関数は非線形データで使用されます- 例 import pandas as pd import seaborn as sb from mat

データの前処理とは、データのクリーニング、無効なデータの削除、ノイズ、データを関連する値に置き換えることなどを指します。これは必ずしもテキストデータを意味するわけではありません。画像やビデオ処理の場合もあります。 データの前処理とは、基本的に、すべてのデータ（さまざまなリソースまたは単一のリソースから収集される）を共通の形式または統一されたデータセット（データの種類に応じて）に収集するタスクを指します。実際のデータは決して理想的ではないため、データにセルの欠落、エラー、外れ値、列の不一致などが含まれる可能性があります。 場合によっては、画像が正しく配置されていないか、鮮明でないか、サイズが

ヒステリシスとは、結果の遅延効果を指します。しきい値に関して、ヒステリシスとは、特定の低いしきい値または高いしきい値を超える領域を指します。エリアを指します 本質的に非常に自信があります。 ヒステリシスの助けを借りて、画像内のオブジェクトのエッジの外側のノイズを無視できます。 scikit-learnライブラリを使用してヒステリシスしきい値を達成する方法を見てみましょう： 例 import matplotlib.pyplot as plt from skimage import data, filters fig, ax = plt.subplots(nrows=2, ncols=2) o

「R」、「G」、「B」の値が変更され、元の画像に適用されて、必要な色合いが得られます。 以下は、scikit-learnを使用して同じものを実装するPythonプログラムです。 Scikit-learnは、一般にsklearnとして知られ、機械学習アルゴリズムを実装する目的で使用されるPythonのライブラリです- 例 import matplotlib.pyplot as plt from skimage import data from skimage import color path = "path to puppy_1.jpg" orig_img = io.im

NumPyは、「数値」「Python」を指します。これは、多次元配列オブジェクトと、配列の処理に役立つ複数のメソッドを含むライブラリです。 NumPyは、アレイに対してさまざまな操作を実行するために使用できます。 SciPy、Matplotlibなどのパッケージと組み合わせて使用​​されます。 NumPy + Matplotlibは、MatLabの代替として理解できます。これはオープンソースパッケージであり、誰でも使用できることを意味します。標準のPythonディストリビューションには、デフォルトでNumPyパッケージが含まれていません。パッケージは、インストーラー「pip」を使用して個別に

個別の値のリストがあり、各番号を降順ではなく削除したいとします。削除順に番号のインデックスを見つける必要があります。 したがって、入力がnums =[4、6、2、5、3、1]の場合、1を削除すると、出力は[5、2、3、0、1、0]になり、配列は[ 4、6、2、5、3]、次に2を削除、配列は[4、6、5、3]、次に3を削除すると[4、6、5]、4を削除すると[6、5]になります。 、5を削除し、[6]、最後に6を削除します。 これを解決するには、次の手順に従います- 関数my_sort（）を定義します。これにはindsが必要です indsのサイズが<=1の場合、 戻り値 sorted

無向グラフがあり、その中に奇数の長さのサイクルが見つかるかどうかを確認する必要があるとします。 したがって、入力がadj_list =[[1、2]、[0、3、4]、[0、3、4]、[1、2、4]、[1、2、3]] [0、1、3、4、2]、[1、3、4]、[2、3、4]のような奇数の長さのサイクルがあるため、出力はTrueになります。 これを解決するには、次の手順に従います- 関数dfs（）を定義します。これはノードを取ります、私 ノードがパス内にある場合、 （i --path [node]）が奇数の場合はtrueを返します ノードにアクセスした場合、 Falseを返す

辞書と呼ばれる単語のリストがあり、別の2つの文字列の開始と終了があるとします。一度に1文字ずつ変更して、最初から最後まで到達したいと考えています。結果として得られる各単語も辞書に含まれている必要があります。単語では大文字と小文字が区別されます。したがって、最後に到達するために必要な最小ステップ数を見つける必要があります。それが不可能な場合は、-1を返します。 したがって、入力がdictionary =[may、 ray、 rat] start =rat end =mayの場合、次のパスを選択できるため、出力は3になります。[rat 、光線 、かもしれない]。 これを解決するには、次の手順に

エッジの数とリストがあるとします。 0からNのラベルが付いたこれらのn個の異なるノード。これらのノードはネットワークを形成しています。各エッジは無向グラフの形式（a、b、t）であり、これは、メッセージをaからbまたはbからaに送信しようとすると、t時間かかることを表しています。ノードがメッセージを受信すると、すぐにそのメッセージを隣接ノードにフラッディングします。すべてのノードが接続されている場合、すべてのノードがノード0から始まるメッセージを受信するのにかかる時間を見つける必要があります。 3からメッセージを受信します。これには3+4 + 2=9の時間がかかります。 これを解決するには、次

単語のリストと別の値kがあるとします。正確にk個の異なる単語が存在するように、指定された単語のサブリストの数を見つける必要があります。 したがって、入力がwords =[Kolkata、 Delhi、 Delhi、 Kolkata] k =2の場合、次のサブリストには2つの固有の単語があるため、出力は5になります。[Kolkata 、Delhi]、[Delhi、 Kolkata]、[Kolkata、 Delhi、 Delhi]、[Delhi、 Delhi、 Kolkata]、[Kolkata、 デリー、デリー 、コルカタ ]ですが、[デリー 、デリー ]は一意の単語が1つしかないため、そうで

numsと呼ばれる一意の番号のリストがあるとすると、（i、j）のようなサブセット内の要素のすべてのペアがi％j =0またはj％i =0のいずれかを満たすように、最大​​のサブセットを見つける必要があります。このサブセットのサイズを見つける必要があります。 したがって、入力がnums =[3、6、12、24、26、39]の場合、有効な最大のサブセットは[3、6、12、24]であるため、出力は4になります。 これを解決するには、次の手順に従います- dp：=サイズ番号のリストと1で埋める リスト番号を並べ替える n：=numsのサイズ n <=1の場合、 return n a

n、a、b、cの4つの数があるとします。 a、b、またはcで割り切れる数列のソートされたシーケンスのn番目（インデックス付き0）の項を見つける必要があります。 したがって、入力がn =8 a =3 b =7 c =9の場合、シーケンスの最初の9項は[1、3、6、7、9、12、14であるため、出力は18になります。 、15、18]。 これを解決するには、次の手順に従います- a、b、cの最小値が1と同じ場合、 return n ab：=lcm（a、b）、bc：=lcm（b、c）、ca：=lcm（a、c） abc：=lcm（ab、c） 左：=1、右：=10 ^ 9 左<=右、

数nがあるとすると、（3 x n）ブロックを1x2ドミノで埋めることができる方法の数を見つける必要があります。必要に応じてドミノを回転させることができます。答えが非常に大きい場合は、このmod 10 ^ 9+7を返します。 したがって、入力がn =4の場合、出力は11になります。 これを解決するには、次の手順に従います- m =10 ^ 9 + 7 nが奇数の場合、 0を返す cs：=1、os：=0 2からnの範囲のiの場合、2ずつ増やします。 cs：=3 * cs + os os：=2 * cs + os return cs mod m 例（Pytho

0が水を表し、1が土地を表すバイナリ行列があるとします。ここで、マンハッタンの水からの距離が最も長い土地を見つけて、最終的にその距離を返す必要があります。 したがって、入力が次のような場合 1 1 1 1 1 1 0 1 1 1 1 1 0 0 1 1 [0,0]セルのマンハッタン距離は水から3であるため、出力は3になります。 これを解決するには、次の手順に従います- Aが空の場合、 0を返す R：=行列の行数、C：=行列の列数 距離：=次数R x Cの行列で、0で埋めます q：=いくつか

色のリスト（R、G、B）があるとします。これで、2つの異なる色が隣り合っている場合、それらは3番目の色の単一の色のアイテムに変換できます。そのような変換の可能なシーケンスの後に残っているそれらの最小数を見つける必要があります。 したがって、入力がcolors =[G、 R、 G、 B、 R]の場合、以下のように変換できるため、出力は1になります- これを解決するには、次の手順に従います- n：=色のサイズ 色に異なる色が1つしかない場合は、 return n n <=1の場合、 return n x：=0 d：=キーと値のペアを持つマップ{（ R、1）、（