Python

DataFrameの統計の要約を見つけるには、describe（）メソッドを使用します。最初に、エイリアスを使用して次のpandasライブラリをインポートしました import pandas as pd 以下はCSVファイルで、PandasDataFrameを作成しています- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") ここで、PandasDataFrameの統計の要約を取得します- dataFrame.describe() 例 以下は完全なコードです import pand

欠落している値、つまりNaN値を削除するには、 dropna（）を使用します 方法。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 CSVを読み取り、DataFrameを作成します- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") dropna（）を使用して、欠落している値を削除します。 dropna（）が使用された後、欠落している値に対してNaNが表示されます- dataFrame.dropna() 例 以下は完全なコードです impo

DataFrameの列の名前を変更するには、 rename（）を使用します 方法。名前を変更する列名を、rename（）メソッドの「columns」パラメーターで設定します。たとえば、「車」を変更します 」列から「車名」 ” − dataFrame.rename(columns={'Car': 'Car Name'}, inplace=False) まず、CSVを読み取り、DataFrameを作成します- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv&quo

新しい列を作成するには、作成済みの列を使用します。まず、DataFrameを作成してCSVを読みましょう- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv") 次に、作成済みの列「Reg_Price」から新しい列「New_Reg_Price」を作成し、各値に100を追加して、新しい列を形成します- dataFrame['New_Reg_Price'] = (dataFrame['Reg_Price'] + 100) 例 以下はコードです- impor

条件を設定し、DataFrame行をフェッチできます。これらの条件は、論理演算子、さらには関係演算子を使用して設定できます。 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 DataFrameを作成し、CSVファイルを読み取りましょう- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv") 登録価格が1000未満のデータフレーム行をフェッチしています。これには関係演算子を使用しています- dataFrame[dataFrame.Reg_P

Seabornの棒グラフは、点推定と信頼区間を長方形の棒として表示するために使用されます。 seaborn.barplot（）が使用されます。 facecolorを使用してバーのスタイルを設定します 、線幅 およびエッジカラー パラメータ。 以下がCSVファイルの形式のデータセットであるとしましょう-Cricketers2.csv まず、必要なライブラリをインポートします- import seaborn as sb import pandas as pd import matplotlib.pyplot as plt CSVファイルからPandasDataFrameにデータをロードする

SeabornのLineplotは、いくつかのセマンティックグループ化の可能性がある折れ線グラフを描画するために使用されます。これにはseaborn.lineplot（）が使用されます。データセット全体でラインプロットをプロットするには、lineplot（）を使用して、x値とy値を指定せずに完全なデータセットを設定します。 以下がCSVファイル形式のデータセットであるとしましょう-Cricketers2.csv まず、必要なライブラリをインポートします- import seaborn as sb import pandas as pd import matplotlib.pyplot as

すべての列を含むグループ化された水平棒グラフの場合、barh（）を使用して棒グラフを作成し、a値とy値を設定しないでください。 まず、必要なライブラリをインポートします- import pandas as pd import matplotlib.pyplot as plt 3列のデータフレームを作成する- dataFrame = pd.DataFrame({"Car": ['Bentley', 'Lexus', 'BMW', 'Mustang', 'Mercedes', 'Jagu

「方法」を使用します ” fillnaのパラメータ （） 方法。後方塗りつぶしには、値「bfill」を使用します 以下に示すように- fillna(method='bfill') 以下が、いくつかのNaN値を使用してMicrosoftExcelで開いたCSVファイルであるとしましょう- まず、必要なライブラリをインポートします- import pandas as pd CSVファイルからPandasDataFrameにデータをロードする- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesD

Interpolate（）メソッドを使用して、NaN値を入力します。以下が、いくつかのNaN値を使用してMicrosoftExcelで開いたCSVファイルであるとしましょう- CSVファイルからPandasDataFrameにデータをロードする- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesData.csv") NaN値をinterpolate（）-で埋めます dataFrame.interpolate() 例 以下はコードです- import pandas as pd # Load dat

箱ひげ図の上に群れプロットをプロットするには、最初にboxplot（）を設定し、次に同じx値とy値でswarmplot（）を設定します。 Seabornの箱ひげ図は、カテゴリに関する分布を示す箱ひげ図を描画するために使用されます。これにはseaborn.boxplot（）が使用されます。 SeabornのSwarmPlotは、重複しないポイントを持つカテゴリ散布図を描画するために使用されます。これにはseaborn.swarmplot（）が使用されます。 以下がCSVファイル形式のデータセットであるとしましょう-Cricketers.csv まず、必要なライブラリをインポートします- i

Pandas DataFrameから初期スペースをスキップするには、 skipinitialspaceを使用します read_csvのパラメータ （） 方法。パラメータをTrueに設定します 余分なスペースを削除します。 以下が私たちのcsvファイルだとしましょう- 次の出力が得られるはずです。つまり、最初の空白をスキップして、CSVからDataFrameを表示します- 例 以下は完全なコードです- import pandas as pd # reading csv file dataFrame = pd.read_csv("C:\\Users\\amit_\\

Pandas DataFrameのnull行を削除するには、dropna（）メソッドを使用します。以下が、いくつかのNaN、つまりnull値を含むCSVファイルであるとしましょう- read_csv（）を使用してCSVファイルを読み取ってみましょう。 CSVはデスクトップにあります- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") dropna（）-を使用してnull値を削除します dataFrame = dataFrame.dropna() 例 以下は完全なコードです-

notnull（）メソッドはブール値を返します。つまり、DataFrameにnull値がある場合は、Falseが返され、そうでない場合はTrueが返されます。 以下が、いくつかのNaN、つまりnull値を含むCSVファイルであるとしましょう- まずCSVファイルを読みましょう- dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") null以外の値をチェックする- res = dataFrame.notnull() これで、DataFrameを表示すると、notnull（）がブ

DataFrameからマルチインデックスを作成するには、MultiIndexを使用します。 from_frame（）メソッド。まず、リストの辞書を作成しましょう- d = {'Car': ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'],'Date_of_purchase': ['2020-10-10', '2020-10-12', '2020-10-17'

2つのPandasDataFrameを共通の列とマージするには、 merge（）を使用します 機能し、オンを設定します 列名としてのパラメーター。一致しない値にNaNを設定するには、「方法」を使用します 」パラメータを設定し、左に設定します または正しい 。つまり、左または右にマージします。 まず、エイリアスを使用してpandasライブラリをインポートしましょう- import pandas as pd DataFrame1を作成しましょう- dataFrame1 = pd.DataFrame(    {       "Car&q

Pandas DataFrameをマージするには、 merge（）を使用します 働き。デカルト積は、「方法」で設定することにより、両方のDataFrameに実装されます。 ” merge（）関数のパラメータ、つまり- how = “cross” まず、エイリアスを使用してpandasライブラリをインポートしましょう- import pandas as pd DataFrame1を作成する- dataFrame1 = pd.DataFrame(    {       "Car": ['BM

Pandas DataFrameをマージするには、 merge（）を使用します 働き。 1対多の関係 「検証」の下で設定することにより、両方のデータフレームに実装されます ” merge（）関数のパラメータ、つまり- validate = “one-to-many” or validate = “1:m” 1対多の関係は、マージキーが左側のデータセットで一意であるかどうかを確認します。 まず、1番目の stを作成しましょう DataFrame- dataFrame1 = pd.DataFrame(    {  

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&quo

最初のグループ値を計算するには、groupby.first（）メソッドを使用します。最初に、エイリアスを使用して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": ['BMW', 'Lexus', 'BMW', 'Tesla', 'Lexus', 'Tesla'],"Pl