모든 열 이름에 접두사를 추가하려면 add_prefix() 메서드를 사용합니다. 먼저 필요한 Pandas 라이브러리를 가져옵니다. - pandas를 pd로 가져오기 4개의 열이 있는 DataFrame 만들기 - dataFrame =pd.DataFrame({자동차:[BMW, 렉서스, 테슬라, 머스탱, 메르세데스, 재규어],Cubic_Capacity:[2000, 1800, 1500 , 2500, 2200, 3000],등록 가격:[7000, 1500, 5000, 8000, 9000, 6000],판매 단위:[ 100, 120, 150,]

matplotlib 산점도에서 점의 테두리 색상을 설정하려면 다음 단계를 수행할 수 있습니다. - 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. 샘플 데이터의 수를 저장하기 위해 변수 N을 초기화합니다. numpy를 사용하여 x 및 y 데이터 포인트를 생성합니다. scatter()를 사용하여 x 및 y 데이터 포인트를 플로팅합니다. 방법. 점의 테두리 색상을 설정하려면 scatter()에서 edgecolors 매개변수를 사용하세요. 방법. 여기서는 edgecolor=red를 사용하여 점의 테두리 색상으로 빨간색을

networkx를 사용하여 격자와 그래프를 그리려면 다음 단계를 수행할 수 있습니다. - networkx 및 pyplot을 가져옵니다. 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. nx.grid_2d_graph(3, 3) 사용 2차원 그리드 그래프를 얻으려면 그리드 그래프에는 각 노드가 4개의 가장 가까운 이웃에 연결되어 있습니다. Matplotlib로 그래프 G를 그립니다. 그림을 표시하려면 show()를 사용하세요. 방법. 예 # Import networkx and pyplot import networkx

Python, Numpy 및 Matplotlib를 사용하여 마스크된 표면 플롯을 플롯하려면 다음 단계를 수행할 수 있습니다. - 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. 새 그림을 만들거나 기존 그림을 활성화합니다. 하위 플롯 배열의 일부로 그림에 도끼를 추가합니다. 좌표 벡터, 파이 및 세타에서 좌표 행렬을 반환합니다. 마스킹된 데이터 포인트로 x, y 및 z를 생성합니다. x, y, z 데이터 포인트로 표면 플롯을 만듭니다. 그림을 표시하려면 show()를 사용하세요. 방법. 예시 import matp

matplotlib를 사용하여 플롯의 면 색상을 변경하려면 다음 단계를 수행할 수 있습니다. - 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. numpy를 사용하여 x 및 y 데이터 포인트를 생성합니다. 그림과 서브플롯 세트를 생성합니다. plot()을 사용하여 x 및 y 데이터 포인트를 플로팅합니다. color=yellow 및 linewidth=7인 메소드 set_facecolor()를 사용하여 축의 면색 설정 . 그림을 표시하려면 show()를 사용하세요. 방법. 예시 from matplotlib impor

matplotlib의 점 집합에서 가장 큰 다각형을 그리려면 다음 단계를 수행할 수 있습니다. - 가져오기 다각형 matplotlib.patches에서 . 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. 가장 큰 다각형에 대한 데이터 포인트 목록을 만듭니다. 폴리곤 인스턴스를 가져옵니다. 그림과 서브플롯 세트를 생성합니다. 폴리곤 인스턴스 패치를 추가합니다. x 및 y 스케일 제한을 설정합니다. 그림을 표시하려면 show()를 사용하세요. 방법. 예시 import numpy as np import matplot

sort_index() 인덱스를 오름차순 및 내림차순으로 정렬하는 데 사용됩니다. 매개변수를 언급하지 않으면 인덱스가 오름차순으로 정렬됩니다. 먼저 필요한 라이브러리를 가져옵니다 - import pandas as pd 새 DataFrame을 만듭니다. 정렬되지 않은 인덱스가 있습니다 - dataFrame = pd.DataFrame([100, 150, 200, 250, 250, 500],index=[4, 8, 2, 9, 15, 11],columns=['Col1']) 인덱스 정렬 - dataFrame.sort_ind

DataFrame에서 특정 값을 검색할 수 있습니다. iloc을 사용하여 필요한 값을 가져오고 전체 행을 표시합니다. 먼저 필요한 라이브러리를 가져옵니다 - pandas를 pd로 가져오기 4개의 열이 있는 DataFrame 만들기 - dataFrame =pd.DataFrame({자동차:[BMW, 렉서스, 테슬라, 머스탱, 메르세데스, 재규어],Cubic_Capacity:[2000, 1800, 1500 , 2500, 2200, 3000],등록 가격:[7000, 1500, 5000, 8000, 9000, 6000],판매 단위:[ 10

fillna() 사용 메소드에서 value 매개변수를 사용하여 모든 누락된 값에 대해 상수 값을 설정합니다. . 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − pdimport numpy로 np로 팬더 가져오기 2개의 열이 있는 DataFrame을 만듭니다. Numpy np.NaN을 사용하여 NaN 값을 설정했습니다. - dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, 렉서스, 머스탱, 벤틀리, 머스탱],단위:[100, 150, np .NaN, 80, np.NaN, np.NaN] }

모드는 값 집합에서 가장 많이 나타나는 값입니다. fillna() 사용 메소드를 사용하고 누락된 열을 모드로 채우도록 모드를 설정합니다. 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − pdimport numpy로 np로 팬더 가져오기 2개의 열이 있는 DataFrame을 만듭니다. Numpy np.NaN을 사용하여 NaN 값을 설정했습니다. - dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, 렉서스, 머스탱, 벤틀리, 머스탱],단위:[100, 150, np .NaN, 80, np.

Dataframe.loc은 레이블 또는 부울 배열로 행 및 열 그룹에 액세스하는 데 사용됩니다. loc을 사용하여 DataFrame에 목록을 추가합니다. 먼저 DataFrame을 생성해 보겠습니다. 데이터는 이 예의 팀 순위 목록 형식입니다. # data in the form of list of team rankings Team = [['India', 1, 100],['Australia', 2, 85],['England', 3, 75],['New Zealand', 4 , 6

다른 목록의 값을 사용하여 목록을 마스킹해야 하는 경우 목록 이해가 사용됩니다. 예 아래는 동일한 데모입니다. my_list = [5, 6, 1, 9, 11, 0, 4] print("The list is :") print(my_list) search_list = [2, 10, 6, 3, 9] result = [1 if element in search_list else 0 for element in my_list] print("The result is :") print(result) 출력

중앙값은 데이터의 상위 절반과 하위 절반을 구분합니다. fillna() 메서드를 사용하고 중앙값을 설정하여 누락된 열을 중앙값으로 채우십시오. 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − pdimport numpy로 np로 팬더 가져오기 2개의 열이 있는 DataFrame을 만듭니다. Numpy np.NaN을 사용하여 NaN 값을 설정했습니다. - dataFrame =pd.DataFrame( { 자동차:[렉서스, BMW, 아우디, 벤틀리, 머스탱, 테슬라],단위:[100, 150, np .NaN, 80,

DataFrame을 연결하려면 concat() 메서드를 사용하고 중복을 무시하려면 drop_duplicates() 메서드를 사용하세요. 필요한 라이브러리 가져오기 - import pandas as pd 연결할 DataFrame 생성 - # Create DataFrame1 dataFrame1 = pd.DataFrame(    {       "Car": ['BMW', 'Jaguar', 'Audi', 'Mustang'

Set의 List에서 요소를 추출해야 하는 경우 간단한 for 루프와 기본 조건을 사용할 수 있습니다. 예시 아래는 동일한 데모입니다. my_list = [5, 7, 2, 7, 2, 4, 9, 8, 8] print("The list is :") print(my_list) search_set = {6, 2, 8} my_result = [] for element in my_list: if element in search_set: my_result.append(element) print(&qu

두 문자열에 공통된 단어를 제거해야 하는 경우 두 문자열을 사용하는 메서드가 정의됩니다. 문자열은 공백을 기반으로 하고 목록 이해를 사용하여 결과를 필터링합니다. 예 아래는 동일한 데모입니다. def common_words_filter(my_string_1, my_string_2):    my_word_count = {}    for word in my_string_1.split(): my_word_count[word] = my_word_count.get(word, 0) +

목록을 열려면 append() 메서드를 사용할 수 있습니다. 이를 통해 loc() 메서드를 사용할 수도 있습니다. 먼저 필요한 라이브러리를 가져오도록 합시다 - import pandas as pd 다음은 팀 순위 목록 형식의 데이터입니다 - Team = [['India', 1, 100],['Australia', 2, 85],['England', 3, 75],['New Zealand', 4 , 65],['South Africa', 5, 50]] 위의 데이터로

행렬에 사용자 지정 테두리를 추가해야 하는 경우 간단한 목록 반복을 사용하여 행렬에 필요한 테두리를 추가할 수 있습니다. 예시 아래는 동일한 데모입니다. my_list = [[2, 5, 5], [2, 7, 5], [4, 5, 1], [1, 6, 6]] print("The list is :") print(my_list) print("The resultant matrix is :") border = "|" for sub in my_list: my_temp = borde

집합 목록에서 중복 집합을 찾아야 하는 경우 카운터와 고정 집합을 사용합니다. 예시 아래는 동일한 데모입니다. from collections import Counter my_list = [{4, 8, 6, 1}, {6, 4, 1, 8}, {1, 2, 6, 2}, {1, 4, 2}, {7, 8, 9}] print("The list is :") print(my_list) my_freq = Counter(frozenset(sub) for sub in my_list) my_result = [] for key, va

특정 숫자의 거듭제곱을 구해야 하는 경우 목록 이해와 함께 ** 연산자를 사용합니다. 예 아래는 동일한 데모입니다. n = 4 print("The value n is : ") print(n) k = 5 print("The value of k is : ") print(k) result = [n ** index for index in range(0, k)] print("The square values of N till K : " ) print(result) 출력 The valu