평균의 경우 mean() 함수를 사용하십시오. NaN으로 열의 평균을 계산하고 fillna()를 사용하여 NaN 값을 평균으로 채웁니다. 먼저 필요한 라이브러리를 가져오도록 합시다 - pdimport numpy로 np로 팬더 가져오기 2개의 열과 일부 NaN 값이 있는 DataFrame을 만듭니다. numpy np.NaN −를 사용하여 이 NaN 값을 입력했습니다. dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, 렉서스, 머스탱, 벤틀리, 머스탱],단위:[100, 150, np .NaN, 80, np.

사전 키의 누적 평균을 찾아야 할 때 빈 사전을 만들고 원래 사전을 반복하여 항목에 액세스합니다. 이것이 사전에 있으면 키가 빈 사전에 추가되고, 그렇지 않으면 키 대신 값이 배치됩니다. 예 아래는 동일한 데모입니다. from statistics import mean my_list = [{'hi' : 24, 'there' : 81, 'how' : 11}, {'hi' : 16, 'how' : 78, 'doing' : 63}] print(&

목록에서 지정된 범위를 반전해야 할 때 반복되며 슬라이싱과 함께 : 연산자를 사용하여 반전합니다. 예 아래는 동일한 데모입니다. 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[m : n + 1

목록을 가능한 모든 튜플 쌍으로 분할해야 하는 경우 목록을 매개변수로 사용하고 목록 이해를 사용하여 목록을 반복하고 확장 방법을 사용하는 방법을 정의할 수 있습니다. 예 아래는 동일한 데모입니다. 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 index in range

데이터 유형이 다른 행렬에서 행을 추출해야 하는 경우 반복되고 설정을 사용하여 고유한 유형을 가져옵니다. 예시 아래는 동일한 데모입니다. 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(ele) for e

문장에서 단어의 가능한 모든 순열을 생성해야 할 때 함수가 정의됩니다. 이 함수는 문자열을 반복하며 조건에 따라 출력이 표시됩니다. 예시 아래는 동일한 데모입니다. from itertools import permutations def calculate_permutations(my_string):    my_list = list(my_string.split())    permutes = permutations(my_list)    for i in permutes: &nbs

문장에 있는 회문 단어를 정렬해야 하는 경우 문자열을 매개변수로 사용하여 먼저 회문인지 확인하는 메서드가 정의됩니다. 그런 다음 문자열의 모든 단어를 정렬하여 출력으로 반환합니다. 예시 아래는 동일한 데모입니다. def check_palindrome(my_string): if(my_string == my_string[::-1]): return True else: return False def print_sort_palindromes(my_sentence): my_list = [] my

index=False 사용 인덱스를 무시합니다. 먼저 필요한 라이브러리를 가져오도록 합시다 - import pandas as pd DataFrame 생성 - dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35]],index=['x', 'y', 'z'],columns=['a', 'b']) loc −를 사용하여 레이블을 전달하여 행 선택 dataFrame.loc['x'] 인덱스 없이 DataFrame

타임스탬프를 비교하기 위해 인덱스 연산자(예:대괄호)를 사용할 수 있습니다. 먼저 필요한 라이브러리를 가져옵니다 - import pandas as pd 3개의 열이 있는 DataFrame 만들기 - dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW"],   &nbs

열 값의 최대값을 얻으려면 max () 기능. 먼저 필요한 Pandas 라이브러리를 가져옵니다. - pandas를 pd로 가져오기 이제 두 개의 열이 있는 DataFrame을 만듭니다. - dataFrame1 =pd.DataFrame( { 자동차:[BMW, 렉서스, 아우디, 테슬라, 벤틀리, 재규어],단위:[100, 150, 110 , 80, 110, 90] }) max()를 사용하여 단일 열 단위의 최대값 찾기 - printDataFrame1의 최대 단위 =,dataFrame1[Units].max() 같은 방법으로 두 번째

타임스탬프의 차이를 찾기 위해 인덱스 연산자, 즉 대괄호를 사용하여 차이를 찾을 수 있습니다. 타임스탬프의 경우 abs()도 사용해야 합니다. 먼저 필요한 라이브러리를 가져옵니다 - import pandas as pd 3개의 열이 있는 DataFrame을 만듭니다. 타임스탬프가 있는 두 개의 날짜 열이 있습니다 - dataFrame = pd.DataFrame( { "Car": ["Audi", "Lexus", "Tesla", "Merce

데이터를 오름차순 또는 내림차순으로 정렬하려면 sort_values() 메서드를 사용합니다. 오름차순의 경우 다음을 사용하십시오. sort_values() 메서드 - ascending=참 필요한 라이브러리 가져오기 - pandas를 pd로 가져오기 3개의 열이 있는 DataFrame 만들기 - dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, BMW, 머스탱, 메르세데스, 렉서스],Reg_Price:[7000, 1500, 5000 , 8000, 9000, 2000],장소:[푸네, 델리, 뭄바이, 하이데라

관측값을 계산하려면 먼저 groupby()를 사용한 다음 결과에 count()를 사용합니다. 먼저 필요한 라이브러리를 가져옵니다 - dataFrame =pd.DataFrame({제품명:[키보드, 충전기, 스마트TV, 카메라, 그래픽 카드, 이어폰],제품 카테고리:[컴퓨터 , 휴대전화, ​​전자제품, 전자제품, 컴퓨터, 휴대전화],수량:[10, 50, 10, 20, 25, 50]}) 중복 값으로 열 그룹화 - 그룹 =dataFrame.groupby(제품 카테고리) 카운트 가져오기 - group.count() 예 다음은 코드입니다

행 인덱스를 확인하고 표시하려면 isinf()를 any()와 함께 사용하십시오. 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − pdimport numpy로 np로 팬더 가져오기 목록의 사전을 만듭니다. Numpy np.inf를 사용하여 무한대 값을 설정했습니다. - d ={ Reg_Price:[7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 900, np.inf] } 위의 목록 사전에서 DataFrame 만들기 - dataFrame =pd.DataFrame(d)

isin() 메서드를 사용하여 무한 값에 대해 True를 표시합니다. 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − pdimport numpy로 np로 팬더 가져오기 목록의 사전을 만듭니다. Numpy np.inf를 사용하여 무한대 값을 설정했습니다. - d ={ Reg_Price:[7000.5057, np.inf, 5000, np.inf, 9000.75768, 6000, 900, np.inf] } 위의 목록 사전에서 DataFrame 만들기 - dataFrame =pd.DataFrame(d) 무한 값에

대문자만 가져오기 위해 정규식을 사용합니다. 다시 모듈은 여기에서 사용되고 가져옵니다. 모든 라이브러리를 가져오도록 합시다 - import re import pandas as pd DataFrame 생성 - data = [['computer', 'mobile phone', 'ELECTRONICS', 'electronics'],['KEYBOARD', 'charger', 'SMARTTV', 'camera']] dataF

모든 null 값이 있는 열을 제거하려면 dropna를 사용하세요. () 메소드를 사용하고 how 매개변수를 all - how='all' 먼저 필요한 라이브러리를 해당 별칭과 함께 가져오도록 하겠습니다. − import pandas as pd import numpy as np 데이터프레임을 생성합니다. Numpy np.inf를 사용하여 NaN 값을 설정했습니다. dataFrame = pd.DataFrame(    {       "Student": [

열 순서를 반대로 하려면 dataframe.columns를 사용하고 -1 −로 설정합니다. dataFrame[dataFrame.columns[::-1] 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, 90

연도 눈금이 12개월마다 표시되도록 matplotlib 날짜 조작을 수행하려면 다음 단계를 수행할 수 있습니다. - 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. d, y, s, 년, 월, 월Fmt 생성 및 yearsFmt Pandas, Numpy 및 matplotlib 날짜 사용 DateFormatter에서 %B를 사용하여 전체 월 이름을 표시합니다. DateFormatter에서 %Y를 사용하여 연도를 표시합니다. 새 그림을 만들거나 기존 그림을 활성화합니다. 하위 플롯 배열의 일부로 그림에 도끼를 추가합니다.

matplotlib에서 막대 차트의 막대 순서를 결정하기 위해 다음 단계를 수행할 수 있습니다. - 그림 크기를 설정하고 서브플롯 사이 및 주변 여백을 조정합니다. 크기가 변경 가능한 2차원 테이블 형식 데이터의 데이터 프레임 df를 만듭니다. 현재 그림에 서브플롯을 추가합니다. 데이터 프레임, df로 막대 플롯을 만듭니다. 현재 그림에 서브플롯을 추가합니다. 열 표시별로 다른 데이터 프레임인 df_sorted를 만듭니다. df_sorted로 막대 그래프를 만듭니다. 그림을 표시하려면 show()를 사용하세요. 방법. 예시 im