위치 행을 제거해야 하는 경우 간단한 반복과 팝 방법을 사용합니다. 예시 아래는 동일한 데모입니다. my_list =[[31, 42, 2], [1, 73, 29], [51, 3, 11], [0, 3, 51], [17, 3, 21], [1, 71] , 10], [0, 81, 92]]print(목록은 다음과 같습니다.)print(my_list)my_index_list =[1, 2, 5]my_index_list[::-1]의 인덱스:my_list.pop(index )print(출력은 :)print(my_list) 출력 목록은 [[31,

리스트 간의 최대 차이를 구해야 할 때 abs와 max 방법을 사용합니다. 예 아래는 동일한 데모입니다. my_list_1 = [7, 9, 1, 2, 7] my_list_2 = [6, 3, 1, 2, 1] print("The first list is :") print(my_list_1) print("The second list is :") print(my_list_2) my_result = max(abs(my_list_2[index] - my_list_1[index]) for index

상위 시퀀스 문자열을 필터링해야 하는 경우 간단한 목록 이해가 사용됩니다. 예시 아래는 동일한 데모입니다. my_list = ["Python", "/", "is", "alwaysgreat", "to", "learn"] print("The list is :") print(my_list) substring = "ys" my_result = [sub for sub in my_list if

각 목록 요소 값을 크기 순서와 동일하게 할당해야 하는 경우 set 작업, zip 방법 및 목록 이해가 사용됩니다. 예시 아래는 동일한 데모입니다. my_list = [91, 42, 27, 39, 24, 45, 53] print("The list is : ") print(my_list) my_ordered_dict = dict(zip(list(set(my_list)), range(len(set(my_list))))) my_result = [my_ordered_dict[elem] for elem in my_l

범위 내의 목록 요소를 지정된 숫자로 대체해야 하는 경우 목록 슬라이싱을 사용합니다. 예시 아래는 동일한 데모입니다. my_list = [42, 42, 18, 73, 11, 28, 29, 0, 10, 16, 22, 53, 41] print("The list is :") print(my_list) i, j = 4, 8 my_key = 9 my_list[i:j] = [my_key] * (j - i) print("The result is:") print(my_list) 출력 The list i

특정 타임스탬프를 비교하려면 대괄호 안에 인덱스 번호를 사용하세요. 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", "Mercedes", "

행렬을 문자열로 변환해야 하는 경우 join 방식과 함께 간단한 목록 이해를 사용합니다. 예시 아래는 동일한 데모입니다. my_list = [[1, 22, "python"], [22, "is", 1], ["great", 1, 91]] print("The list is :") print(my_list) my_list_1, my_list_2 = ",", " " my_result = my_list_2.join([my_list

선행 또는 후행 공백을 제거하려면 strip() 메서드를 사용하십시오. 먼저 제품 범주, 제품 이름 및 수량 3개의 열이 있는 DataFrame을 만듭니다. - dataFrame = pd.DataFrame({ 'Product Category': [' Computer', ' Mobile Phone', 'Electronics ', 'Appliances', ' Furniture', 'Stationery'],'Product Na

날짜 오프셋을 기반으로 시계열의 마지막 기간을 선택하려면 마지막 () 방법. 처음에는 마침표로 날짜 색인을 설정합니다. 및 빈도 . 주파수는 주파수에 대한 것입니다 - i =pd.date_range(2021-07-15, 마침표=5, 빈도=3D) 이제 위의 인덱스로 DataFrame을 생성하십시오 - dataFrame =pd.DataFrame({k:[1, 2, 3, 4, 5]}, 인덱스=i) 지난 4일의 행 가져오기, 즉 4D − dataFrame.last(4D) 예시 다음은 전체 코드입니다 - pandas를 pd로 가져오기 #

표준 편차를 계산하려면 Pandas의 std() 메서드를 사용합니다. 먼저 필요한 Pandas 라이브러리를 가져옵니다. - import pandas as pd 이제 두 개의 열이 있는 DataFrame을 만듭니다. - dataFrame1 = pd.DataFrame(    {       "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar&

Pandas DataFrame을 병합하려면 병합을 사용하세요. () 기능. 그 안에서 매개변수 지표를 설정할 수 있습니다. 참으로 또는 거짓 . 어떤 데이터 프레임에 특정 레코드가 있는지 확인하려면 -를 사용하십시오. indicator= True 위와 같이 위의 매개변수를 True로 사용하여 출력 DataFrame에 _merge라는 열을 추가합니다. 먼저 별칭을 사용하여 pandas 라이브러리를 가져오겠습니다. import pandas as pd DataFrame1을 만들어 봅시다 - dataFrame1 = pd.DataF

날짜 오프셋을 기반으로 시계열의 첫 번째 기간을 선택하려면 첫 번째 () 방법. 처음에는 마침표로 날짜 색인을 설정합니다. 및 빈도 매개변수. 주파수는 주파수에 대한 것입니다 - i =pd.date_range(2021-07-15, 마침표=5, 빈도=3D) 이제 위의 인덱스로 DataFrame을 생성하십시오 - dataFrame =pd.DataFrame({k:[1, 2, 3, 4, 5]}, 인덱스=i) 처음 4일의 행 가져오기, 즉 4D − dataFrame.first(4D) 예 다음은 전체 코드입니다 - pandas를 pd로

열의 합계를 기준으로 필터링하려면 loc()을 사용합니다. 방법. 여기 우리의 예에서 각 학생의 점수를 합산하여 400점 이상, 즉 80%인 학생 열을 얻습니다. 먼저 학생 기록으로 DataFrame을 만듭니다. 3명의 학생의 성적 기록이 있습니다. 즉 3개의 열 - dataFrame =pd.DataFrame({ Jacob_Marks:[95, 90, 75, 85, 88],Ted_Marks:[60, 50, 65, 85, 70],Jamie_Marks:[77, 76 , 65, 45, 50]}) 열을 기준으로 필터링합니다. 총점 400

그룹 값의 마지막을 계산하려면 groupby.last() 메서드를 사용합니다. 처음에는 별칭을 사용하여 필요한 라이브러리를 가져옵니다. - pandas를 pd로 가져오기; 3개의 열이 있는 DataFrame 만들기 - dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, BMW, 테슬라, 렉서스, 테슬라],장소:[델리, 방갈로르,푸네,펀자브,찬디가르,뭄바이],단위:[100, 150, 50, 80, 110, 90] }) 이제 열별로 DataFrame 그룹화 - groupDF =dataFrame.groupby(

문자열 데이터를 실제 날짜(예:datetime형)로 변환하려면 to_datetime() 메서드를 사용합니다. 먼저 3개의 카테고리가 있는 DataFrame을 생성해 보겠습니다. 그 중 하나는 날짜 문자열입니다. − dataFrame = pd.DataFrame({ 'Product Category': ['Computer', 'Mobile Phone', 'Electronics', 'Stationery'],'Product Name': ['Ke

범위에서 날짜를 생성하려면 date _range() 메서드를 사용합니다. 먼저 별칭을 사용하여 필요한 pandas 라이브러리를 가져옵니다. - import pandas as pd 이제 정렬에서 날짜를 생성해야 하므로 이를 위해 시작하려는 날짜를 언급합니다. 여기에서 우리는 2021년 6월 1일과 60일의 기간을 언급했습니다 - dates = pd.date_range('6/1/2021', periods=60) 예시 다음은 전체 코드입니다 - import pandas as pd # generate dates in

견인 날짜 사이의 일 수를 찾기 위해 Python datetime 모듈을 사용하고 있습니다. 먼저 필요한 라이브러리를 가져옵니다 - from datetime import date 날짜 개체를 만들고 날짜를 계산할 날짜를 입력하십시오 - date1 = date(2021, 7, 20) date2 = date(2021, 8, 30) 위의 두 날짜의 차이를 일 형식으로 가져옵니다. − (date2 - date1).days 예 다음은 코드입니다 - from datetime import date # both the dates dat

OSI(Open System Interconnection) 모델에서 전송 계층은 7개 계층 중 하나이며 인터넷을 통한 발신자와 수신자 간의 종단 간 통신을 담당합니다. 발신자와 수신자 간의 논리적 통신을 제공하고 패킷의 종단 간 전달을 보장합니다. 전송 계층의 주요 프로토콜은 다음과 같습니다 - TCP(전송 제어 프로토콜) UDP(사용자 데이터그램 프로토콜) SCTP(스트림 제어 전송 프로토콜) RDP(신뢰할 수 있는 데이터 프로토콜) RUDP(신뢰할 수 있는 사용자 데이터그램 프로토콜) 전송 계층의

자동차 판매 기록의 예를 살펴보고 월별로 그룹화하여 월별 자동차 등록 가격의 합계를 계산합니다. 요약하자면 sum() 메서드를 사용합니다. 먼저 다음이 3개의 열이 있는 Pandas DataFrame이라고 가정해 보겠습니다. dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW"

Pandas DataFrame에서 중복 값을 제거하려면 drop_duplicates() 메서드를 사용하세요. 먼저 3개의 열이 있는 DataFrame을 만듭니다. - dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', 'Lamborghini', 'BMW', 'Mercedes', 'Porsche'],'Place': ['Delhi', 'Hyderabad'