먼저 디지털 인증서에 대해 알아보겠습니다. 디지털 인증서 기본적으로 디지털로 발급된 인증서로, 사용자의 진위를 확인하기 위해 발급됩니다. 즉, 메시지를 보내는 사용자가 자신이 주장하는 사람인지 확인하고 수신자에게 답장을 인코딩할 수 있는 수단을 제공하기 위해 발급됩니다. 암호화된 메시지를 보내고 싶은 사람이나 보내고 싶은 사람은 인증 기관(CA)의 디지털 인증서를 신청합니다. 디지털 인증서 필요 디지털 인증서를 사용하면 엔터티가 인증된 방식으로 공개 키를 공유할 수 있습니다. 웹 브라우저와 웹 서버 간의 보안 SSL(Secur

여러 열에서 고유한 값을 찾으려면 unique() 메서드를 사용하십시오. Pandas DataFrame에 EmpName 및 Zone이 있는 직원 레코드가 있다고 가정해 보겠습니다. 두 명의 직원이 비슷한 이름을 가질 수 있고 구역에 두 명 이상의 직원이 있을 수 있으므로 이름과 구역이 반복될 수 있습니다. 이 경우 고유한 Employee 이름을 원하면 DataFrame에 unique()를 사용하십시오. 먼저 필요한 라이브러리를 가져옵니다. 여기에서 pd를 별칭으로 설정했습니다 - import pandas as pd 먼저 Data

판다를 Set으로 형변환하려면 set()을 사용하십시오. 먼저 DataFrame을 생성하겠습니다 - dataFrame = pd.DataFrame( { "EmpName": ['John', 'Ted', 'Jacob', 'Scarlett', 'Ami', 'Ted', 'Scarlett'], "Zone": ['North', 'South', 'So

다중 인덱스를 단일 인덱스로 연결하려면 먼저 필요한 Pandas 및 Numpy 라이브러리를 해당 별칭과 함께 가져옵니다. − import pandas as pd import numpy as np 팬더 시리즈 만들기 - d = pd.Series([('Jacob', 'North'),('Ami', 'East'),('Ami', 'West'),('Scarlett', 'South'),('Jacob', '

Pandas에서 파이프라인을 생성하려면 pipe() 메서드를 사용해야 합니다. 먼저 별칭을 사용하여 필요한 pandas 라이브러리를 가져옵니다. - pandas를 pd로 가져오기 이제 DataFrame을 생성하십시오 - dataFrame =pd.DataFrame( { 자동차:[BMW, 렉서스, 아우디, 머스탱, 벤틀리, 재규어], 단위:[100, 150, 110 , 80, 110, 90] }) 파이프라인을 만들고 upperFunc() 사용자 정의 함수를 호출하여 열 이름을 대문자로 변환 - 파이프라인 =dataFrame.pipe

열 값의 평균을 계산하려면 mean() 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'], "Units"

두 DataFrame의 특정 열이 같은지 확인하려면 equals() 메서드를 사용하십시오. 먼저 두 개의 열이 있는 DataFrame1을 생성하겠습니다. - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 9

두 DataFrame 사이의 공통 행을 찾으려면 merge() 메서드를 사용합니다. 먼저 두 개의 열이 있는 DataFrame1을 생성하겠습니다. - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } )

열 값의 중앙값을 계산하려면 median() 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'], "Units&qu

특정 행만 합산하려면 loc() 메서드를 사용합니다. :연산자를 사용하여 시작 및 끝 행 인덱스를 언급합니다. loc()을 사용하여 포함할 열을 설정할 수도 있습니다. 결과를 새 열에 표시할 수 있습니다. 먼저 DataFrame을 생성해 보겠습니다. 시작 및 마감 재고를 포함한 제품 기록이 있습니다. − dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone

groupby 이후 인덱스를 재설정하려면 groupby()를 사용하여 열에 따라 첫 번째 그룹화합니다. 그런 다음 reset_index()를 사용하십시오. 먼저 필요한 라이브러리를 가져옵니다 - import pandas as pd 2개의 열이 있는 DataFrame 만들기 - dataFrame = pd.DataFrame( { "Car": ["Audi", "Lexus", "Audi", "Mercedes", "Audi&

열 값의 분산을 계산하려면 var() 메서드를 사용합니다. 먼저 필요한 Pandas 라이브러리를 가져옵니다. - import pandas as pd 두 개의 열이 있는 DataFrame 만들기 - dataFrame1 = pd.DataFrame(    { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'],      

Pandas DataFrame을 병합하려면 merge()를 사용하세요. 기능. 내부 조인은 how merge() 함수의 매개변수, 즉 - how = “inner” 먼저 별칭을 사용하여 pandas 라이브러리를 가져오겠습니다. - import pandas as pd DataFrame1 생성 - dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang'

다른 목록에서 한 목록의 첫 번째 항목을 찾아야 하는 경우 set 속성과 next 메서드가 사용됩니다. 예시 아래는 동일한 데모입니다. my_list_1 = [23, 64, 34, 77, 89, 9, 21] my_list_2 = [64, 10, 18, 11, 0, 21] print("The first list is :") print(my_list_1) print("The second list is :") print(my_list_2) my_list_2 = set(my_list_2) my_re

문자열 목록에서 공백 크기 패딩을 사용자 정의해야 하는 경우 빈 목록, 반복 및 append 메서드가 사용됩니다. 예시 아래는 동일한 데모입니다. my_list = ["Python", "is", "great"] print("The list is :") print(my_list) lead_size = 3 trail_size = 2 my_result = [] for elem in my_list: my_result.append((lead_size * &#

한 문장에 나오는 모든 단어를 정확히 K번 출력해야 하는 경우 split 방식, remove 방식, count 방식을 사용하는 방식을 정의합니다. 메소드는 필수 매개변수를 전달하여 호출되고 출력이 표시됩니다. 예시 아래는 동일한 데모입니다. def key_freq_words(my_string, K):    my_list = list(my_string.split(" "))    for i in my_list:       if my_list.count(i

각 목록 요소의 큐브를 찾아야 할 때 간단한 반복과 append 방법을 사용합니다. 예시 아래는 동일한 데모입니다. my_list = [45, 31, 22, 48, 59, 99, 0] print("The list is :") print(my_list) my_result = [] for i in my_list: my_result.append(i*i*i) print("The resultant list is :") print(my_result) 출력 The list is : [45, 31,

단계 값을 사용하여 목록을 목록의 목록으로 변환해야 하는 경우 간단한 반복을 사용하는 방법인 split 방법과 append 방법을 정의합니다. 예시 아래는 동일한 데모입니다. def convert_my_list(my_list): my_result = [] for el in my_list: sub = el.split(', ') my_result.append(sub) return(my_result) my_list = ['peter', 'king', &

특정 공통 요소를 기반으로 목록을 집합으로 변환해야 하는 경우 열거를 사용하여 집합을 반복하고 요소에 특정 조건을 두는 메서드를 정의할 수 있습니다. union 방식과 map 방식을 사용합니다. 예 아래는 동일한 데모입니다. def common_elem_set(my_set):    for index, val in enumerate(my_set):       for j, k in enumerate(my_set[index + 1:], index + 1): if val &a

튜플 목록에서 요소의 부호를 변경해야 하는 경우 간단한 반복, abs 방법 및 append 방법을 사용할 수 있습니다. 예 아래는 동일한 데모입니다. my_list =[(51, -11), (-24, -24), (11, 42), (-12, 45), (-45, 26), (-97, -4)]인쇄 (목록은 다음과 같습니다.)print(my_list)my_result =[]for sub in my_list:my_result.append((abs(sub[0]), -abs(sub[1])))print(결과는 :)인쇄(my_result) 출력 목록