정수 행렬을 문자열 행렬로 변환해야 하는 경우 목록 이해가 사용됩니다. 예시 아래는 동일한 데모입니다 - my_list = [[14, 25, 17], [40, 28, 13], [59, 44, 66], [29, 33, 16]] print("The list is :") print(my_list) my_result = [[str(element) for element in index]for index in my_list] print("The reuslt is :") print(my_result)

행렬을 사전에 매핑해야 하는 경우 단순 반복이 사용됩니다. 예시 아래는 동일한 데모입니다 - my_list = [[2, 4, 3], [4, 1, 3], [2, 1, 3, 4]] print("The list :") print(my_list) map_dict = {2 : "Python", 1: "fun", 3 : "to", 4 : "learn"} my_result = [] for index in my_list:    tem

합이 K보다 큰 사전을 추출해야 하는 경우 단순 반복과 if 조건을 사용합니다. 예시 아래는 동일한 데모입니다 - my_list = [{"Python" : 14, "is" : 18, "fun" : 19},{"Python" : 12, "is": 4, "fun" : 16}, {"Python" : 13, "is": 17, "fun" : 11},{"Python"

문자열 목록에 매핑되는 문자 인덱스를 찾아야 하는 경우 간단한 반복, 목록 이해 및 추가 방법이 사용됩니다. 예시 아래는 동일한 데모입니다 - from collections import defaultdict my_list = ['p y t h o n', 'i s', 'f u n', 't o', 'l e a r n'] print("The list is :") print(my_list) my_result = defaultdict(set)

K의 배수인 요소가 있는 행을 필터링해야 하는 경우 목록 이해 및 모듈러스 연산자가 사용됩니다. 예시 아래는 동일한 데모입니다 - my_list = [[15, 10, 25], [14, 28, 23], [120, 55], [55, 30, 203]] print("The list is :") print(my_list) K = 5 print("The value of K is ") print(K) my_result = [index for index in my_list if all(element %

특정 문자가 있는 문자열로 튜플을 필터링해야 하는 경우 목록 이해와 전체 연산자가 사용됩니다. 예시 아래는 동일한 데모입니다 - my_list = [('pyt', 'best'), ('pyt', 'good'), ('fest', 'pyt')] print("The list is :") print(my_list) char_string = 'pyestb' my_result = [index for index in my_

목록에서 연속적으로 유사한 요소 범위를 추출해야 하는 경우 간단한 반복 및 추가 방법을 사용합니다. 예 아래는 동일한 데모입니다 - my_list = [12, 23, 23, 23, 48, 48, 36, 17, 17] print("The list is : ") print(my_list) my_result = [] index = 0 while index < (len(my_list)):    start_position = index    val = my_list[index

숫자가 있는 문자열을 추출해야 하는 경우 목록 이해와 isdigit 방식을 사용합니다. 예시 아래는 동일한 데모입니다 - my_string = "python is 12 fun 2 learn" print("The string is : ") print(my_string) my_result = [int(i) for i in my_string.split() if i.isdigit()] print("The numbers list is :") print(my_result) 출력 Th

None 빈도로 행렬을 정렬해야 하는 경우 매개변수를 받아 목록 이해, not 연산자 및 len 메서드를 사용하여 결과를 결정하는 메서드가 정의됩니다. 예시 아래는 동일한 데모입니다 - def get_None_freq(row):    return len([element for element in row if not element]) my_list = [[None, 24], [None, 33, 3, None],[42, 24, 55], [13, None, 24]] print("The list is : &

뒤의 문자를 기준으로 목록을 정렬해야 하는 경우 음수 인덱싱을 사용하여 결과를 반환하는 메서드를 정의합니다. 예시 아래는 동일한 데모입니다 - def get_rear_position(element):    return element[-1] my_list = ['python', 'is', 'fun', 'to', 'learn'] print("The list is : ") print(my_list) my_list.sort(k

튜플 목록에서 고유한 값의 개수를 구해야 하는 경우 defaultdict, set 연산자 및 append 메서드를 사용합니다. 예 아래는 동일한 데모입니다 - from collections import defaultdict my_list = [(12, 32), (12, 21), (21, 32), (89, 21), (71, 21), (89, 11), (99, 10), (8, 23), (10, 23)] print("The list is :") print(my_list) my_result = defaultdict

리스트에서 감소점을 찾아야 할 때 단순 반복과 break 문을 사용합니다. 예시 아래는 동일한 데모입니다 - my_list = [21, 62, 53, 94, 55, 66, 18, 1, 0] print("The list is :") print(my_list) my_result = -1 for index in range(0, len(my_list) - 1):    if my_list[index + 1] < my_list[index]:       my_result

문자열 속기를 사용하여 단어의 빈도를 찾아야 할 때 사전 이해를 사용할 수 있습니다. 예 아래는 동일한 데모입니다. my_str = 'Hi there Will, how are you Will, Will you say Hi to me' print("The string is : " ) print(my_str) my_result = {key: my_str.count(key) for key in my_str.split()} print("The word frequency is : ") pr

다중 인덱스 데이터 프레임은 하나 이상의 인덱스가 있는 데이터 프레임입니다. 다음이 데스크탑에 저장된 csv라고 가정해 보겠습니다. 먼저 pandas 라이브러리를 import하고 위의 CSV 파일을 읽어보세요 - pandas를 pddf =pd.read_csv(C:/Users/amit_/Desktop/sales.csv) print(df)로 가져오기 인덱스로 Dataframe의 Car 및 Place 열을 형성합니다 - df =df.set_index([자동차, 장소]) DataFrame은 이제 Car 및 Place 열을 인덱스

문자열에서 가장 빈번한 문자를 찾아야 할 때 빈 사전이 생성되고 문자열의 요소가 반복됩니다. 사전에서 문자를 찾으면 증분하고, 그렇지 않으면 1로 할당합니다. 사전에서 최대값을 찾아 변수에 할당합니다. 예시 아래는 동일한 데모입니다. my_string = "Python-Interpreter" print ("The string is : ") print(my_string) max_frequency = {} for i in my_string:    if i in max_frequ

insert() 메서드는 다른 DataFrame에서 열을 추가하는 데 사용됩니다. 먼저 첫 번째 DataFrame을 만들어 보겠습니다. − dataFrame1 = pd.DataFrame({"Car": ["Audi","Lamborghini", "BMW", "Lexus"],    "Place": ["US", "UK", "India", "Australi

Series.value_counts() 메서드를 사용하여 항목 집합의 빈도를 계산합니다. 먼저 DataFrame을 생성하겠습니다 - # Create DataFrame dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', 'Lamborghini', 'Audi', 'Mercedes', 'Porsche', 'Lamborghini', 'BMW'], 'Place

폴더에 있는 모든 엑셀 파일을 병합하려면 Glob 모듈과 append() 메소드를 사용하세요. 다음이 데스크탑에 있는 Excel 파일이라고 가정해 보겠습니다. − 영업1.xlsx Sales2.xlsx 참고 − openpyxl 및 xlrd 패키지를 설치해야 할 수도 있습니다. 먼저 병합하려는 모든 엑셀 파일이 있는 경로를 설정합니다. Excel 파일을 가져오고 glob을 사용하여 읽기 - 경로 =C:\\Users\\amit_\\Desktop\\filenames =glob.glob(경로 + \*.xlsx)print(

누락된 날짜를 확인하려면 먼저 날짜 레코드가 있는 목록 사전을 설정합니다. # dictionary of lists d = {'Car': ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'],    'Date_of_purchase': ['2020-10-10', '2020-10-12', '2020-10-17', &

groupby를 사용하여 Pandas DataFrame을 그룹화합니다. . 그룹화 기능을 사용하여 사용할 열을 선택합니다. 아래에 표시된 자동차 판매 기록의 예에 대해 월별로 그룹화하고 월별 등록 가격 합계를 계산합니다. 먼저 다음이 3개의 열이 있는 Pandas DataFrame이라고 가정해 보겠습니다. dataFrame =pd.DataFrame( { 자동차:[아우디, 렉서스, 테슬라, 메르세데스, BMW, 도요타, 닛산, 벤틀리, 머스탱 ], Date_of_Purchase:[ pd.Timestamp(2021-06-10), p