두 개의 데이터 프레임이 있고 교차표의 결과는 다음과 같다고 가정합니다. Age 12 13 14 Mark 80 90 85 Id 1 1 0 0 2 0 1 0 3 1 0 0 4 0 1 0 5 0 0 1 해결책 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 두 개의 데이터 프레임 정의 in
데이터 프레임이 있고 축 이름을 변경한 결과가 다음과 같다고 가정합니다. Rename index: index Id Age Mark 0 1.0 12.0 80.0 1 2.0 12.0 90.0 2 3.0 14.0 NaN &nb
해결책 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 데이터 프레임 정의 method =linear, limit_direction =forward 내부에 df.interpolate 함수를 적용하고 NaN limit =2 채우기 df.interpolate(method ='linear', limit_direction ='forward', limit = 2 예시 import pandas as pd df = pd.DataFrame({"Id":[1, 2, 3, None, 5
데이터 프레임이 있고 조정 및 조정되지 않은 EWM의 결과는 다음과 같다고 가정합니다. - 조정 EWM :이드 Age0 1.000000 12.0000001 1.750000 12.7500002 2.615385 12.2307693 2.615385 4.670213 13.4250004 14.479339non 조정 EWM :이드 Age0 1.000000 12.0000001 1.666667 12.6666672 2.555556 12.2222223 2.555556 14.469136 4.650794 13.4074074 해결책 이 문제를 해결하
데이터 프레임이 있고 튜플 목록이 있는 orderDict의 결과가 -라고 가정합니다. OrderedDict([('Index', 0), ('Name', 'Raj'), ('Age', 13), ('City', 'Chennai'), ('Mark', 80)]) OrderedDict([('Index', 1), ('Name', 'Ravi'), ('Age', 12), ('City
데이터 프레임과 C 및 F 순서의 병합 레코드에 대한 결과가 있다고 가정합니다. flat c_order: [10 12 25 13 3 12 11 14 24 15 6 14] flat F_order: [10 25 3 11 24 6 12 13 12 14 15 14] 해결책 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 데이터 프레임 정의 내부에 df.values.ravel() 함수를 적용하고 인수를 order=C로 설정하고 C_order로 저장합니다. C_order = d
date_range의 날짜가 있고 총 영업일 수에 대한 결과는 다음과 같다고 가정합니다. Dates are: DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-06', '2020-01-07', '2020-01-08', '2020-01-09', '2020-01-10
데이터 프레임이 있고 결측값 열의 최소 수가 다음과 같다고 가정합니다. DataFrame is: Id Salary Age 0 1.0 20000.0 22.0 1 2.0 NaN 23.0 2 3.0 50000.0 NaN 3 NaN 40000.0 25.0 4 5.0 80000.0
데이터 프레임과 각 열에서 두 번째로 낮은 값에 대한 결과가 다음과 같다고 가정합니다. Id 2 Salary 30000 Age 23 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 해결책 데이터 프레임 정의 생성 람다 함수 내부에 df.apply() 함수를 설정하고 x와 같은 변수를 설정하여 모든 열에 액세스하고 표현식을 다음과 같이 확인합니다. x.sort_values().unique()[1], axis=0은 다음과 같이 두 번째로 낮은 값을 반환합
각 행의 최소값으로 데이터 프레임 최대값을 생성한 결과는 0 43.000000 1 1.911111 2 2.405405 3 20.000000 4 7.727273 5 6.333333 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 해결책 1 1에서 100까지 30개의 임의 요소 크기로 데이터 프레임을 정의하고 (6,5)로 배열을 재구성하여 2차원 배열을 변경합니다. df = pd.Da
시계열과 주어진 시리즈의 처음 및 마지막 3일에 대한 결과가 다음과 같다고 가정합니다. first three days: 2020-01-01 Chennai 2020-01-03 Delhi Freq: 2D, dtype: object last three days: 2020-01-07 Pune 2020-01-09 Kolkata Freq: 2D, dtype: object 이 문제를 해결하기 위해 다음 단계를 따릅니다 - 해결책 시리즈를 정의하고
구분 기호로 문자열을 분할하고 다음과 같이 시리즈로 변환한 결과, 0 사과1 오렌지2 망고3 키위 이 문제를 해결하기 위해 다음 접근 방식을 따릅니다 - 해결책 1 두 개의 인수 문자열과 구분 기호를 허용하는 split_str() 함수를 정의하십시오. 구분자 값 안에 s.split() 함수를 생성하고 split_data로 저장 split_data =s.split(d) pd.Series() 내부에 split_data를 적용하여 시리즈 데이터를 생성합니다. pd.Series(split_data) 마지막으로
훈련 결과는 matplotlib 라이브러리의 도움으로 Python을 사용하여 Tensorflow로 시각화할 수 있습니다. plot 메소드는 콘솔에 데이터를 플롯하는 데 사용됩니다. 자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까? 모든 레이어에 정확히 하나의 입력 텐서와 하나의 출력 텐서가 있는 일반 레이어 스택으로 작업하는 데 사용되는 순차 모델을 구축하는 데 도움이 되는 Keras Sequential API를 사용할 것입니다. 하나 이상의 레이어를
추가 훈련 데이터를 추가하여 과적합을 줄이기 위해 증강을 사용할 수 있습니다. 이것은 RandomFlip 레이어를 사용하는 순차 모델을 생성하여 수행됩니다. 자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까? 모든 레이어에 정확히 하나의 입력 텐서와 하나의 출력 텐서가 있는 일반 레이어 스택으로 작업하는 데 사용되는 순차 모델을 구축하는 데 도움이 되는 Keras Sequential API를 사용할 것입니다. 하나 이상의 레이어를 포함하는 신경망을 컨볼루
다음과 같이 시리즈의 각 요소에서 부분 문자열을 슬라이싱한 시리즈와 결과가 있다고 가정합니다. 0 Ap 1 Oa 2 Mn 3 Kw 이 문제를 해결하기 위해 다음 접근 방식을 따릅니다 - 해결책 1 시리즈 정의 start=0,stop-4 및 step=2 내부에 str.slice 함수를 적용하여 계열에서 부분 문자열을 슬라이스합니다. data.str.slice(start=0,stop=4,step=2) 예시 더 나은 이해를
데이터 프레임이 있고 롤링 창 크기 3 계산의 결과는 다음과 같다고 가정합니다. Average of rolling window is: Id Age Mark 0 NaN NaN NaN 1 1.5 12.0 85.0 2 2.5 13.0 80.0 3 3.5 13.5 82.5 4 4.5 31.5 90.0 5 5.5 60.0 87.5 87.5 이 문제를 해결하기 위해 다음 접근 방식을 따릅니다 - 해결책 데이터 프레임 정의 df.rolling(window=2).mean()을 적용하여 롤링
계열이 있고 정렬된 고유 값이 있는 숫자 인덱스가 -라고 가정합니다. Sorted distict values - numeric array index [2 3 0 3 2 1 4] ['apple' 'kiwi' 'mango' 'orange' 'pomegranate'] 이 문제를 해결하기 위해 다음 단계를 따릅니다. - 해결책 고유하지 않은 요소 목록 내부에 pd.factorize() 함수를 적용하고 index,index_value로 저장합니다. index,
데이터 프레임에 datetime 열이 있고 날짜와 시간을 구분하는 결과가 다음과 같다고 가정합니다. 날짜시간 날짜 시간0 2020-01-01 07:00:00 2020-01-06 07:00:001 2020-01-02 07:00:00 2020-01-06 07:00:002 2020-02 03 07:00:00 2020-01-06 07:00:003 2020-01-04 07:00:00 2020-01-06 07:00:004 2020-01-020-07:00:00 10 06 07:00:005 2020-01-06 07:00:00 2020-01-06
시계열이 있고 아시아 시간대를 다음과 같이 현지화한 결과가 있다고 가정합니다. Index is: DatetimeIndex(['2020-01-05 00:30:00+05:30', '2020-01-12 00:30:00+05:30', '2020-01-19 00:30:00+05:30', '2020-01-26 00:30:00+05:30',
회문 이름 인쇄 결과는 - Palindrome names are: Id Name 0 1 bob 2 3 hannah 이 문제를 해결하기 위해 다음 접근 방식을 따릅니다 - 해결책 1 데이터 프레임 정의 i 변수를 사용하여 df[Name] 열의 모든 값에 액세스하기 위해 루프 내에서 목록 이해를 생성하고 i==i[::-1]를 비교할 조건을 설정한 다음 목록에 i 값을 추가합니다. l = [ i for i in df['Name&#