Author Archives: admin_uhs64

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df を以下に示す配列へ Tidy Data（整然データ）化してください． ########## 配列 ########## # index variable value # 0 a A 101 # 1 b A 102 # 2 c A 103 # 3 a B 201 # 4 b B 202 # 5 c B 203 # 6 a C 301 # 7 b C 302 # 8 […]

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df を以下に示す配列へ Tidy Data（整然データ）化してください． ########## 配列 ########## # A B variable value # 0 101 201 C 301 # 1 102 202 C 302 # 2 103 203 C 303 ######################### import pandas as pd df = pd.DataFrame({“A” : [101, 102, 103], “B” : [201, 202, 203], “C” : [301, 302, 303]}, index=[“a”, […]

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df を以下に示す配列へ Tidy Data（整然データ）化し、変数 coverted_df に代入へ代入してあります． 変数 converted_df を元の配列（変数 df と同じ配列）に逆変換してください． import pandas as pd df = pd.DataFrame({“A” : [101, 102, 103], “B” : [201, 202, 203], “C” : [301, 302, 303]}, index=[“a”, “b”, “c”]) converted_df = df.reset_index().melt(id_vars=[“index”], value_vars=[“A”, “B”, “C”]) print(converted_df) ######################## # index variable value # 0 a A 101 # […]

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． Q1：変数 df の重複のある行を確認してください．このとき、重複ている行のうち、最後の行が “True” と出力されるようにしてください． Q2：変数 df の重複のある行を削除してください． import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “b”, “b”, “c”, “c”, “a”, “a”, “b”]}) #Q1 print(##########) #Q2 print(##########) [Q1, Q2 の選択肢] 1. df.drop_dupulicated 2. df.drop_dupulicates 3. df.duplicated(keep=”first”) 4. df.duplicated(keep=”last”)

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． Q1：変数 df の “col2″ 列のうち、重複している行を全て確認してください．このとき、重複している行が全て ” True” と出力されるようにしてください． Q2：変数 df の “col2” 列のうち、重複のある行を全て削除してください． import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “d”, “b”, “c”, “c”, “a”, “a”, “e”]}) #Q1 print(##########) #Q2 print(##########) [Q1, Q2 の選択肢] 1. df.drop_dupulicates(subset=”col2″, keep=False) 2. df.drop_dupulicates(keep=False) 3. […]

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df の “col2” 列の各要素が、それぞれどれだけ重複しているのかを確認するために、各要素の個数をカウントしてください． import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “d”, “b”, “c”, “c”, “a”, “a”, “e”]}) print(##########) [選択肢] 1. df.groupby(“col2”).sum().sum() 2. df[“df2”].count_valuse() 3. df.duplicated().value_counts() 4. df.groupby(“col2”).counts()

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df の “col2” 列の各要素が、それぞれどれだけ重複しているのかを確認するために、重複した行の数をカウントしてください． import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “d”, “b”, “c”, “c”, “a”, “a”, “e”]}) print(##########) [選択肢] 1. df.groupby(“col2”).sum().sum() 2. df[“df2”].valuse_counts() 3. df.duplicated().value_counts() 4. df.groupby(“col2”).counts()

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df の “col2” 列には、何パターンの要素があるか調べてください． (要素のパターン = 重複を除いた行数の意） import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “d”, “b”, “c”, “c”, “a”, “a”, “e”]}) print(##########) [選択肢] 1. pd.value_counts(set(df.col2.unique())) 2. set(df.col2.unique()).count() 3. len(set(df.col2.unique())) 4. set(df.col2.unique).shpae

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 変数 df の “col2” 列には、何パターンの要素があるか調べてください． (要素のパターン = 重複を除いた行数の意） import pandas as pd df = pd.DataFrame({“col1” : [0, 9, 3, 3, 6, 1, 2, 2, 8], “col2” : [“a”, “c”, “d”, “b”, “c”, “c”, “a”, “a”, “e”]}) print(##########) [選択肢] 1. pd.value_counts(set(df.col2.unique())) 2. set(df.col2.unique()).counts() 3. set(df.col2.unique()) 4. set(df.col2.unique).shpae[0]

下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください． 関数 GetGrade を用いて、”School Year” 列の各データに対応して、それぞれ 3 より小さければ “Low” 、 3 以上 5 未満であれば “Middle” 、5それ以外は ” High” となるような Series を作成してください． また、変数 df に “Grade” 列を用意しその Series を代入してください． def GetGrade(x): if x < 3: return "Low" elif x >= 3 and x < 5: return "Middle" else: return "High" import pandas as pd import numpy […]