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 の欠損値に対処します．欠損値がある列を削除してください． （※ 変数 df の中身は書き換えないでください．） import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df.dropna(axis=0, inplace=True) 2. df.dropna(axis=1) 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 の欠損値に対処します．欠損値が多い 2, 3 列を削除し、残りの列から欠損値のある行を削除（ペアワイズ削除）してください （※ 変数 df の中身は書き換えないでください．） import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df[[2, 3]].deopna(axis=1, […]

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 の欠損値に対処します．変数 df の各列ごとの欠損値の個数をカウントしてください． import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df.count() 2. df.isnull() 3. df.count().sum() 4. df.isnull().sum() […]

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 の欠損値に対処します．変数 df の各行ごとの欠損値の個数をカウントしてください． import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df.count() 2. df.isnull() 3. df.count().sum() 4. df.isnull().sum() […]

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 の欠損値に対処します．変数 df で、各列ごとに欠損値ではにデータの個数をカウントしてください． import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df.count() 2. df.isnull() 3. df.count().sum() 4. df.isnull().sum() […]

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 の欠損値に対処します．重要な特徴があり欠損値が少ない0, 1, 5, 6 列だけを残して、そこから欠損値のある行を削除（ペアワイズ削除）してください （※ 変数 df の中身を書き換えてください．） import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df[[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． 変数 df の欠損値に対処します．欠損値がある行を削除（リストワイズ）してください． （※ 変数 df の中身は書き換えられないようにしてください．） import numpy as np from numpy import nan as NA import pandas as pd df = pd.DataFrame(np.random.rand(100, 10)) # データを欠損させます df.iloc[3, 0] = NA df.iloc[10:20, 2] = NA df.iloc[45 , :8] = NA df.iloc[85:95 , 3] = NA ########## [選択肢] 1. df.dropna(axis=0, inplace=True) 2. df.dropna(axis=1) 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． Q1： “http://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data” から csv 形式のワインに関数データを読み込み、DataFrame 形式で変数 df_wine に代入してください． また、列名は “連番” で読み込んでください． Q2：wine_df のカラムに、”, ‘Alcohol’, “Malic acid”, “Ash”, “Alcalinity of ash”, “Magnesium”, “Total phenols”, “Flavanoids”, “Nonflavanoid phenol”, “Proanthocyanis”, “Color intensity”, “Hue”, “OD280/0D315 of diluted wines”, “Proline” を追加してください． import pandas as pd # Q1 wine_df = ########## # Q2 ########## wine_df.head() [Q1 の選択肢] 1. pd.read_csv(“http://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data”, header=True) […]

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： “http://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data” から csv 形式のワインに関数データを読み込み、DataFrame 形式で変数 df_wine に代入してください． また、列名は “連番” で読み込んでください． Q2：wine_df のカラムに変数 wine_col を追加してください． import pandas as pd # Q1 wine_df = ########## wine_col = [”, ‘Alcohol’, “Malic acid”, “Ash”, “Alcalinity of ash”, “Magnesium”, “Total phenols”, “Flavanoids”, “Nonflavanoid phenol”, “Proanthocyanis”, “Color intensity”, “Hue”, “OD280/0D315 of diluted wines”, “Proline”] # Q2 wine_df.head() […]

次のコードで空欄になっている行に入る適切な選択肢を 1 ~ 3 から選び、下記の設問に答えてください． Q1：変数 df_propery を「Pre」についてグループ化し変数 grouped_Pre に代入してください Q2：変数 mean_df の各列ごとの平均値を求め変数 mean_df に代入してください． Q3：変数 mean_df の「Rent」について降順にソートし変数 asc_df に代入してください． import pandas as pd df_propery = pd.DataFrame([[“Shibuya”, 90000, 6.5, “Tokyo”], [“Umeda”, 65000, 7.0, “Osaka”], [“Kawasaki”, 55000, 7.0, “Kanagawa”], [“Yokohama”, 80000, 6.0, “Kanagawa”], [“Shinjuku”,88000, 8.0, “Tokyo” ], [“Namba”, 47000, 10, “Osaka”]], columns=[“Sta”, “Rent”, “Area”, “Pre”]) # […]