Category Archives: 未分類

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 を下記の並列へ変換してください． #################### C A 101 301 102 302 103 303 #################### import pandas as pd df = pd.DataFrame({“A” : [101, 102, 103], “B” : [201, 202, 203], “C” : [301, 302, 303]}, index=[“a”, “b”, “c”]) ########## [選択肢] 1. df.pivot(index=”A”, values=”C”) 2. df.pivot_table(index=”A”, values=”C”) 3. df.pivot(values=[“A”, “C”]) 4. df.pivot_table(values=[“A”, “C”])

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 を下記の並列へ変換してください． #################### C A 101 301 102 302 103 303 #################### import pandas as pd df = pd.DataFrame({“A” : [101, 102, 103], “B” : [201, 202, 203], “C” : [301, 302, 303]}, index=[“a”, “b”, “c”]) ########## [選択肢] 1. df.pivot(index=”A”, values=”C”) 2. df.pivot_table(index=”A”, values=”C”) 3. df.pivot(values=[“A”, “C”]) 4. df.pivot_table(values=[“A”, “C”])

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 を下記のような並列へ変換してください． （※ 答えは 2 行になります．） ########## 配列 ########## B Name cutting_A a (-0.00323, 1.076] 0 (1.076, 2.153] 4 b (1.076, 2.153] 2 (2.153, 3.229] 5 c (-0.00323, 1.076] 1 (1.076, 2.153] 3 ########################## np.random.seed(0) df = pd.DataFrame({“Name” : [“a”, “c”, “b”, “c”, “a”, “b”], “A” : np.random.rand(6)*np.arange(0, 6, 1), “B” : np.arange(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 を下記のような並列へ変換してください． （※ 答えは 2 行になります．） ########## 配列 ########## # B # Name cutting_A # a (-0.00323, 1.076] 0 # (1.076, 2.153] 4 # b (1.076, 2.153] 2 # (2.153, 3.229] 5 # c (-0.00323, 1.076] 1 # (1.076, 2.153] 3 ########################## np.random.seed(0) np.random.seed(0) df = pd.DataFrame({“Name” : [“a”, “c”, “b”, “c”, “a”, […]

次のベクトルを計算してください． 答えには、解を記入してください． $$ {LARGE [ left( begin{array}{ccc} 1 & 2 & 3 end{array} right) left( begin{array}{ccc} 1 \ -1 \ 2 end{array} right) ] } $$

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． 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 […]

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． GetMode() 関数を用いて、変数 df の列の最頻値を求めてください． import pandas as pd import numpy as np df = pd.DataFrame({“Height” : np.arange(155, 185, 3), “Weight” : np.arange(45, 85, 4), “Sex” : [“Female”, “Male”, “Male”, “Female”, “Female”, “FeMale”, “Female”, “Male”, “Male”, “Male”], “School Year” : [1, 1, 2, 4, 3, 4, 5, 5, 6, 6]}) GetMode = lambda x: x.mode().iloc[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． Q1：変数 measure_weight を用いて、 変数 df の “Weight” 列をビン詰めしてください．また、ビン名には bin_labels を指定してください． Q2：Q1 で得られた Category の各ビンごとのデータの個数をカウントしてください． import pandas as pd import numpy as np df = pd.DataFrame({“Height” : np.arange(155, 185, 3), “Weight” : np.arange(45, 85, 4), “Sex” : [“Female”, “Male”, “Male”, “Female”, “Female”, “FeMale”, “Female”, “Male”, “Male”, “Male”], “School Year” : [1, 1, 2, 4, 3, […]