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． 辞書型の変数 grade_dict を用いて、変数 df のカラム “School Year” をベースとしてマッピングしてください． また、変数 df にマッピングで得られて Series をカラム “Grade” として代入してください 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, […]

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． 変数 wine_df の”Flavanoids” 列の最頻値を算出し、出力してください． import pandas as pd wine_df = pd.read_csv(“http://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data”, header=None) 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”] wine_df.columns = wine_col print(##########) 1. wine_df[“Flavanoids”].mean() 2. wine_df[Flavanoids”].median() 3. wine_df[Flavanoids”].mode().iloc[0] 4. wine_df[Flavanoids”].ilco[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．変数 df で、各行ごとに欠損値ではない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(axis=1) 2. df.isnull(axis=1) 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 に含まれる欠損値の総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().sum() 2. df.isnull().sum() 3. df.count().sum(axis=1).sum() 4. df.isnull().sum(axis=1).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．3 列目の欠損値が存在する行を変数 df から削除してください． （※ 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[~df[3].isnull()] 2. df[3].isnull() […]

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．欠損値をそれぞれの列ごとの平均値で補間してください． (※ 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 ########## 1. df.fillna() 2. df.fillna(df.mean()) 3. df.fillna(df.median()) 4. df.fillna(df.mode().iloc[0]) 5. df.fillna(method=’ffill’) […]

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．欠損値をそれぞれの欠損値の 1 つ前の行のデータで補間してください． (※ 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 ########## 1. df.fillna() 2. df.fillna(df.mean()) 3. df.fillna(df.median()) 4. df.fillna(df.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． 変数 df の欠損値に対処します．欠損値をそれぞれの列の中央値で補間してください． （※ 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 ########## 1. df.fillna() 2. df.fillna(df.mean()) 3. df.fillna(df.median()) 4. df.fillna(df.mode().iloc[0]) 5. df.fillna(method=’ffill’) […]

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（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.dropna(axis=0, inplace=True) 2. df.dropna(axis=1) 3. […]