技术文章库 - 编程教程与技术分享平台
编写一个 Python 函数，根据分隔符拆分字符串并转换为系列
使用’'分隔符拆分字符串并转换为系列的结果为，0apple1orange2mango3kiwi为了解决这个问题，我们将遵循以下方法−解决方案1定义一个函数split_str()，它接受两个参数字符串和分隔符在分隔符值内创建s.split()函数并将其存储为split_datasplit_data=s.split(d)在pd.Se
用 Python 编写一个程序，打印给定时间序列数据中的前三天和后三天
假设您有时间序列，并且给定序列中前三天和后三天的结果是，firstthreedays:2020-01-01Chennai2020-01-03DelhiFreq:2D,dtype:objectlastthreedays:2020-01-07Pune2020-01-09KolkataFreq:2D,dtype:object为了解决这个问题，我们将遵循下面给出的步骤&
用 Python 编写一个程序，生成一个包含 30 个元素的随机数组，元素范围从 1 到 100，并计算数据框中每行的最大值和最小值
生成数据框中每行的最大值和最小值的结果是043.00000011.91111122.405405320.00000047.72727356.333333为了解决这个问题，我们将遵循下面给出的步骤−解决方案1定义一个大小为30个随机元素(从1到100)的数据框，并通过(6,5)重塑数组以更改二维数组df=pd.DataFrame(np.ran
编写 Python 代码来查找给定数据框中每列的第二低值
假设您有一个数据框，并且每列中第二低值的结果是，Id2Salary30000Age23为了解决这个问题，我们将遵循下面给出的步骤−解决方案定义一个数据框在创建lambda函数中设置df.apply()函数，并设置变量如x以访问所有列并检查表达式为x.sort_values().unique()[1]与axis=0返回第二低值，result=df.a
用 Python 编写一个程序来查找给定数据框中哪一列的缺失值最少
假设，您有一个数据框，并且缺失值列的最小数量为，数据框为:IdSalaryAge01.020000.022.012.0NaN23.023.050000.0NaN3NaN40000.025.045.080000.0NaN56.0NaN25.067.0350000.026.078.055000.027.0
编写一个 Python 函数来计算从开始日期和结束日期范围开始的总工作日数
假设，您有一个date_range日期，总工作日数的结果是，日期为:DatetimeIndex(['2020-01-01','2020-01-02','2020-01-03','2020-01-06','2020-01-07','2020-01-08','2020-0
用 Python 编写一个程序，按 C 和 F 顺序展平给定数据框中的记录
假设，您有一个数据框，按C和F顺序展平记录的结果为，flatc_order:[1012251331211142415614]flatF_order:[1025311246121312141514]解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框在设置参数为order=’C’的内部应
用 Python 编写一个程序，将数据框行打印为带有元组值列表的 orderDict
假设您有一个数据框，带有元组列表的orderDict的结果是−OrderedDict([('Index',0),('Name','Raj'),('Age',13),('City','Chennai'),('Mark',80)])OrderedDict(
用 Python 编写一个程序来计算给定数据框中的调整后和未调整后的 EWM
假设您有一个数据框，调整后和未调整后的EWM的结果为−adjustedewm:IdAge01.00000012.00000011.75000012.75000022.61538512.23076932.61538513.42500044.67021314.479339nonadjustedewm:IdAge01.000000
编写 Python 代码来填充给定数据框中的所有缺失值
解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义数据框在方法=’linear’、limit_direction=’forward’内应用df.interpolate函数并填充NaNlimit=2df.interpolate(method='linear',limit_direction=&
编写 Python 代码以重命名数据框中的给定轴
假设您有一个数据框，重命名轴的结果是，重命名索引:indexIdAgeMark01.012.080.012.012.090.023.014.0NaN3NaN13.095.045.0NaN85.0解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框在轴名称中将df.rename_axis(
编写 Python 代码来查找两个数据框的交叉制表
假设您有两个数据框，交叉制表的结果是，Age121314Mark809085ID11002010310040105001解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义两个数据框在索引中将df.crosstab()函数应用为"Id"并将列应用为"Age"和"Mark"。它的定义如下，pd.crosstab(index=df
使用 applymap 用 Python 编写一个程序，打印数据框中所有列元素的长度
数据框中所有列元素长度的结果是，数据框是:FruitsCity0AppleShimla1OrangeSydney2MangoLucknow3KiwiWellington所有列元素的长度FruitsCity0561662573410解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框在lambda函数中
编写 Python 代码来计算前 2 个值和后 2 个值的 Id 和 Age 列之间的百分比变化
假设您有数据框，并且Id和Age列前2个值和后2个值的百分比变化结果IdandAge-top2valuesIdAge0NaNNaN11.00.0IdandAge-bottom2valuesIdAge30.000000-0.07142940.6666670.000000解决方案为了解决这个问题，我们将遵循下面给出的步骤−定
编写一个 Python 程序在数据框中执行表式管道函数
假设您有一个数据框，表式函数的结果是，表式函数:IdMark06.085.017.095.028.075.039.090.0410.095.0解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框创建一个具有两个参数的用户定义函数avg，并将结果返回为(a+b/2)。它定义如下，defavg(a,b):return(a+b/2)应用pi
编写一个 Python 程序来修剪数据框中的最小和最大阈值
假设您有一个数据框以及修剪最小和最大阈值的结果，最小阈值:Column1Column20303013430256303785043090最大阈值:Column1Column20122313430250253505042850剪切的数据框为:Column1Column203030134302
编写一个 Python 程序来量化数据框中分布的形状
假设您有一个数据框，量化分布形状的结果是，峰度为:Column1-1.526243Column21.948382dtype:float64不对称分布-偏度为:Column1-0.280389Column21.309355dtype:float64解决方案为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框应用df.kurt(axis=0)来计算分
编写一个 Python 程序来查找数据框中行和列的平均绝对偏差
解决方案假设您有一个数据框，行和列的平均绝对偏差为，列数:Column10.938776Column20.600000dtype:float64行数:00.50010.90020.65030.90040.75050.57561.325dtype:float64为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框计算行的平均绝对偏差为，df
编写一个 Python 程序来查找面板中第一行的平均值
假设您有面板，第一行的平均值是，第一行的平均值是:Column10.274124dtype:float64解决方案为了解决这个问题，我们将遵循下面给出的步骤−将数据值设置为字典键为"Column1"，值为pd.DataFrame(np.random.randn(5,3))data={'Column1':pd.DataFrame(np.random.r
用 Python 编写一个程序来查找数据框中特定列的最小排名
解决方案假设，您有一个数据框和特定列的最小排名，IdNameAgeRank01Adam121.012David133.023Michael145.034Peter121.045William133.0为了解决这个问题，我们将遵循下面给出的步骤−定义一个数据框。在rank函数中分配df[‘Age&rsq
