input
stringlengths 0
929
| output
stringlengths 0
10.3k
| task
stringclasses 3
values | index
int64 0
5.38k
| liscence
stringclasses 4
values | source
stringclasses 15
values | instruction
stringlengths 13
3.45k
|
|---|---|---|---|---|---|---|
Z = (np.random.rand(10)*100).astype(np.float32)
Y = Z.view(np.int32)
Y[:] = Z
print(Y) | code_generation | 700 | The Unliscence | 100_numpy_exercises | numpyを用いて、浮動小数点数（32ビット）の配列を整数（32ビット）に変換しなさい。 |
|
from io import StringIO
# Fake file
s = StringIO('''1, 2, 3, 4, 5
6, , , 7, 8
, , 9,10,11
''')
Z = np.genfromtxt(s, delimiter=",", dtype=np.int)
print(Z) | code_generation | 701 | The Unliscence | 100_numpy_exercises | numpyを用いて、次のファイルを読むには？
1, 2, 3, 4, 5
6, , , 7, 8
, , 9,10,11 |
|
Z = np.arange(9).reshape(3,3)
for index, value in np.ndenumerate(Z):
print(index, value)
for index in np.ndindex(Z.shape):
print(index, Z[index]) | code_generation | 702 | The Unliscence | 100_numpy_exercises | numpy配列のenumerateに相当するものは何ですか？ |
|
X, Y = np.meshgrid(np.linspace(-1,1,10), np.linspace(-1,1,10))
D = np.sqrt(X*X+Y*Y)
sigma, mu = 1.0, 0.0
G = np.exp(-( (D-mu)**2 / ( 2.0 * sigma**2 ) ) )
print(G) | code_generation | 703 | The Unliscence | 100_numpy_exercises | numpyを用いて、一般的な2Dガウシアン配列を生成しなさい。 |
|
n = 10
p = 3
Z = np.zeros((n,n))
np.put(Z, np.random.choice(range(n*n), p, replace=False),1)
print(Z) | code_generation | 704 | The Unliscence | 100_numpy_exercises | numpyを用いて、2次元配列にp個の要素をランダムに配置しなさい。 |
|
X = np.random.rand(5, 10)
# Recent versions of numpy
Y = X - X.mean(axis=1, keepdims=True)
# Older versions of numpy
Y = X - X.mean(axis=1).reshape(-1, 1)
print(Y) | code_generation | 705 | The Unliscence | 100_numpy_exercises | numpyを用いて、行列の各行の平均を引きなさい。 |
|
Z = np.random.randint(0,10,(3,3))
print(Z)
print(Z[Z[:,1].argsort()]) | code_generation | 706 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列をn番目の列でソートしなさい。 |
|
# null : 0
Z = np.random.randint(0,3,(3,10))
print((~Z.any(axis=0)).any())
# null : np.nan
Z=np.array([
[0,1,np.nan],
[1,2,np.nan],
[4,5,np.nan]
])
print(np.isnan(Z).all(axis=0)) | code_generation | 707 | The Unliscence | 100_numpy_exercises | numpyを用いて、指定された2次元配列にNULL列があるかどうかを判定しなさい。 |
|
Z = np.random.uniform(0,1,10)
z = 0.5
m = Z.flat[np.abs(Z - z).argmin()]
print(m) | code_generation | 708 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列中の指定された値から最も近い値を見つなさい。 |
|
A = np.arange(3).reshape(3,1)
B = np.arange(3).reshape(1,3)
it = np.nditer([A,B,None])
for x,y,z in it: z[...] = x + y
print(it.operands[2]) | code_generation | 709 | The Unliscence | 100_numpy_exercises | (1,3)と(3,1)の2つの配列があるとして、numpyとイテレータを使ってそれらの和を計算する方法は？ |
|
class NamedArray(np.ndarray):
def __new__(cls, array, name="no name"):
obj = np.asarray(array).view(cls)
obj.name = name
return obj
def __array_finalize__(self, obj):
if obj is None: return
self.name = getattr(obj, 'name', "no name")
Z = NamedArray(np.arange(10), "range_10")
print (Z.name) | code_generation | 710 | The Unliscence | 100_numpy_exercises | numpyを用いて、name属性を持つ配列クラスを作成しなさい。 |
|
Z = np.ones(10)
I = np.random.randint(0,len(Z),20)
Z += np.bincount(I, minlength=len(Z))
print(Z)
# Another solution
np.add.at(Z, I, 1)
print(Z) | code_generation | 711 | The Unliscence | 100_numpy_exercises | numpyを用いて、与えられたベクトルを考え、2番目のベクトル（繰り返されるインデックスに注意）によってインデックス付けされた各要素に1を加えるには？ |
|
X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1]
F = np.bincount(I,X)
print(F) | code_generation | 712 | The Unliscence | 100_numpy_exercises | numpyを用いて、インデックス・リスト(I)に基づいてベクトル(X)の要素を配列(F)に蓄積しなさい。
X = [1,2,3,4,5,6]
I = [1,3,9,3,4,1] |
|
w, h = 256, 256
I = np.random.randint(0, 4, (h, w, 3)).astype(np.ubyte)
colors = np.unique(I.reshape(-1, 3), axis=0)
n = len(colors)
print(n)
# Faster version
# https://stackoverflow.com/a/59671950/2836621
w, h = 256, 256
I = np.random.randint(0,4,(h,w,3), dtype=np.uint8)
# View each pixel as a single 24-bit integer, rather than three 8-bit bytes
I24 = np.dot(I.astype(np.uint32),[1,256,65536])
# Count unique colours
n = len(np.unique(I24))
print(n) | code_generation | 713 | The Unliscence | 100_numpy_exercises | numpyを用いて、(dtype=ubyte)の(w,h,3)画像について、固有の色の数を計算しなさい。 |
|
A = np.random.randint(0,10,(3,4,3,4))
# solution by passing a tuple of axes (introduced in numpy 1.7.0)
sum = A.sum(axis=(-2,-1))
print(sum)
# solution by flattening the last two dimensions into one
# (useful for functions that don't accept tuples for axis argument)
sum = A.reshape(A.shape[:-2] + (-1,)).sum(axis=-1)
print(sum) | code_generation | 714 | The Unliscence | 100_numpy_exercises | numpyを用いて、4次元配列の場合、最後の2軸の和を一度に求めなさい。 |
|
D = np.random.uniform(0,1,100)
S = np.random.randint(0,10,100)
D_sums = np.bincount(S, weights=D)
D_counts = np.bincount(S)
D_means = D_sums / D_counts
print(D_means)
# Pandas solution as a reference due to more intuitive code
import pandas as pd
print(pd.Series(D).groupby(S).mean()) | code_generation | 715 | The Unliscence | 100_numpy_exercises | numpyを用いて、一次元ベクトルDを考えるとき、部分集合のインデックスを記述した同じ大きさのベクトルSを使って、Dの部分集合の平均を計算しなさい。 |
|
A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5))
# Slow version
np.diag(np.dot(A, B))
# Fast version
np.sum(A * B.T, axis=1)
# Faster version
np.einsum("ij,ji->i", A, B) | code_generation | 716 | The Unliscence | 100_numpy_exercises | numpyを用いて、点積の対角線を求めなさい。
A = np.random.uniform(0,1,(5,5))
B = np.random.uniform(0,1,(5,5)) |
|
Z = np.array([1,2,3,4,5])
nz = 3
Z0 = np.zeros(len(Z) + (len(Z)-1)*(nz))
Z0[::nz+1] = Z
print(Z0) | code_generation | 717 | The Unliscence | 100_numpy_exercises | numpyを用いて、ベクトル[1, 2, 3, 4, 5]を考え、各値の間に連続する3つのゼロを挟んだ新しいベクトルを作りなさい。
Z = np.array([1,2,3,4,5]) |
|
A = np.ones((5,5,3))
B = 2*np.ones((5,5))
print(A * B[:,:,None]) | code_generation | 718 | The Unliscence | 100_numpy_exercises | numpyを用いて、次元(5,5,3)の配列を次元(5,5)の配列で乗算しなさい。 |
|
A = np.arange(25).reshape(5,5)
A[[0,1]] = A[[1,0]]
print(A) | code_generation | 719 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列の2行を入れ替えなさい。 |
|
faces = np.random.randint(0,100,(10,3))
F = np.roll(faces.repeat(2,axis=1),-1,axis=1)
F = F.reshape(len(F)*3,2)
F = np.sort(F,axis=1)
G = F.view( dtype=[('p0',F.dtype),('p1',F.dtype)] )
G = np.unique(G)
print(G) | code_generation | 720 | The Unliscence | 100_numpy_exercises | numpyを用いて、（頂点を共有する）10個の三角形を描写する10個の三つ組の集合を考え、すべての三角形を構成する一意な線分の集合を求めなさい。 |
|
C = np.bincount([1,1,2,3,4,4,6])
A = np.repeat(np.arange(len(C)), C)
print(A) | code_generation | 721 | The Unliscence | 100_numpy_exercises | ビンカウントに対応するソート配列Cが与えられたとき、numpyを用いて np.bincount(A) == Cとなる配列Aを生成しなさい。 |
|
def moving_average(a, n=3) :
ret = np.cumsum(a, dtype=float)
ret[n:] = ret[n:] - ret[:-n]
return ret[n - 1:] / n
Z = np.arange(20)
print(moving_average(Z, n=3)) | code_generation | 722 | The Unliscence | 100_numpy_exercises | numpyと配列上のスライディングウィンドウを使って平均を計算しなさい。 |
|
from numpy.lib import stride_tricks
def rolling(a, window):
shape = (a.size - window + 1, window)
strides = (a.strides[0], a.strides[0])
return stride_tricks.as_strided(a, shape=shape, strides=strides)
Z = rolling(np.arange(10), 3)
print(Z)
| code_generation | 723 | The Unliscence | 100_numpy_exercises | numpyを用いて、1次元配列Zを、最初の行を(Z[0],Z[1],Z[2])とし、それ以降の行を1ずつシフトした2次元配列を構築しなさい(最後の行は(Z[-3],Z[-2],Z[-1])。 |
|
# ブール値を無効
Z = np.random.randint(0,2,100)
np.logical_not(Z, out=Z)
# 浮動小数点数の符号を変更
Z = np.random.uniform(-1.0,1.0,100)
np.negative(Z, out=Z) | code_generation | 724 | The Unliscence | 100_numpy_exercises | numpyを用いて、ブール値を無効にしたり、浮動小数点数の符号をインプレースで変更するには？ |
|
def distance(P0, P1, p):
T = P1 - P0
L = (T**2).sum(axis=1)
U = -((P0[:,0]-p[...,0])*T[:,0] + (P0[:,1]-p[...,1])*T[:,1]) / L
U = U.reshape(len(U),1)
D = P0 + U*T - p
return np.sqrt((D**2).sum(axis=1))
P0 = np.random.uniform(-10,10,(10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10,10,( 1,2))
print(distance(P0, P1, p)) | code_generation | 725 | The Unliscence | 100_numpy_exercises | numpyを用いて、直線(2d)を描写する2組の点P0,P1と点pを考え、pから各直線i(P0[i],P1[i])までの距離を計算するには？ |
|
# based on distance function from previous question
P0 = np.random.uniform(-10, 10, (10,2))
P1 = np.random.uniform(-10,10,(10,2))
p = np.random.uniform(-10, 10, (10,2))
print(np.array([distance(P0,P1,p_i) for p_i in p])) | code_generation | 726 | The Unliscence | 100_numpy_exercises | numpyを用いて、直線(2d)を描写する2組の点P0,P1と点の集合Pを考えたとき、各点j(P[j])から各直線i(P0[i],P1[i])までの距離をどのように計算するか？ |
|
Z = np.random.randint(0,10,(10,10))
shape = (5,5)
fill = 0
position = (1,1)
R = np.ones(shape, dtype=Z.dtype)*fill
P = np.array(list(position)).astype(int)
Rs = np.array(list(R.shape)).astype(int)
Zs = np.array(list(Z.shape)).astype(int)
R_start = np.zeros((len(shape),)).astype(int)
R_stop = np.array(list(shape)).astype(int)
Z_start = (P-Rs//2)
Z_stop = (P+Rs//2)+Rs%2
R_start = (R_start - np.minimum(Z_start,0)).tolist()
Z_start = (np.maximum(Z_start,0)).tolist()
R_stop = np.maximum(R_start, (R_stop - np.maximum(Z_stop-Zs,0))).tolist()
Z_stop = (np.minimum(Z_stop,Zs)).tolist()
r = [slice(start,stop) for start,stop in zip(R_start,R_stop)]
z = [slice(start,stop) for start,stop in zip(Z_start,Z_stop)]
R[r] = Z[z]
print(Z)
print(R) | code_generation | 727 | The Unliscence | 100_numpy_exercises | numpyを用いて、任意の配列を考え、与えられた要素を中心に、一定の形をした部分部分を抽出する関数を書きなさい（必要に応じて `fill` 値で埋める）。 |
|
from numpy.lib import stride_tricks
Z = np.arange(1,15,dtype=np.uint32)
R = stride_tricks.as_strided(Z,(11,4),(4,4))
print(R) | code_generation | 728 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列Z = [1,2,3,4,5,6,7,8,9,10,11,12,13,14] を考えたとき、配列R = [[1,2,3,4], [2,3,4,5], [3,4,5,6], ..., [11,12,13,14]]を生成するには？ |
|
Z = np.random.uniform(0,1,(10,10))
U, S, V = np.linalg.svd(Z) # Singular Value Decomposition
rank = np.sum(S > 1e-10)
print(rank) | code_generation | 729 | The Unliscence | 100_numpy_exercises | numpyを用いて、行列のランクを計算しなさい。 |
|
Z = np.random.randint(0,10,50)
print(np.bincount(Z).argmax()) | code_generation | 730 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列中の最頻値を見つけなさい。 |
|
from numpy.lib import stride_tricks
Z = np.random.randint(0,5,(10,10))
n = 3
i = 1 + (Z.shape[0]-3)
j = 1 + (Z.shape[1]-3)
C = stride_tricks.as_strided(Z, shape=(i, j, n, n), strides=Z.strides + Z.strides)
print(C) | code_generation | 731 | The Unliscence | 100_numpy_exercises | numpyを用いて、ランダムな10x10の行列から、連続する3x3のブロックをすべて抽出しなさい。 |
|
class Symetric(np.ndarray):
def __setitem__(self, index, value):
i,j = index
super(Symetric, self).__setitem__((i,j), value)
super(Symetric, self).__setitem__((j,i), value)
def symetric(Z):
return np.asarray(Z + Z.T - np.diag(Z.diagonal())).view(Symetric)
S = symetric(np.random.randint(0,10,(5,5)))
S[2,3] = 42
print(S) | code_generation | 732 | The Unliscence | 100_numpy_exercises | numpyを用いて、Z[i,j]==Z[j,i]となるような2次元配列のサブクラスを作成しなさい。 |
|
p, n = 10, 20
M = np.ones((p,n,n))
V = np.ones((p,n,1))
S = np.tensordot(M, V, axes=[[0, 2], [0, 1]])
print(S) | code_generation | 733 | The Unliscence | 100_numpy_exercises | 形状(n,n)を持つp個の行列の集合と、形状(n,1)を持つp個のベクトルの集合を考える。numpyを用いて、p個の行列の積の和を一度に計算しなさい。（結果は形状(n,1)を持つ）。 |
|
Z = np.ones((16,16))
k = 4
S = np.add.reduceat(np.add.reduceat(Z, np.arange(0, Z.shape[0], k), axis=0),
np.arange(0, Z.shape[1], k), axis=1)
print(S) | code_generation | 734 | The Unliscence | 100_numpy_exercises | numpyを用いて、16x16の配列を考え、ブロックサム（ブロックサイズは4x4）を求めなさい。 |
|
def iterate(Z):
# Count neighbours
N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +
Z[1:-1,0:-2] + Z[1:-1,2:] +
Z[2: ,0:-2] + Z[2: ,1:-1] + Z[2: ,2:])
# Apply rules
birth = (N==3) & (Z[1:-1,1:-1]==0)
survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)
Z[...] = 0
Z[1:-1,1:-1][birth | survive] = 1
return Z
Z = np.random.randint(0,2,(50,50))
for i in range(100): Z = iterate(Z)
print(Z) | code_generation | 735 | The Unliscence | 100_numpy_exercises | numpyの配列を使って人生ゲームを実装しなさい。 |
|
Z = np.arange(10000)
np.random.shuffle(Z)
n = 5
# Slow
print (Z[np.argsort(Z)[-n:]])
# Fast
print (Z[np.argpartition(-Z,n)[:n]]) | code_generation | 736 | The Unliscence | 100_numpy_exercises | numpyを用いて、配列の最大 n 個の値を取得しなさい。 |
|
def cartesian(arrays):
arrays = [np.asarray(a) for a in arrays]
shape = (len(x) for x in arrays)
ix = np.indices(shape, dtype=int)
ix = ix.reshape(len(arrays), -1).T
for n, arr in enumerate(arrays):
ix[:, n] = arrays[n][ix[:, n]]
return ix
print (cartesian(([1, 2, 3], [4, 5], [6, 7]))) | code_generation | 737 | The Unliscence | 100_numpy_exercises | numpyを用いて、任意の数のベクトルが与えられたとき、デカルト積を構築しなさい（すべての項目のすべての組み合わせ） |
|
Z = np.array([("Hello", 2.5, 3),
("World", 3.6, 2)])
R = np.core.records.fromarrays(Z.T,
names='col1, col2, col3',
formats = 'S8, f8, i8')
print(R) | code_generation | 738 | The Unliscence | 100_numpy_exercises | numpyを用いて、通常の配列からレコード配列を作成しなさい。 |
|
x = np.random.rand(int(5e7))
%timeit np.power(x,3)
%timeit x*x*x
%timeit np.einsum('i,i,i->i',x,x,x) | code_generation | 739 | The Unliscence | 100_numpy_exercises | numpyを用いて、大きなベクトルZを考え、3つの異なる方法を用いてZの3乗を計算しなさい。 |
|
A = np.random.randint(0,5,(8,3))
B = np.random.randint(0,5,(2,2))
C = (A[..., np.newaxis, np.newaxis] == B)
rows = np.where(C.any((3,1)).all(1))[0]
print(rows) | code_generation | 740 | The Unliscence | 100_numpy_exercises | (8,3)と(2,2)の2つの配列AとBを考える。numpyを用いて、Bの要素の順序に関係なく、Bの各行の要素を含むAの行を見つけなさい。 |
|
Z = np.random.randint(0,5,(10,3))
print(Z)
# solution for arrays of all dtypes (including string arrays and record arrays)
E = np.all(Z[:,1:] == Z[:,:-1], axis=1)
U = Z[~E]
print(U)
# soluiton for numerical arrays only, will work for any number of columns in Z
U = Z[Z.max(axis=1) != Z.min(axis=1),:]
print(U) | code_generation | 741 | The Unliscence | 100_numpy_exercises | numpyを用いて、10x3の行列を考え、値が等しくない行（例えば[2,2,3]）を抽出しなさい。 |
|
I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128])
B = ((I.reshape(-1,1) & (2**np.arange(8))) != 0).astype(int)
print(B[:,::-1])
# alternative solution:
I = np.array([0, 1, 2, 3, 15, 16, 32, 64, 128], dtype=np.uint8)
print(np.unpackbits(I[:, np.newaxis], axis=1)) | code_generation | 742 | The Unliscence | 100_numpy_exercises | numpyを用いて、intのベクトルを行列のバイナリ表現に変換しなさい。 |
|
Z = np.random.randint(0,2,(6,3))
T = np.ascontiguousarray(Z).view(np.dtype((np.void, Z.dtype.itemsize * Z.shape[1])))
_, idx = np.unique(T, return_index=True)
uZ = Z[idx]
print(uZ)
# alternative solution:
# NumPy >= 1.13
uZ = np.unique(Z, axis=0)
print(uZ) | code_generation | 743 | The Unliscence | 100_numpy_exercises | numpyを用いて、2次元の配列が与えられた場合、一意な行を抽出しなさい。 |
|
A = np.random.uniform(0,1,10)
B = np.random.uniform(0,1,10)
np.einsum('i->', A) # np.sum(A)
np.einsum('i,i->i', A, B) # A * B
np.einsum('i,i', A, B) # np.inner(A, B)
np.einsum('i,j->ij', A, B) # np.outer(A, B) | code_generation | 744 | The Unliscence | 100_numpy_exercises | numpyを用いて、2つのベクトルA、Bについて、inner、outer、sum、mul関数のeinsum等価値を書きなさい。 |
|
phi = np.arange(0, 10*np.pi, 0.1)
a = 1
x = a*phi*np.cos(phi)
y = a*phi*np.sin(phi)
dr = (np.diff(x)**2 + np.diff(y)**2)**.5 # segment lengths
r = np.zeros_like(x)
r[1:] = np.cumsum(dr) # integrate path
r_int = np.linspace(0, r.max(), 200) # regular spaced path
x_int = np.interp(r_int, r, x) # integrate path
y_int = np.interp(r_int, r, y) | code_generation | 745 | The Unliscence | 100_numpy_exercises | numpyを用いて、2つのベクトル(X,Y)で記述される経路を考え、等距離のサンプルを使ってサンプリングしなさい。 |
|
X = np.asarray([[1.0, 0.0, 3.0, 8.0],
[2.0, 0.0, 1.0, 1.0],
[1.5, 2.5, 1.0, 0.0]])
n = 4
M = np.logical_and.reduce(np.mod(X, 1) == 0, axis=-1)
M &= (X.sum(axis=-1) == n)
print(X[M]) | code_generation | 746 | The Unliscence | 100_numpy_exercises | numpyを用いて、整数nと2次元配列Xが与えられたとき、Xから、次数nの多項分布からの描画と解釈できる行、すなわち、整数だけを含み、その和がnになる行を選択しなさい。 |
|
X = np.random.randn(100) # random 1D array
N = 1000 # number of bootstrap samples
idx = np.random.randint(0, X.size, (N, X.size))
means = X[idx].mean(axis=1)
confint = np.percentile(means, [2.5, 97.5])
print(confint) | code_generation | 747 | The Unliscence | 100_numpy_exercises | numpyを用いて、1次元配列Xの平均のブートストラップ95%信頼区間を計算しなさい（つまり、配列の要素をN回置換して再標本化し、各標本の平均を計算し、その平均のパーセンタイルを計算する）。 |
|
df.head()
[tips]
・.head()はデフォルトで先頭5行表示
・()に表示したい行数を入れる
・先頭10行表示は .head(10) | code_generation | 748 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームの最初の5行を表示しなさい。 |
|
df.tail()
[tips]
・.tail()はデフォルトで最後の5行表示
・()に表示したい行数を入れる
・最後10行表示は .tail(10) | code_generation | 749 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームの最初の5行を表示しなさい。 |
|
df.shape | code_generation | 750 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームのサイズを確認しなさい。 |
|
df2 = pd.read_csv('../input/data1.csv')
df2.head()
[Tips]
・csvの読み込みはread_csv
・必要に応じてencoding=''を指定する
・文字エンコードの例
utf-8、shift_jis (日本語)、cp932 (Windows拡張文字含む日本語)
ex)データを文字エンコードutf-8で読み込む場合
df2 = pd.read_csv('../input/data1.csv',encoding='utf-8') | code_generation | 751 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、inputフォルダ内のdata1.csvファイルを読み込み、df2に格納して最初の5行を表示しなさい。 |
|
df.sort_values('fare')
[Tips]
・要素でソートするときはsort_valuesを使用
・デフォルトでは昇順
・降順でソートしたい場合は ascending=False を指定
・ソートする列を複数指定可能
ex)
・降順でソートする場合
df.sort_values('fare', ascending=False)
・複数列でのソートする場合
df.sort_values(['fare','age']) | code_generation | 752 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのfareの列で昇順に並び替えて表示しなさい。 |
|
df_copy = df.copy()
df_copy.head()
[Tips]
① df_copy = df と ② df_copy = df.copy() では
挙動が異なるので注意が必要。
①の場合、df_copyはdfを参照しているだけのため、
df側の値を変えると、df_copy側の値も変わる
(dfとdf_copyは連動)。
df側の値の変更をdf_copy側に反映させたくない
場合には②のcopy()を使う(dfとdf_copyは独立)。 | code_generation | 753 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレーム df を df_copy にコピーして、最初の5行を表示しなさい。 |
|
print(df.dtypes)
print(df['cabin'].dtype)
[Tips]
・DataFrameのすべての列のデータ型を確認したい場合は dtypes
・DataFrameの一部の列のデータ型を確認したい場合は dtype | code_generation | 754 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfの各列のデータ型を確認しなさい。また、dfのcabinの列のデータ型も確認しなさい。 |
|
print(df['pclass'].dtype)
df['pclass'] = df['pclass'].astype(str)
print(df['pclass'].dtype)
[Tips]
・データ型を変更する場合は astype を使用
・concatを用いて数値列と文字列を結合しようとすると、データ型が異なるためエラーが発生します。このような場合に、両方の列のデータ型が同じになるようにastypeを使用してデータ型の変換をします。 | code_generation | 755 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのclassの列のデータ型を確認し、その後、classの列のデータ型を数値型から文字型に変換し、最後に再度データ型を確認しなさい。 |
|
len(df)
[Tips]
データフレームのレコード数(行数)を知りたい時はlen()を使用する。 | code_generation | 756 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdfのレコード数(行数)を確認しなさい。 |
|
df.info()
[Tips]
・レコード数(行数)、各列のデータ型、欠損値の有無の確認にはinfo()を使用
・RangeIndexがレコード数
・Data columnsがカラム数
・Non-Null Countがレコードが入ってる数 | code_generation | 757 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのレコード数(行数)、各列のデータ型、欠損値の有無を確認しなさい。 |
|
print(df['sex'].unique())
print(df['cabin'].unique())
[Tips]
列に含まれる要素の確認にはunique()を使用 | code_generation | 758 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのsex,cabinの列の要素を確認しなさい。 |
|
df.columns.tolist()
[Tips]
・列名を一覧表示するにはcolumnsを使用
・.tolist()を付けることでlist形式に変換
・ndarray形式で表示する場合は.valuesを使用
df.columns.values | code_generation | 759 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdfの列名一覧をlist形式で表示しなさい。 |
|
df.index.values
[Tips]
・インデックスを一覧表示するには.indexを使用
・.valuesを付けることでndaaray形式に変換
・list形式で表示する場合はtolist()を使用
df.index.tolist() | code_generation | 760 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdfのインデックス一覧をndaaray形式で表示しなさい。 |
|
df['name'] | code_generation | 761 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのnameの列のみ表示しなさい。 |
|
df[['name','sex']] | code_generation | 762 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのnameとsexの列のみ表示しなさい。 |
|
df[:4] | code_generation | 763 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdfのindex(行)の4行目までを表示しなさい。 |
|
df[3:10] | code_generation | 764 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdfのindex(行)の4行目から10行目までを表示しなさい。 |
|
df.loc[:,:] | code_generation | 765 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、locを使ってデータフレームdfの全体を表示しなさい。 |
|
df.loc[:, 'fare'] | code_generation | 766 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、locを使ってデータフレームdfのfare列をすべて表示しなさい。 |
|
df.loc[:10, 'fare'] | code_generation | 767 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、locを使ってデータフレームdfのfare列の10のラベルまでを表示しなさい。 |
|
df.loc[:,['name','ticket']] | code_generation | 768 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、locを使ってデータフレームdfのnameとticketの列をすべて表示しなさい。 |
|
df.loc[:,'name':'cabin'] | code_generation | 769 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、locを使ってデータフレームdfのnameからcabinまでの列をすべて表示しなさい。 |
|
df.iloc[:5,4] | code_generation | 770 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、ilocを使ってデータフレームdfのage列を5行目まで表示しなさい。 |
|
df_copy = df[['name','age','sex']]
df_copy.to_csv('../output/sample.csv')
[Tips]
・to_csvでcsv形式でファイル出力
・行番号、列名を削除してファイル出力したいときは、index=None,header=Noneをつける | code_generation | 771 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのname,age,sexの列のみ抽出しdf_copyに格納しなさい。さらにその後、outputフォルダにcsvでファイルを出力しなさい。出力ファイル名はsample.csvとする。 |
|
df[df['age'] >= 30] | code_generation | 772 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのage列の値が30以上のデータのみ抽出しなさい。 |
|
df[df['sex'] == 'female'] | code_generation | 773 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのsex列がfemaleのデータのみ抽出しなさい。 |
|
df[(df['sex'] == 'female' ) & (df['age'] >= 40)] | code_generation | 774 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのsex列がfemaleでかつageが40以上のデータのみ抽出しなさい。 |
|
df.query('sex == "female" & age >= 40 ') | code_generation | 775 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasのqueryを用いてdfのsex列がfemaleでかつageが40以上のデータのみ抽出しなさい。 |
|
df.query('name.str.contains("Mrs")', engine='python') | code_generation | 776 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのname列に文字列「Mrs」が含まれるデータを表示しなさい。 |
|
df.select_dtypes(include='object')
[Tips]
・特定のデータ型の列を抽出したい時はselect_dtypesを使用する。
・今回は文字列を抽出したいのでinclude='object'を指定
・exclude='object'をすれば数値型の列を抽出可能
ex) df.select_dtypes(exclude='object') | code_generation | 777 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfの中で文字列型の列のみを表示しなさい。 |
|
df.nunique()
[Tips]
ユニークな要素数の確認にはnunique()を使用 | code_generation | 778 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfの各列の要素数の確認しなさい。 |
|
df['embarked'].value_counts()
[Tips]
ユニークな要素と出現数を確認するにはvalue_counts()を使用 | code_generation | 779 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのembarked列の要素と出現回数の確認しなさい。 |
|
df.loc[3,'age'] = 40
df.head() | code_generation | 780 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのindex名が「3」のage列を30から40に変更し、先頭の5行を表示しなさい。 |
|
df['sex'][df['sex'] == 'male'] = 0
df['sex'][df['sex'] == 'female'] = 1
df.head()
[Tips]
・df['sex'][df['sex'] == 'male'] = 0
↓
「df['sex']において、dfのsex列がmaleと
なっているレコードを0に置き換える」
・.replace()メソッドを用いて以下のようにしても同様の結果になる
df['sex'] = df['sex'].replace({'male': 0, 'female': 1}) | code_generation | 781 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのsex列にてmale→0、femlae→1に変更し、先頭の5行を表示しなさい。 |
|
df['fare'] = df['fare'] + 100
df.head() | code_generation | 782 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのfare列に100を足して、先頭の5行を表示しなさい。 |
|
df['fare'] = df['fare'] * 2
df.head() | code_generation | 783 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのfare列に2を掛けて、先頭の5行を表示しなさい。 |
|
df['fare'] = df['fare'].round()
df.head()
[Tips]
・小数点以下を丸めるときは round() を使用する
・丸めるとは0.5より小さいときは切り捨て、0.5より大きいときは切り上げること(ちょうど0.5のときは、結果が偶数となるように切り捨て・切り上げを行う)
・()に整数nを渡すと、小数点以下n桁に丸める
・()に-1を指定すると10の位、-2を指定すると100の位に丸められる
ex)
df['fare'].round(2) 小数点2桁に丸める
123.456 → 123.46
df['fare'].round(-2) 整数2桁に丸める
123.456 → 100.0 | code_generation | 784 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのfare列を小数点以下で丸めて、先頭の5行を表示しなさい。 |
|
df['test'] = 1
df.head()
[Tips]
・新規に列を追加するときは上記のように書く | code_generation | 785 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfに列名「test」で値がすべて1のカラムを追加し、先頭の5行を表示しなさい。 |
|
df['test'] = df['cabin'].str.cat(df['embarked'],sep='_')
df.head()
[Tips]
・列同士の結合にはstr.cat()を使用
・下記のコードでも結合可能
df['test'] = df['cabin'] + '_' + df['embarked'] | code_generation | 786 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfにcabinとembarkedの列を「_」で結合した列を追加(列名は「test」)し、先頭の5行を表示しなさい。 |
|
df['test'] = df['age'].astype(str).str.cat(df['embarked'],sep='_')
df.head()
[Tips]
・数値変数と文字変数(カテゴリカル変数)は結合できないため、片方の列のデータ型を、もう片方の列のデータ型に変換する
・データ型の変換には astype を使用する(問題8を参照)
・ここでは数値変数のageを、文字変数(str)に変換
・下記のコードでも結合可能
df['test'] = df['age'].astype(str) + '_' + df['embarked'] | code_generation | 787 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfにageとembarkedの列を「_」で結合した列を追加(列名は「test」)し、先頭の5行を表示しなさい。 |
|
df = df.drop('body',axis=1)
df.head()
[Tips]
・行・列の削除をするにはdropを使用
・列を削除する場合は、axis=1を指定（行を削除する場合は、axis=0） | code_generation | 788 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfからbodyの列を削除し、最初の5行を表示しなさい。 |
|
df = df.drop(3,axis=0)
df.head()
[Tips]
・行・列の削除をするにはdropを使用
・行を削除する場合は、axis=0を指定（列を削除する場合は、axis=1） | code_generation | 789 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfからインデックス名「3」の行を削除し、最初の5行を表示しなさい。 |
|
df2.columns = ['name', 'class', 'Biology', 'Physics', 'Chemistry']
df2.head()
[Tips]
・データフレーム.columns = リストで
列名を一括変更
・renameを用いて以下のように変更することも可能
df2 = df2.rename(columns={'English' : 'Biology','Mathematics' : 'Physics', 'History' : 'Chemistry'}) | code_generation | 790 | AmenokakuCode Liscence | pandas_100_knocks | データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。pandasを用いて、データフレームdf2の列名を'name', 'class', 'Biology', 'Physics', 'Chemistry'に変更し、df2の最初の5行を表示しなさい。 |
|
df2 = df2.rename(columns={'English' : 'Biology'})
df2.head()
[Tips]
rename(columns={'English' : 'Biology'})で一部の列名のみ変更可能 | code_generation | 791 | AmenokakuCode Liscence | pandas_100_knocks | データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。pandasを用いて、df2の列名を'English'をBiology'に変更し、df2の最初の5行を表示しなさい。 |
|
df2 = df2.rename(index={1 : 10})
df2.head()
[Tips]
rename(index={1 : 10})で一部の行名を変更可能 | code_generation | 792 | AmenokakuCode Liscence | pandas_100_knocks | pandasを用いて、データフレームdf2のインデックス名「1」を「10」に変更し、df2の最初の5行を表示しなさい。 |
|
df.isnull().sum()
[Tips]
・isnull().sum()で欠損値数を確認
・欠損値じゃないレコードの数を確認したい場合は、notnull().sum() | code_generation | 793 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのすべての列の欠損値数を確認しなさい。 |
|
df['age'] = df['age'].fillna(30)
df['age'].isnull().sum()
[Tips]
欠損値の補完にはfillnaを使用 | code_generation | 794 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのage列の欠損値に30を代入し、その後、ageの欠損値数を確認しなさい。 |
|
df = df.dropna()
df.isnull().sum()
[Tips]
欠損値を含む行の削除には dropna を使用 | code_generation | 795 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfでひとつでも欠損値がある行を削除し、その後、dfの欠損値数を確認しなさい。 |
|
df['survived'].values
[Tips]
・pandas.DataFrameやpandas.Seriesをndarray形式(配列)に変換するにはvaluesを使用
・機械学習ライブラリのscikit-learnではndarray形式で入力する必要があるため、そのような際にDataFrameをndarray形式に変換する | code_generation | 796 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfのsurvivedの列をndarray形式（配列）で表示しなさい。 |
|
df.sample(frac=1)
[Tips]
行をシャッフルして表示する場合は、sample(frac=1)を使用 | code_generation | 797 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfの行をシャッフルして表示しなさい。 |
|
df.sample(frac=1).reset_index()
[Tips]
・インデックスを振り直すときはreset_indexを使用 | code_generation | 798 | AmenokakuCode Liscence | pandas_100_knocks | データフレーム dfにはタイタニック号の乗客データが格納されている。pandasを用いて、dfの行をシャッフルし、インデックスを振り直して表示しなさい。 |
|
print(df2.duplicated().value_counts())
df2 = df2.drop_duplicates()
df2
[Tips]
・重複行数をカウントする時は duplicated().value_counts()
・重複行を削除する時は drop_duplicates() | code_generation | 799 | AmenokakuCode Liscence | pandas_100_knocks | データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。pandasを用いて、①df2の重複行数をカウント、②df2の重複行を削除し、df2を表示しなさい。 |