假设你有一个数据框，移除唯一前缀城市名称的结果是：  Id  City 2 3 Kolkata 3 4 Hyderabad 6 7 Haryana 8 9 Kakinada 9 10 Kochin 要解决这个问题，我们将遵循以下步骤 -解决方案 定义一个数据框 创建一个空列表，首先将所有城市列的值的第一个字符附加到列表中，l = [] for x in df['City']:    l.append(x[0]) 创建另一个空列表来过滤重复的字符。设置 for 循环和 if 条件来附加唯一的字符。定义如下，l1 = [] for j in l:    if(l.count(j)>1):       if(j not in ... 阅读更多

将摄氏度转换为华氏度的结果如下： Id 摄氏度 华氏度 0 1  37.5    99.5 1 2  36.0    96.8 2 3  40.0    104.0 3 4  38.5    101.3 4 5  39.0    102.2 要解决这个问题，我们将遵循以下方法 -解决方案 1 定义一个带有 'Id' 和 'Celsius' 列值的数据框 应用 df.assign 函数在编写 lambda 函数内将摄氏度值乘以 (9/5)*df[celsius]+32 并将其赋值给华氏度。定义如下 -df.assign(Fahrenheit = lambda x: (9/5)*x['Celsius']+32) 示例 让我们检查以下代码以更好地理解 -import pandas as pd df = pd.DataFrame({'Id':[1, 2, 3, 4, 5], ... 阅读更多

将 1 到 100 的魔术数字附加的结果如下： 魔术数字序列： 0       1 1       10 2       19 3       28 4       37 5       46 6       55 7       64 8       73 9       82 10      91 11     100 要解决这个问题，我们将遵循以下方法 -解决方案 1 创建列表推导式，将 1 到 100 的值附加到列表 ls 中。ls = [i for i in range(1, 101)] 应用 ... 阅读更多

打印回文名称的结果如下 -回文名称是：    Id   Name 0   1   bob 2   3   hannah 要解决这个问题，我们将遵循以下方法 -解决方案 1 定义一个数据框 在设置 for 循环内创建列表推导式，使用 i 变量访问 df[‘Name’] 列的所有值，并设置 if 条件来比较 i==i[::-1]，然后将 i 值添加到列表 l 中。l = [ i for i in df['Name'] if(i==i[::-1])] 最后，使用 isin() 检查 df[‘Name’] 列中是否存在列表值。df[df['Name'].isin(l)] 示例 让我们检查以下代码以更好地理解 -import pandas as pd data = ... 阅读更多

假设你有一个时间序列，本地化亚洲时区的结果如下： 索引是： DatetimeIndex(['2020-01-05 00:30:00+05:30', '2020-01-12 00:30:00+05:30',                '2020-01-19 00:30:00+05:30', '2020-01-26 00:30:00+05:30',                '2020-02-02 00:30:00+05:30'],                dtype='datetime64[ns, Asia/Calcutta]', freq='W-SUN') 解决方案 定义一个数据框 使用 pd.date_range() 函数创建时间序列，起始时间为 '2020-01-01 00:30'，周期为 5，tz = 'Asia/Calcutta'，然后将其存储为 time_index。time_index = pd.date_range('2020-01-01 00:30', periods = 5, freq ='W', tz = 'Asia/Calcutta') 将 df.index 设置为从 time_index 存储本地化时区。df.index = time_index 最后打印本地化时区。示例 让我们检查 ... 阅读更多

假设你在数据框中有一个 datetime 列，分离日期和时间的結果如下：    datetime    date          time 0 2020-01-01 07:00:00 2020-01-06 07:00:00 1 2020-01-02 07:00:00 2020-01-06 07:00:00 2 2020-01-03 07:00:00 2020-01-06 07:00:00 3 2020-01-04 07:00:00 2020-01-06 07:00:00 4 2020-01-05 07:00:00 2020-01-06 07:00:00 5 2020-01-06 07:00:00 2020-01-06 07:00:00 要解决这个问题，我们将遵循以下方法 -解决方案 1 使用 pd.date_range() 定义一个数据框的 'datetime' 列。定义如下，pd.DataFrame({'datetime':pd.date_range('2020-01-01 07:00', periods=6)}) 设置 for 循环 d 变量，依次访问 df[‘datetime’] 列。从 for 循环转换日期和时间，并将其保存为 df[‘date’] ... 阅读更多

假设你有一个序列，排序的唯一值的数字索引如下 -排序的唯一值 - 数字索引数组 [2 3 0 3 2 1 4] ['apple' 'kiwi' 'mango' 'orange' 'pomegranate'] 要解决这个问题，我们将遵循以下步骤 -解决方案 应用 pd.factorize() 函数到非唯一元素的列表中，并将其保存为索引，index_value。index, unique_value = pd.factorize(['mango', 'orange', 'apple', 'orange', 'mango', 'kiwi', 'pomegranate']) 打印索引和元素。结果显示没有排序的唯一值及其索引。在列表元素中应用 pd.factorize() 并设置 sort=True，然后将其保存为 sorted_index，unique_valuesorted_index, unique_value = pd.factorize(['mango', 'orange', 'apple', 'orange', 'mango', ... 阅读更多

假设你有一个数据框，大小为 3 的滚动窗口计算结果如下： 滚动窗口的平均值是：    Id 年龄 分数 0 NaN NaN  NaN 1 1.5 12.0 85.0 2 2.5 13.0 80.0 3 3.5 13.5 82.5 4 4.5 31.5 90.0 5 5.5 60.0 87.5 要解决这个问题，我们将遵循以下方法 -解决方案 定义一个数据框 应用 df.rolling(window=2).mean() 来计算大小为 3 的滚动窗口的平均值。df.rolling(window=2).mean() 示例 让我们检查以下代码以更好地理解 -import pandas as pd df = pd.DataFrame({"Id":[1, 2, 3, 4, 5, 6],                     ... 阅读更多

假设你有一个序列，从序列中每个元素切片子字符串的结果如下： 0    Ap 1    Oa 2    Mn 3    Kw 要解决这个问题，我们将遵循以下方法 -解决方案 1 定义一个序列 应用 str.slice 函数，起始位置为 0，停止位置为 4，步长为 2，从序列中切片子字符串。data.str.slice(start=0, stop=4, step=2) 示例 让我们检查以下代码以更好地理解 -import pandas as pd data = pd.Series(['Apple', 'Orange', 'Mango', 'Kiwis']) print(data.str.slice(start=0, stop=4, step=2)) 输出 0    Ap 1    Oa 2    Mn 3    Kw 解决方案 2 定义一个序列 应用字符串索引切片，从 0 开始 ... 阅读更多

使用 ‘’ 分隔符分割字符串并转换为序列的结果如下： 0    apple 1    orange 2    mango 3    kiwi 要解决这个问题，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_data。split_data = s.split(d) 应用 pd.Series() 内的 split_data 来生成序列数据。pd.Series(split_data) 最后，调用函数以返回结果。示例 让我们检查以下代码以更好地理解 -import pandas as pd def split_str(s, d):    split_data = s.split(d)    print(pd.Series(split_data)) split_str('apple\torange\tmango\tkiwi', '\t') 输出 0    apple 1   ... 阅读更多