Split (1)

train · 5.38k rows

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
df['name'].str.upper() [Tips] str.upper()で小文字を大文字に変換	code_generation	800	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の列をすべて大文字に変換し表示しなさい。
df['name'].str.lower()	code_generation	801	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の列をすべて小文字に変換し表示しなさい。
df['sex'] = df['sex'].replace('female','Python') df.head() [Tips] ・数値、文字列の置換にはreplace()を使用・replace(a,b)でaをbに置換・数値でなく文字列の場合は replace('a','b')とする	code_generation	802	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列に含まれる「female」という単語を「Python」に置換し、その後、1行目の「female」が「Python」に置き換わったことを確認しなさい。
import re df['name'][0] = re.sub('Elisabeth','',df['name'][0]) df['name'][0] [Tips] ・部分一致の文字列消去にはre.sub()を使用・re.sub('消したい文字列','','元々の文字列') のように使う・完全一致で文字列を消去するときはreplaceを使用可能 ex) df['sex'] = df['sex'].repalce('female','')	code_generation	803	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1行目の「Allen, Miss. Elisabeth Walton」の「Elisabeth」を消去しなさい(import reをインポートすること)
df2 = pd.merge(df2,df3,on='name',how='right') df2 [Tips] ・右結合では、df3に存在するレコードにdf2のレコードを結合する・on=''で結合キーを指定・how=''で結合方法を指定	code_generation	804	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にdf3を右結合（結合キーはname）し、df2を表示しなさい。
df5['test2'] = df5['都道府県'].str.rstrip() +'_'+ df5['市区町村'] df5.head() [Tips] ・文字列右側の空白を削除　str.rstrip() ・文字列の両端の空白を削除　str.strip() ・文字列の左側の空白を削除　str.lstrip()	code_generation	805	AmenokakuCode Liscence	pandas_100_knocks	データフレームdf5は都道府県, 市区町村, test, test2の列からなるデータフレームである。pandasを用いて、df5の都道府県列と市区町村列を空白がないように「_」で結合(新規列名は「test2」)し、先頭5行を表示しなさい。
df2 = df2.transpose() df2 [Tips] ・データフレームの行と列を入れ替えるときはtranspose()を使用・df2.Tとすることでも行と列を入れ替え可能	code_generation	806	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の行と列を入れ替えて表示しなさい。
df2 = pd.merge(df2,df3,on='name',how='left') df2 [Tips] ・左結合では、df2に存在するレコードにdf3のレコードを結合する・on=''で結合キーを指定・how=''で結合方法を指定	code_generation	807	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にdf3を左結合（結合キーはname）し、df2を表示しなさい。
df2 = pd.merge(df2,df3,on='name',how='inner') df2 [Tips] ・内部結合では、df2とdf3の共通のキーのみで結合する・on=''で結合キーを指定・how=''で結合方法を指定	code_generation	808	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にdf3を内部結合（結合キーはname）し、df2に格納しなさい。
df2 = pd.merge(df2,df3,on='name',how='outer') df2 [Tips] ・外部結合では、df2とdf3の両方に存在するレコードが　残るように結合する・on=''で結合キーを指定・how=''で結合方法を指定	code_generation	809	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にdf3をname列を外部結合（結合キーはname）し、df2を表示しなさい。
df2 = pd.concat([df2,df4],axis=1) df2 [Tips] ・複数のデータフレームを連結するときはpd.concatを使用・axis=0で行方向、axis=1で列方向に連結・pd.concat([df2,df4],axis=1)でdf2とdf4を列方向に連結	code_generation	810	AmenokakuCode Liscence	pandas_100_knocks	pandasを用いて、df2とdf4を列方向に連結し、df2に格納し、df2を表示しなさい。
df2 = pd.concat([df2,df4],axis=1) df2 = df2.loc[:,~df2.columns.duplicated()] df2 [Tips] df2.loc[:,~df2.columns.duplicated()]により重複した列を消去	code_generation	811	AmenokakuCode Liscence	pandas_100_knocks	pandasを用いて、データフレームdf2とdf4を列方向に連結後、重複しているname列の片方を削除し、df2に格納し、df2を表示しなさい。
df2 = pd.concat([df2,df4],axis=0) df2 [Tips] ・複数のデータフレームを連結するときはpd.concatを使用・axis=0で行方向、axis=1で列方向に連結・pd.concat([df2,df4],axis=0)でdf2とdf4を行方向に連結	code_generation	812	AmenokakuCode Liscence	pandas_100_knocks	pandasを用いて、データフレームdf2とdf4を行方向に連結し、df2に格納し、df2を表示しなさい。
df['age'].mean() [Tips] ・列の平均値はmean()で確認	code_generation	813	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列の平均値を確認しなさい。
df['age'].median() [Tips] ・列の中央値はmedian()で確認	code_generation	814	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列の中央値を確認しなさい。
df2 = df2.drop(['class'],axis=1) print(df2.sum(axis=1)) #行方向の合計 print(df2.sum()) #列方向の合計 [Tips] ・合計値の確認はsum()を使用・引数空欄の場合、デフォルトは列方向の合計・引数にaxis=1を指定すると行方向の合計	code_generation	815	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の生徒ごとの合計点（行方向の合計）、②df2の科目ごとの点数の総和（列方向の合計）を求めなさい。
df2['English'].max() [Tips] 最大値の確認はmax()を使用	code_generation	816	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Englishで得点の最大値を求めなさい。
df2['English'].min() [Tips] 最小値の確認はmin()を使用	code_generation	817	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Englishで得点の最小値を求めなさい。
df2 =df2.drop('name',axis=1) print(df2.groupby('class').max()) print(df2.groupby('class').min()) print(df2.groupby('class').mean()) [Tips] 指定の列名でグルーピングしたい場合は groupby('列名')を使用する	code_generation	818	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、dfの
df.describe() [Tips] データフレームの基本統計量を確認したい場合はdescribe()を使用	code_generation	819	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の基本統計量を確認(describe)しなさい。
df.corr() [Tips] データフレームの列間の相関係数を確認したい場合は corr()を使用	code_generation	820	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の各列間の(Pearson)相関係数を確認しなさい。
from sklearn.preprocessing import StandardScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 #標準化を定義 scaler = StandardScaler() scaler.fit(df2) #変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが等しくなっていることを確認 [Tips] データフレームを標準化する場合は、scikit-learnのStandardScalerを使用	code_generation	821	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とscikit-learnを用いてdf2のEnglish、Mathematics、History列を標準化しなさい (from sklearn.preprocessing import StandardScalerをインポート)
from sklearn.preprocessing import StandardScaler #標準化を定義 scaler = StandardScaler() scaler.fit(df2['English'].values.reshape(-1,1)) #変換とデータフレームへの置換 scaler.transform(df2['English'].values.reshape(-1,1)) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2['English'].values.reshape(-1,1))) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが【74】のEnglishと等しくなっていることを確認 [Tips] ・データフレームのひとつの列を標準化する場合は、values.reshape(-1,1)で配列変換してやる方法もある・reshape(-1,1)でn行1列に変換	code_generation	822	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とscikit-learnを用いてdf2のEnglish列を標準化しなさい (from sklearn.preprocessing import StandardScalerをインポート)
from sklearn.preprocessing import MinMaxScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 # Min-Maxスケーリングを定義 scaler = MinMaxScaler() scaler.fit(df2) # 変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #minが0、maxが1になっていることを確認 [Tips] ・データフレームをMin-Maxスケーリングする場合は、scikit-learnのStandardScalerを使用・Min-Maxスケーリングでは最小値が0、最大値が1となるようにデータを変換する	code_generation	823	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とscikit-learnを用いてdf2のEnglish、Mathematics、History列をMin-Maxスケーリングしなさい (from sklearn.preprocessing import MinMaxScalerをインポート)
print(df['fare'].idxmax()) print(df['fare'].idxmin()) [Tips] データフレームの最大値、最小値の行名を求める場合はidxmax、idxminを使用	code_generation	824	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列の最大値、最小値の行名を取得しなさい。
print(df['fare'].quantile([0, 0.25, 0.5, 0.75, 1.0])) [Tips] ・パーセンタイルを取得する場合は quantile()を使用・50パーセンタイル=中央値、0パーセンタイル=最小値、100パーセンタイル=最大値	code_generation	825	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列の0、25、50、75、100パーセンタイルを取得しなさい。
print(df['age'].mode()) print(df['age'].value_counts()) [Tips] 最頻値を取得する場合は mode()を使用	code_generation	826	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、①dfのage列の最頻値を取得、②value_counts()にてage列の要素数を確認し、①の結果の妥当性を確認しなさい。
from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df.head() [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い	code_generation	827	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、fのsex列をラベルエンコーディングし、dfの先頭5行を表示しなさい (from sklearn.preprocessing import LabelEncoderをインポート)
df = pd.get_dummies(df, columns=['sex']) df.head() [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。pd.get_dummiesではOne-Hotエンコーディングが可能・回帰問題を解く場合には、One-hotエンコーディングすることが多い	code_generation	828	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列をOne-hotエンコーディングし、dfの先頭5行を表示しなさい。
df.hist(figsize=(20,20), color='b') [Tips] ・データフレームの数値列をヒストグラムで描画したい場合は hist()を使用・figsize=()でグラフのサイズを指定可能・color=''でグラフの色を指定可能（'r'にすれば赤色表示）	code_generation	829	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のすべての数値列のヒストグラムを表示しなさい。
df['age'].plot(kind='hist') [Tips] ヒストグラムを描画する場合は plot(kind='hist')を使用	code_generation	830	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列をヒストグラムで表示しなさい。
df2['sum'] = df2.iloc[:,2:5].sum(axis=1) #3科目合計の列を作成 df2[['name','sum']].plot(kind='bar',x=df2.columns[0]) [Tips] ・棒グラフを描画する場合は plot(kind='bar')を使用・df2.columns[0]はname列のこと。x=df2.columns[0]を指定し、x軸をname列にする(指定しないとどうなるかは試してみて下さい)	code_generation	831	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name列の要素ごとの3科目合計得点を棒グラフで表示しなさい。
df2[['name','English','Mathematics','History']].plot(kind='bar',figsize=(10,4),x=df2.columns[0]) [Tips] ・棒グラフを描画する場合は plot(kind='bar')を使用・「df2[['name','English','Mathematics','History']]」のように使用したい列のみに絞る・df2.columns[0]はname列のこと。x=df2.columns[0]を指定しx軸をname列にする(指定しないとどうなるかは試してみて下さい)	code_generation	832	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name列の要素ごとの3科目を棒グラフで並べて表示しなさい。
df2[['name','English','Mathematics','History']].plot(kind='bar',figsize=(10,4), x=df2.columns[0],stacked=True) [Tips] ・棒グラフを積み上げ表示する場合は stacked=Trueを指定・df2.columns[0]はname列のこと。x=df2.columns[0]を指定し、x軸をname列にする(指定しないとどうなるかは試してみて下さい)	code_generation	833	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name列の要素ごとの3科目を積み上げ棒グラフで表示しなさい。
%matplotlib inline from pandas.plotting import scatter_matrix _ = scatter_matrix(df,figsize=(20,20)) [Tips] ・%matplotlib inlineを記述することでJupyter Notebook上にインラインで表示・データフレームの各列間の散布図を描画するには scatter_matrixを使用・対角線はヒストグラム	code_generation	834	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の各列間の散布図を表示しなさい。
df.plot(kind='scatter',x='age',y='fare',figsize=(8,6)) [Tips] ・散布図を描画するには plot(kind='scatter')を使用・figsizeでグラフサイズを指定可能	code_generation	835	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列とfare列で散布図を作成し表示しなさい。
df.plot(kind='scatter',x='age',y='fare',figsize=(8,6),title='age-fare scatter') [Tips] ・散布図を描画するには plot(kind='scatter')を使用・figsizeでグラフサイズを指定可能・title=''でグラフタイトルを表示可能	code_generation	836	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列とfare列で散布図を作成し、グラフタイトルを「age-fare scatter」にして表示しなさい。
from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df['embarked'] = le.fit_transform(df['embarked'].astype(str)) #ここ、なぜかstrに変換しないとエラー発生 df.head() [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い	code_generation	837	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とembarked列をラベルエンコーディングしなさい (from sklearn.preprocessing import LabelEncoderをインポート)
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	838	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の欠損値を確認しなさい。
df['age'] = df['age'].fillna(df['age'].mean()) #欠損値にageの平均値で補完 df['fare'] = df['fare'].fillna(df['fare'].mean()) #欠損値にfareの平均値で補完 print(df.isnull().sum()) [Tips] 欠損値の補完にはfillnaを使用	code_generation	839	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_copyのage、fare列の欠損値を各列の平均値で補完しなさい。
df = df.drop(['name', 'ticket', 'cabin', 'boat', 'body', 'home.dest'],axis=1) df [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	840	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の中で機械学習で使用しない不要な行を削除しなさい (name, ticket, cabin, boat, body, home.destを削除)
features = df[['pclass','age','sex','fare','embarked']].values target = 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	841	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、①dfのpclass、age、sex、fare、embarkedの列を抽出し、ndarray形式に変換と②dfのsurvivedの列を抽出し、ndarray形式に変換しなさい (①をfeatures、②をtargetという変数にそれぞれ格納)
from sklearn.model_selection import train_test_split features = df[['pclass','age','sex','fare','embarked']].values target = df['survived'].values (features , test_X , target , test_y) = train_test_split(features, target , test_size = 0.3 , random_state = 0) [Tips] ・データを学習データ、テストデータに分割する場合は train_test_splitを使用・test_sizeで分割する割合を指定・random_stateでシード値を指定することでデータ分割時の乱数を固定（検証で乱数を固定したい時に使用）	code_generation	842	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、①dfのpclass、age、sex、fare、embarkedの列を抽出し、ndarray形式に変換、②dfのsurvivedの列を抽出し、ndarray形式に変換し、③featrues、targetを学習データとテストデータに分割しなさい (from sklearn.model_selection import train_test_splitをインポート) ※分割時のパラメータは次を指定 test_size=0.3 random_state=0
from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(n_estimators=100,random_state=0) # ランダムフォレストのインスタンスを作成 model.fit(features,target) # 学習の実行 [Tips] ・RandomForestClassifierでランダムフォレストを呼び出し・ハイパーパラメータはn_estimatorsやmax_depthなどがある・.fit()にて学習を実行・入力値はndarray形式でないといけない	code_generation	843	AmenokakuCode Liscence	pandas_100_knocks	pandasを用いて、学習データ（説明変数features、目的変数target）を用いランダムフォレストにて学習を実行しなさい (from sklearn.ensemble import RandomForestClassifierをインポート) ※パラメータは次を指定 n_estimators=100 random_state=0
from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(n_estimators=100,random_state=0) # ランダムフォレストのインスタンスを作成 model.fit(features,target) # 学習の実行 pred = model.predict(test_X) [Tips] .predict()にて予測を実行（randomforestの場合）	code_generation	844	AmenokakuCode Liscence	pandas_100_knocks	test_Xデータはタイタニック号乗客データの説明変数が格納された変数である。pandasを用いて、test_Xデータの乗客の生存を予測しなさい。
from sklearn.metrics import accuracy_score accuracy_score(pred,test_y) [Tips] ・accuracy_score(正解率)にて予測精度を検証・予測精度の評価指標には様々あるため、タスクに　合わせて適切な指標を選択	code_generation	845	AmenokakuCode Liscence	pandas_100_knocks	タイタニック号乗客の生存予測をしています。あるモデルでの予測結果がtest_y(生存有無の答え)とどれぐらい整合していたかを確認しなさい(評価指標はaccuracy、from sklearn.metrics import accuracy_scoreをインポート)
importace = model.feature_importances_ print('Feature Importances:') for i, feat in enumerate(['pclass','age','sex','fare','embarked']): print('\t{0:20s} : {1:>.5f}'.format(feat, importance[i])) [Tips] .feature_importances_にてランダムフォレストの学習における各列(特徴量)の重要度を確認可能	code_generation	846	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。学習における各列(特徴量)の重要度を表示しなさい。
df_pred = pd.DataFrame(pred) df_pred.to_csv('../output/submission.csv',header=None) [Tips] ・to_csvでcsv形式で出力・行番号、列名を削除して出力したいときはindex=None,header=Noneをつける	code_generation	847	AmenokakuCode Liscence	pandas_100_knocks	pandasを用いて、test_Xの予測結果をcsvでoutputフォルダに出力(ファイル名は「submission.csv」、headerは不要)
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・先頭の10行を表示したい場合は head(10) ---------------------------------------------- [参考] pandas記法 df.head()	code_generation	848	AmenokakuCode Liscence	polars_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。polarsを用いて、dfに読み込んだデータの最初の5行を表示しなさい。
print(df.glimpse()) ---------------------------------------------- [tips] ・glimpse()はすべての列の先頭の要素10個を文字列として表示する・列数が多い密なdataframeの中身を確認する場合にはhead()よりも見やすい ---------------------------------------------- [参考] pandas記法該当メソッドなし	code_generation	849	AmenokakuCode Liscence	polars_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。polarsのglimpseを用いてdfに読み込んだデータの最初の要素10個を表示しなさい。
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・最後の10行を表示したい場合は tail(10) ---------------------------------------------- [参考] pandas記法 df.tail()	code_generation	850	AmenokakuCode Liscence	polars_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。polarsを用いて、dfに読み込んだデータの最後の5行を表示しなさい。
df.shape ---------------------------------------------- [tips] ・shapeではdataframeの行数、列数を返します ---------------------------------------------- [参考] pandas記法 df.shape	code_generation	851	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのデータフレームサイズを確認しなさい。
df2 = pl.read_csv('../input/data1.csv') df2.head() ---------------------------------------------- [Tips] ・csvを読み込む際にはread_csv()を使用する・read_json()やread_excel()などもある ---------------------------------------------- [参考] pandas記法 df2 = pd.read_csv('input/data1.csv') df2.head()	code_generation	852	AmenokakuCode Liscence	polars_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。polars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('fare') [別解] df.select(pl.all().sort_by('fare')) ---------------------------------------------- [Tips] ・dataframe.sort()で指定した列でソートが可能　デフォルトでは昇順・pl.col().sort_by()でもソート可能・降順でソートしたい場合は reverse=True を指定・ソートする列を複数指定可能・nullを最後に表示させたい場合は nulls_last=True を指定 ex) fare列で降順でソートした後にage列で降順にソートしたい場合は　　以下のように書く ※ リスト内でage列を先に書く点に注意 df.sort(['age','fare'], reverse=True) (pl.col().sort_by()を使う場合) df.select(pl.all().sort_by(['age', 'fare'], reverse=True)) ・似たメソッドにpl.col().sort()があるが、これはカラムごとに独立してソートされる点に注意 ※ dataframe全体を前処理するようなときは基本的にdataframe.sort()もしくは　 pl.col().sort_by()を使うのが良いと思います ex) print(df.select(pl.col(['fare', 'age']).sort(reverse=True, nulls_last=True)).head()) 実行結果) ┌──────────┬──────┐ │ fare ┆ age │ │ --- ┆ --- │ │ f64 ┆ f64 │ ╞══════════╪══════╡ │ 512.3292 ┆ 80.0 │ │ 512.3292 ┆ 76.0 │ │ 512.3292 ┆ 74.0 │ │ 512.3292 ┆ 71.0 │ │ 263.0 ┆ 71.0 │ └──────────┴──────┘ sort()ではfare列、age列が独立して降順にソートされているのが分かる ---------------------------------------------- [参考] pandas記法 df.sort_values('fare')	code_generation	853	AmenokakuCode Liscence	polars_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。polars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.clone() df_copy.head() ---------------------------------------------- [Tips] ① df_copy = df と ② df_copy = df.clone() 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clone()を使う(dfとdf_copyは独立)。 ---------------------------------------------- [参考] pandas記法 df_copy = df.copy() df_copy.head()	code_generation	854	AmenokakuCode Liscence	polars_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。polarsを用いて、df_copyにdfをコピーして、最初の5行を表示しなさい。
print(df.schema) print(df.select(pl.col('cabin')).schema) ---------------------------------------------- [Tips] ・DataFrameの各列のデータ型を確認したい場合は schemaを使用・dataframe内の一部の列のみ抽出したい場合は　df.select(pl.col('列名')) 　のように記述する。pl.col('列名').schemaとすることで該当列のみに　schemaを適応できる ※なお、複数のコードの結果を表示したい場合はprintを使用する (printをつけない場合、2行目のschemaの結果しか表示されない) ---------------------------------------------- [参考] pandas記法 print(df.dtypes) print(df['cabin'].dtype)	code_generation	855	AmenokakuCode Liscence	polars_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。polarsを用いて、① dfの各列のデータ型を確認、② dfのcabinの列のデータ型を確認しなさい。
print(df.select(pl.col('pclass')).schema) df = df.with_columns(pl.col('pclass').cast(pl.Utf8)) print(df.select(pl.col('pclass')).schema) ---------------------------------------------- [Tips] ・データ型を変更する場合は cast(データ型) で型変換可能 Polarsのデータ型の一例　整数：pl.Int64 　浮動小数：pl.Float64 　文字列：pl.Utf8 ・新しい列を追加したり、特定列に処理をして列を更新する場合は　with_colmuns()を用います ex) pclass列を文字列型に変換し、新しい列としてdataframeに追加したい場合 df = df.with_columns(pl.col('pclass').cast(pl.Utf8).alias('pclass2')) 上記コードを実行後に以下のコードを実行するとdfに文字列型のpclass2が追加されていることを確認できます print(df.select(pl.col(['pclass', 'pclass2'])).schema) Output: {'pclass': Int64, 'pclass2': Utf8} ---------------------------------------------- [参考] pandas記法 print(df['pclass'].dtype) df['pclass'] = df['pclass'].astype(str) print(df['pclass'].dtype)	code_generation	856	AmenokakuCode Liscence	polars_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。polarsを用いて、① dfのpclassの列のデータ型をschemaで確認、② 数値型から文字列型に変換し、データ型をschemaで確認しなさい。
len(df) ---------------------------------------------- [Tips] ・dataframeのレコード数(行数)を知りたい時は　len()を使用 ---------------------------------------------- [参考] pandas記法 len(df)	code_generation	857	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのレコード数(行数)を確認しなさい。
df.describe() ---------------------------------------------- [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describe()を使用・平均値や中央値などの統計情報も表示される ---------------------------------------------- [参考] pandas記法 df.info() ※ pandasのinfo()では統計情報は表示されない。pandasで統計情報を確認したい場合はdf.describe()で確認する。	code_generation	858	AmenokakuCode Liscence	polars_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。polars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.select(pl.col('sex').unique())) print(df.select(pl.col('cabin').unique())) ---------------------------------------------- [Tips] ・列に含まれる要素の確認にはunique()を使用 ---------------------------------------------- [参考] pandas記法 print(df['sex'].unique()) print(df['cabin'].unique())	code_generation	859	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのsex,cabinの列の要素を確認しなさい。
df.columns ---------------------------------------------- [Tips] ・列名を一覧表示するにはcolumnsを使用 ---------------------------------------------- [参考] pandas記法 df.columns	code_generation	860	AmenokakuCode Liscence	polars_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。polarsを用いて、dfの列名一覧を表示しなさい。
df.get_column('pclass').to_numpy() [別解] df.select('pclass').to_series().to_numpy() ---------------------------------------------- [Tips] ・seriesに対してto_numpy()を付けることでndaaray形式に変換できる・get_column('列名')で特定列をseriesで抽出可能・selectで抽出する場合、dataframeになるためto_series()でseriesに　変換する必要あり df.index.tolist() ---------------------------------------------- [参考] pandas記法 df.index.values	code_generation	861	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのpclassの列をndarray形式で表示しなさい。
df.select('pclass') ---------------------------------------------- [tips] ・selectで特定の列のみを抽出可能（dataframeとして抽出される） ---------------------------------------------- [参考] pandas記法 df['pclass']	code_generation	862	AmenokakuCode Liscence	polars_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。polarsのselectを用いてdfのpclass列のみ表示しなさい。
df.get_column('pclass') ---------------------------------------------- [Tips] ・get_columnを用いても特定の列のみ抽出可能（seriesとして抽出される）・なお、get_column(['fare', 'age'])のように複数列を抽出する場合は　dataframeとして抽出される ---------------------------------------------- [参考] pandas記法 df['pclass']	code_generation	863	AmenokakuCode Liscence	polars_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。polarsのget_columnを用いてdfのpclass列のみ表示しなさい。
df.get_columns()[0] [別解] df.get_columns()[df.find_idx_by_name('pclass')] ---------------------------------------------- [Tips] ・get_columns()[n]で、dataframeのn番目の列を　seriesとして抽出します・別解のdf.find_idx_by_name('列名')で列番号を　指定することも可能です。列数の多いdataframeに対して　get_columnsを使用する場合はこちらの書き方のほうが良いです ---------------------------------------------- [参考] pandas記法 df['pclass']	code_generation	864	AmenokakuCode Liscence	polars_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。polarsのget_columnsを用いてdfのpclass列のみ表示しなさい。
df.select(['name', 'sex']) ---------------------------------------------- [Tips] ・selectに列名をリストで渡すことで複数列の抽出も可能・select(pl.col(['name', 'sex']))のように書くこともできる・抽出した各列に個別に処理を加えたい場合は以下のように　書くことができる ex) age列に1を加算し、fare列に100を加算する df.select([pl.col('age')+1 , pl.col('fare')+100]) ---------------------------------------------- [参考] pandas記法 df[['name','sex']]	code_generation	865	AmenokakuCode Liscence	polars_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。polarsのselectを用いてdfのnameとsexの列のみ表示しなさい。
df.get_column(['name', 'sex']) ---------------------------------------------- [Tips] ・get_columnに列名をリストで渡すことで複数列の抽出も可能・selectのように抽出後の列に対して処理を加えることはできない ---------------------------------------------- [参考] pandas記法 df[['name','sex']]	code_generation	866	AmenokakuCode Liscence	polars_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。polarsのget_columnを用いてdfのnameとsexの列のみ表示しなさい。
df.select(pl.all().exclude('name')) ---------------------------------------------- [Tips] ・exclude('列名')で特定の列を除外してデータを抽出することが可能・select(pl.all())ですべての列の取得になるが、　select(pl.all().exclude('name'))とすることでname列以外の　データを抽出している・以下のように書くことで特定のデータ型の列以外を抽出することも可能 ex) 文字列型以外の列を抽出する df.select(pl.all().exclude(pl.Utf8)) ---------------------------------------------- [参考] pandas記法 df.drop(['name'], axis=1)	code_generation	867	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのname列以外を表示しなさい。
df = df.with_row_count() df[:4] [別解] df = df.with_row_count() df.slice(0,4) ---------------------------------------------- [Tips] ・slice(n, m)でn行目からmレコードを表示することができる ---------------------------------------------- [参考] pandas記法 df[:4]	code_generation	868	AmenokakuCode Liscence	polars_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。polarsを用いて、fの4行目までを表示しなさい。なお、確認のためにwith_row_countでインデックスを振ること。
df = df.with_row_count() df[3:10] ---------------------------------------------- [Tips] ・問21と同様にsliceを使って抽出することも可能 ---------------------------------------------- [参考] pandas記法 df[3:10]	code_generation	869	AmenokakuCode Liscence	polars_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。polarsを用いて、dfの4行目から10行目までを表示しなさい。なお、確認のためにwith_row_countでインデックスを振ること。
df.select(pl.all()) ---------------------------------------------- [Tips] ・select(pl.all())でdataframeのすべての列を抽出することができる ---------------------------------------------- [参考] pandas記法 df.loc[:,:]	code_generation	870	AmenokakuCode Liscence	polars_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。polarsのselectを使ってdf全体を表示しなさい。
df.select(df.columns[2:10])[:5] [別解] df.select(df.columns[df.find_idx_by_name('name'):df.find_idx_by_name('cabin')+1])[:5] [別解2] df[:5, 'name':'cabin'] ---------------------------------------------- [Tips] ・find_idx_by_name('列名')で列番号を指定することも可能・Polarsでも別解2のようにpandasのような記法は可能であるが　非推奨。将来的なバージョンアップで使用できなくなる可能性ありとのこと。 ---------------------------------------------- [参考] pandas記法 df.loc[:5,'name':'cabin']	code_generation	871	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのnameからcabinまでの列を5行目まで表示しなさい。
df_copy = df.select(['name', 'age', 'sex']) df_copy.write_csv('../output/sample.csv') ---------------------------------------------- [Tips] ・write_csvでcsv形式で出力・列名を削除して出力したいときは　has_header=Falseをつける・エンコード形式はutf8のみ ---------------------------------------------- [参考] pandas記法 df_copy = df[['name','age','sex']] df_copy.to_csv('../output/sample.csv')	code_generation	872	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのname,age,sexの列のみ抽出しdf_copyに格納し、その後outputフォルダにcsvファイルで出力しなさい。なお、出力ファイル名はsample.csvとすること。
df.filter(pl.col('age') >= 30) ---------------------------------------------- [Tips] ・特定の条件でデータを抽出したい場合には filterを使用する（pandasのqueryのようなイメージ） ---------------------------------------------- [参考] pandas記法 df[df['age'] >= 30]	code_generation	873	AmenokakuCode Liscence	polars_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。polars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.filter(pl.col('sex')=='female') ---------------------------------------------- [Tips] ・特定の条件でデータを抽出したい場合には filterを使用する（pandasのqueryのようなイメージ） ---------------------------------------------- [参考] pandas記法 df[df['sex'] == 'female']	code_generation	874	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのsex列がfemaleのデータのみ抽出しなさい。
df.filter((pl.col('sex')=='female') & (pl.col('age') >= 40)) ---------------------------------------------- [Tips] ・特定の条件でデータを抽出したい場合には filterを使用する（pandasのqueryのようなイメージ） ---------------------------------------------- [参考] pandas記法 df[(df['sex'] == 'female' ) & (df['age'] >= 40)]	code_generation	875	AmenokakuCode Liscence	polars_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。polars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.filter(pl.col('sex').eq('female') & pl.col('age').ge(40)) ---------------------------------------------- [Tips] ・等号、不等号を使わないで条件指定することも可能 ex) ageが40に等しい pl.col('age').eq(40)　（eq: equal） ageが40以上　　 pl.col('age').ge(40)　（ge: greater equal） ageが40以下　　 pl.col('age').le(40)　（le: less equal） ageが40より大きい　　 pl.col('age').gt(40)　（gt: greater than） ageが40未満　　 pl.col('age').lt(40)　（lt: less than） ---------------------------------------------- [参考] pandas記法 df[(df['sex'] == 'female' ) & (df['age'] >= 40)]	code_generation	876	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのsex列がfemaleでかつageが40以上のデータを等号、不等号を使わずに抽出しなさい。
df.filter(~pl.col('cabin').is_null()) ---------------------------------------------- [Tips] ・is_null()で値がnullの行を抽出することができる・「~」を付加することでnot条件にすることができる　（今回の場合、「nullを含まない」という条件になっている） ---------------------------------------------- [参考] pandas記法 df[~df['cabin'].isnull()]	code_generation	877	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのcabin列がnullでないデータを抽出しなさい。
df.filter(pl.col('age').is_between(10,40, closed="both")) ---------------------------------------------- [Tips] ・is_between(a, b)で「数値がaより大きく、b未満」という条件を　指定できる・引数closeにて境界条件を指定すること可能　closed="both"： a以上、b以下　closed="left"： a以上、b未満　closed="right"： aより大きく、b以下　closed="none"： aより大きく、b未満・FuterWarningが表示されるため、将来的に仕様変更がある可能性あり ---------------------------------------------- [参考] pandas記法 df[df['age'].between(10,40)] ※ pandasのbetweenではbetween(a, b)で「a以上、b以下」となりデフォルトの境界条件が違う	code_generation	878	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのage列が10以上、40以下のデータを等号、不等号を使わずに抽出しなさい。
df.filter(pl.col('name').str.contains('Mrs')) ---------------------------------------------- [Tips] 特定の文字列を含むデータを抽出したいときは str.contains('文字列')を条件に指定する ---------------------------------------------- [参考] pandas記法 df.query('name.str.contains("Mrs")', engine='python')	code_generation	879	AmenokakuCode Liscence	polars_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。polars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(pl.col(pl.Utf8)) ---------------------------------------------- [Tips] ・特定のデータ型の列を抽出したい時は　select(pl.col('データ型'))のように書く・文字列型を以外の列を抽出した時はexcludeを用いて　以下のように書く df.select(pl.all().exclude(pl.Utf8)) ---------------------------------------------- [参考] pandas記法 df.select_dtypes(include='object')	code_generation	880	AmenokakuCode Liscence	polars_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。polarsを用いて、dfの中で文字列型の列のみを表示しなさい。
df.select(pl.all().n_unique()) [別解] for col in df.columns: print(col, df[col].n_unique()) ---------------------------------------------- [Tips] ・ユニークな要素数の確認にはn_nunique()を使用・なお、Polarsでのnunique()は重複削除のメソッドになっているので注意（pandasのdrop_duplicates()に相当） ---------------------------------------------- [参考] pandas記法 df.nunique()	code_generation	881	AmenokakuCode Liscence	polars_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。polarsを用いて、dfの各列の要素数の確認しなさい。
df.get_column('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・なお、selectを用いて書きたい場合は以下のようになる df.select('embarked').to_series().value_counts() ---------------------------------------------- [参考] pandas記法 df['embarked'].value_counts()	code_generation	882	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのembarked列の要素と出現回数の確認しなさい。
for col in df.get_columns(): display(col.value_counts()) ---------------------------------------------- [Tips] ・get_columns()を用いるとdataframe内の列をリストで取得できる（print(df.get_columns()を実行してみるとリストになっています)）・解答内のdisplayはprintでも問題ないです（dataframeで出力したときはdisplay、文字列で出力したい場合はprint）print出力が見づらいときはdisplay出力を試してみて下さい・get_columns()[列番号]と書くと特定の列をseriesとして抽出できる ---------------------------------------------- [参考] pandas記法 for col in df.columns.to_list(): display(df[col].value_counts())	code_generation	883	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのすべての列の要素と出現回数の確認しなさい。
df = df.with_row_count().with_column(pl.when(pl.col('row_nr')==3).then(40).otherwise(pl.col('age')).alias('age')) df.head() ---------------------------------------------- [Tips] ・when(条件).then(a).otherwise(b)で「条件に合致した場合は値aに、　合致しない場合は値bに置換する」という操作ができます・when(条件1).then(a).when(条件2).then(b)otherwise(c)というように　書くことも可能です（次の問題を参照） ---------------------------------------------- [参考] pandas記法 df.loc[3,'age'] = 40 df.head()	code_generation	884	AmenokakuCode Liscence	polars_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。polarsを用いて、dfに with_row_count()でインデックスを振りrow_nr列が「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 = df.with_column(pl.when(pl.col('sex')=='male').then(0) .when(pl.col('sex')=='female').then(1) .otherwise(pl.col('sex')).cast(pl.Int64).alias('sex') ) df.head() ---------------------------------------------- [Tips] ・「'male'に該当する場合は0に、'female'に該当する場合は1に置換し、どちらにも　該当しない場合は元のデータを保持する」という解答になっています ---------------------------------------------- [参考] pandas記法 df['sex'][df['sex'] == 'male'] = 0 df['sex'][df['sex'] == 'female'] = 1 df.head()	code_generation	885	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのsex列にてmale→0、female→1に変更し、先頭の5行を表示しなさい。
df = df.with_column(pl.col('fare') + 100) df.head() ---------------------------------------------- [Tips] ・with_column()を使用して既存列への処理が可能・新しい列として追加したい場合は以下のように書く df = df.with_column((pl.col('fare') + 100).alias('fare2')) ---------------------------------------------- [参考] pandas記法 df['fare'] = df['fare'] + 100 df.head()	code_generation	886	AmenokakuCode Liscence	polars_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。polars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 = df.with_column(pl.col('fare') * 2) df.head() ---------------------------------------------- [Tips] ・with_column()を使用して既存列への処理が可能 ---------------------------------------------- [参考] pandas記法 df['fare'] = df['fare'] * 2 df.head()	code_generation	887	AmenokakuCode Liscence	polars_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。polars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 = df.with_columns([pl.col('fare') * 2, pl.col('age')+3]) df.head() ---------------------------------------------- [Tips] ・with_column()を使用して複数列に対して処理することも可能 ---------------------------------------------- [参考] pandas記法 df['fare'] = df['fare'] * 2 df['age'] = df['age'] + 3 df.head()	code_generation	888	AmenokakuCode Liscence	polars_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。polarsを用いて、dfのfare列に2を掛けて、age列に3を足して先頭の5行を表示しなさい。
df.apply(lambda x: (x[df.find_idx_by_name('parch')] * 2, x[df.find_idx_by_name('sibsp')] + 1)) ---------------------------------------------- [Tips] ・apply(lambda x: (x[n] + 1))のように処理を書くことができる　（nは処理したい列の番号）・find_idx_by_name('列名')で列番号を取得することもできる ---------------------------------------------- [参考] pandas記法 df['parch'] = df['parch'].apply(lambda x: x * 2) df['sibsp'] = df['sibsp'].apply(lambda x: x + 1) df.head()	code_generation	889	AmenokakuCode Liscence	polars_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。polarsのapplyを用いてdfのparch列に2を掛けて、sibsp列に1を足して先頭の5行を表示しなさい。
df = df.with_column(pl.col('fare').round(0)) 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) f.with_column(pl.col('fare').round(2)) 小数点2桁に丸める 123.456　→　123.46 f.with_column(pl.col('fare').round(-2)) 整数2桁に丸める 123.456　→　100.0 ---------------------------------------------- [参考] pandas記法 df['fare'] = df['fare'].round() df.head()	code_generation	890	AmenokakuCode Liscence	polars_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。polars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 = df.with_column(pl.lit(1).alias('test')) df.head() ---------------------------------------------- [Tips] ・with_column()を新しい列を追加することができる・pl.lit(1).alias('test')とすることで「新しくtestという　列を作成し、すべての行に1を代入する」という操作になる ---------------------------------------------- [参考] pandas記法 df['test'] = 1 df.head()	code_generation	891	AmenokakuCode Liscence	polars_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。polars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 = df.with_columns([pl.lit(1).alias('test'), pl.lit(None).alias('test2')]) df.head() ---------------------------------------------- [Tips] ・with_column()を新しい列を複数追加することもできる ---------------------------------------------- [参考] pandas記法 df['test'] = 1 df['test2'] = None df.head()	code_generation	892	AmenokakuCode Liscence	polars_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。polarsを用いて、dfに列名「test」で値がすべて1のカラムと列名「test2」で値がすべてnullのカラムを追加し、先頭の5行を表示しなさい。
df = df.with_column((pl.col('cabin') + '_' + pl.col('embarked')).alias('test')) df.head() ---------------------------------------------- [Tips] ・pl.col('列名1') + 文字列 + pl.col('列名2')で　特定文字列で列同士を結合することができる ---------------------------------------------- [参考] pandas記法 df['test'] = df['cabin'] + '_' + df['embarked'] df.head()	code_generation	893	AmenokakuCode Liscence	polars_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。polars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 = df.with_column((pl.col('age').cast(pl.Utf8) + '_' + pl.col('embarked')).alias('test')) df.head() ---------------------------------------------- [Tips] ・数値列と文字列を結合する場合は、数値列のほうを文字列型に　変換して結合する必要あり ---------------------------------------------- [参考] pandas記法 df['test'] = df['age'].astype(str).str.cat(df['embarked'],sep='_') df.head()	code_generation	894	AmenokakuCode Liscence	polars_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。polars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.with_column( pl.concat_str(pl.col(["age", "embarked"]), "_") .alias("test") ) df.head() ---------------------------------------------- [Tips] ・concat_strを使用して結合することも可能・concat_strを用いて結合する場合は、数値列の文字列型への　変換は不要 ---------------------------------------------- [参考] pandas記法 df['test'] = df['age'].astype(str).str.cat(df['embarked'],sep='_') df.head()	code_generation	895	AmenokakuCode Liscence	polars_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。polarsを用いて、dfにageとembarkedの列をconcat_strを用いて「_」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.drop_in_place('body') df.head() [別解] df = d.drop('body') df.head() ---------------------------------------------- [Tips] ・行・列の削除をするにはdrop_in_placeを使用 ---------------------------------------------- [参考] pandas記法 df = df.drop('body',axis=1) df.head()	code_generation	896	AmenokakuCode Liscence	polars_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。polars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.with_row_count().filter(pl.col('row_nr') != 3) df.head() ---------------------------------------------- [Tips] ・with_row_count()でインデックスを振ることができる ---------------------------------------------- [参考] pandas記法 df = df.drop(3,axis=0) df.head()	code_generation	897	AmenokakuCode Liscence	polars_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。polarsを用いて、dfに with_row_count()でインデックスを振りrow_nr列が「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({'English': 'Biology','Mathematics': 'Physics','History': 'Chemistry'}) ---------------------------------------------- [参考] pandas記法 df2.columns = ['name', 'class', 'Biology', 'Physics', 'Chemistry'] df2.head()	code_generation	898	AmenokakuCode Liscence	polars_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。polarsを用いて、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({'English': 'Biology'}) df2.head() ---------------------------------------------- [Tips] rename({'English' : 'Biology'})で一部の列名のみ変更可能 ---------------------------------------------- [参考] pandas記法 df2 = df2.rename(columns={'English' : 'Biology'}) df2.head()	code_generation	899	AmenokakuCode Liscence	polars_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。polars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。

Subsets and Splits

Python Code Generation

Provides a structured view of code generation tasks specific to a Python-focused course, helping to understand the nature and sequence of the instructions and outputs.

Filtered Code Generation Tasks

The query extracts code generation questions and answers from a specific dataset source, offering structured insights into its contents.

Code Generation Instruction Split

The query processes and splits code generation outputs into separate answers, providing a structured view of potential alternative solutions for each instruction.

Filtered Code Generation Task

The query performs basic filtering and returns formatted data related to code generation tasks, which is helpful but does not provide deep insights into the dataset's underlying structure or patterns.

Code Generation Instructions

The query performs basic filtering to select code generation tasks and organizes them by license, source, and index, providing a simple overview but lacking deeper analytical insight.

Code Generation Instructions

The query performs basic filtering and selects specific columns, providing limited insight into the dataset's structure but not revealing deeper patterns or relationships.

Code Generation Instructions

The query performs basic filtering and selection, organizing code generation tasks by license and source but does not provide deep insights into the data.

^_Call_Call:::^_Call_Call:

The query performs basic filtering and selection, organizing code generation tasks by license, source, and index without revealing deeper insights.

^^^_Call.FromSeconds:^^ withheld^

The query performs basic filtering and ordering of dataset entries, providing a structured view but lacking deeper insights.

_Call^^^^^ serotonin^:^

The query performs basic data retrieval and organization, presenting specific fields in a structured format but without providing significant analytical insights.