Windows

NumPyロール関数は、指定された軸に沿って入力配列内の要素をロールするために使用されます。 ローリングとは、特定の配列内の要素の位置をシフトする処理を指します。 要素が最初の位置から最後の位置に移動すると、最初の位置に戻ります。 NumPyのロール関数を調べてみましょう。 関数構文 関数の構文は次のとおりです。 しびれ。ロール（（a、 シフト、 軸=なし）。 パラメータは次のとおりです。 a –入力配列を定義します。 shift –配列内の要素がシフトされる場所の数を指します。 axis –指定された要素がシフトされる軸。 関数の戻り値 この関数は、指定された軸の要素が、shiftパラメーターで指定された係数でシフトされた配列を返します。 注：出力配列は、入力配列と同じ形状を保持します。 例1 以下に示すサンプルコードについて考えてみます。 輸入 numpy なので nparr […]

The post NumPy np.roll appeared first on Gamingsym Japan.

NumPyのabsolute（）関数を使用すると、要素と0の間の距離を決定できます。これは、特定の配列の絶対値とも呼ばれます。 この関数をさらに詳しく見ていきましょう。 関数構文 単純な操作にもかかわらず、この関数は、以下の構文で表されるさまざまなパラメーター値をサポートします。 しびれ。絶対の（（バツ、 /、 アウト=なし、 *、 どこ=真実、 鋳造=‘同種’、 注文=「K」、 dtype=なし、 subok=真実[, signature, extobj]）。 = > パラメーター ほとんどの場合、関数構文のほとんどのパラメーターについて気にする必要はほとんどありません。 最も一般的なパラメータについては、以下で説明します。 x –入力配列を参照します。 Out –出力値を格納するための代替配列を提供します。 戻り値 […]

The post NumPy np.absolute（） appeared first on Gamingsym Japan.

NumPyで最も実用的ですが簡単な関数の1つは、identity（）関数です。 この関数を使用すると、簡単な手順でID配列を生成できます。 この関数がどのように機能し、どのように使用するかを見てみましょう。 ID配列とは何ですか？ 先に進む前に、ID配列が何であるかを明確にすることをお勧めします。 ID配列とは、主対角線上にある正方形の配列を指します。 簡単に言うと、ID配列は、残りの要素にゼロが入力されている間、主対角線に1を保持する配列です。 上記はID配列の例です。 NumPy Identity（）関数の構文 この関数の構文は次のように簡単です。 しびれ。身元（（n、 dtype=なし、 *、 お気に入り=なし）。 関数パラメーター n –出力配列の次元を指します。 順序は行と列です。 dtype –出力配列のデータ型を指定します。 関数の戻り値 この関数は、指定された形状のID配列、つまりnxnを返します。 例1 以下に示す例を見てください。 […]

The post NumPy np.identity（） appeared first on Gamingsym Japan.

このチュートリアルを終了すると、Pandasでastype（）関数を使用する方法を理解できます。 この関数を使用すると、オブジェクトを特定のデータ型にキャストできます。 探索に行きましょう。 関数構文 関数の構文は次のとおりです。 DataFrame。astype（（dtype、 コピー=真実、 エラー=‘高める’）。 関数パラメーターは次のとおりです。 dtype –Pandasオブジェクトがキャストされるターゲットデータ型を指定します。 各ターゲット列のデータ型を辞書に提供することもできます。 copy –操作がインプレースで実行されるかどうか、つまり、元のDataFrameに影響するか、コピーを作成するかを指定します。 エラー–エラーを「発生」または「無視」に設定します。 戻り値 この関数は、指定されたオブジェクトがターゲットデータ型に変換されたDataFrameを返します。 例 以下に示すサンプルコードを見てください。 ＃パンダをインポート輸入 パンダ なので pddf = pd。DataFrame（（{{ […]

The post パンダの列タイプから文字列 appeared first on Gamingsym Japan.

これについては、PandasDataFrameの特定の列のデータ型を取得する方法について説明します。 サンプル サンプルのDataFrameを作成することから始めましょう。 ＃パンダをインポート輸入 パンダ なので pddf = pd。DataFrame（（{{ ‘給料’： [120000, 100000, 90000, 110000, 120000, 100000, 56000]、 ‘デパートメント’： [‘game developer’, ‘database developer’, ‘front-end developer’, ‘full-stack […]

The post パンダチェックカラムタイプ appeared first on Gamingsym Japan.

Pandasのcumsum（）関数を使用すると、特定の軸の累積合計を計算できます。 累積合計とは、特定の時間における特定のデータセットの合計を指します。 これは、新しいデータが追加または削除されても、合計が変化し続けることを意味します。 Pandasでcumsum（）関数を使用する方法について説明しましょう。 関数構文 関数の構文は次のとおりです。 1 DataFrame。cumsum（（軸=なし、 スキップナ=真実、 *args、 ** kwargs）。 関数パラメーター この関数は、次のパラメーターを受け入れます。 軸 –どの軸に沿って累積加算が実行されます。 デフォルトはゼロまたは列です。 スキップナ –nullの行または列を許可または禁止します。 ** kwargs –追加のキーワード引数。 関数の戻り値 この関数は、指定された軸に沿ったDataFrameの累積合計を返します。 例 […]

The post パンダCumsum（） appeared first on Gamingsym Japan.

NumPyのpower（）関数を使用すると、要素を最初の配列から2番目の配列の要素のべき乗に上げることができます。 NumPy power（）関数の操作は、要素ごとに適用されます。 このように考えると、関数は最初の配列の要素を取得し、それらを2番目の配列のパートナー要素と照合します。 次に、2番目のアレイのコンポーネントを電力として使用します。 これについてさらに議論しましょう。 関数構文 関数の構文は次のとおりです。 しびれ。パワー（（x1、 x2、 /、 アウト=なし、 *、 どこ=真実、 鋳造=‘同種’、 注文=「K」、 dtype=なし、 subok=真実[, signature, extobj]）。 = > 関数パラメーター 関数パラメーターについては、以下のポイントで説明します。 x1 […]

The post NumPy np.power（） appeared first on Gamingsym Japan.