|
Question |
Answer |
stwórz df na podstawie csv start learning
|
|
df = pd. read_csv('movie_metadata. csv', index_col='movie_title')
|
|
|
|
start learning
|
|
df. to_csv(path_or_buf='new_students_data. csv')
|
|
|
suma wszystkich wartości Null start learning
|
|
|
|
|
|
start learning
|
|
df. drop_duplicates(inplace=True) df. drop_duplicates()
|
|
|
|
start learning
|
|
|
|
|
|
start learning
|
|
df['genres']. value_counts()
|
|
|
|
start learning
|
|
df_budget = df[(df['budget'] > budget_mean) & df['budget'] > 1000]
|
|
|
zastosuj funkcję wzdłuż osi df start learning
|
|
df['kolumna']. apply(function)
|
|
|
zwraca indeksy maksymalnej wartości start learning
|
|
df['kolumna']. values. argmax()
|
|
|
Indeksowanie oparte wyłącznie na liczbach całkowitych do wyboru według pozycji wiersze kolummu start learning
|
|
df. iloc[0] df. iloc[1:11, [3, 4]] df. loc[:, "col"])
|
|
|
Indeksator oparty wyłącznie na etykietach do wyboru według etykiety. start learning
|
|
|
|
|
dzieli i dodaje do listy po przecinku na podstawie znaku w nawiasie start learning
|
|
df['kolumna']. str. split(pat='|') df['kolumna']. str. split('|')
|
|
|
dzieli na kolumny na podstawie znaku w nawiasie start learning
|
|
df['genres']. str. split(pat='|', expand=True)
|
|
|
tabelę krzyżową dwóch (lub więcej) czynników start learning
|
|
pd. crosstab(df['col1'], df[column], normalize='columns')
|
|
|
|
start learning
|
|
pd. Categorical(['a','b','c','a','b','c'], ordered=True, categories=['c', 'b', 'a'])
|
|
|
jednowymiarowa tablica kolumna panda start learning
|
|
|
|
|
Zwraca serię kodów oraz indeks start learning
|
|
|
|
|
|
start learning
|
|
pd. cut(df[col], bins=[0, 5, max(df[col])], include_lowest=True)
|
|
|
