C'est un record de lutte pour frapper 100 œufs sans connaître l'œuf du scientifique des données. C'est un mystère que je puisse terminer la course. ~~ Même s'il disparaît en cours de route, pensez qu'il n'est pas donné à Qiita. ~~
100 articles frappants 100 Knock Guide
** Faites attention si vous essayez de le faire car cela inclut des spoilers **
Cette fois de 10 à 18 Première fois avec la table des matières
À partir de ce moment, les choses que j'ai écrites ne réussissent pas toujours et j'écris en regardant les réponses et en écrivant des exemples d'échecs.
mine10.py
df=df_store
df[df['store_cd'].str.contains('S14')].head()
'''Le modèle de réponse'''
df_store.query("store_cd.str.startswith('S14')", engine='python').head(10)
'''Exemple d'échec'''
import re
df=df_store
df[None != re.match(r'S14.*',str(df['store_cd']))]
#>(Omission)KeyError: False
** À première vue, je me suis dit: "Si vous utilisez LIKE avec SQL, c'est un coup!?" ** ** Pour le moment, j'essaie de le résoudre en me plongeant dans le rematching ~~ heart friend ~~. Cependant, j'ai remarqué que ce n'était pas un type de chaîne de caractères, et même si je correspondais au premier caractère avec cette méthode d'écriture, il ne retournait pas avec None ~ ~ J'ai continué à provoquer KeyError en premier lieu ~ ~ J'ai cherché un autre moyen.
Ensuite, j'ai trouvé quelque chose appelé df.str.contains et j'ai été impressionné.
Je l'ai utilisé en me sentant invincible parce que je pouvais écrire l'intérieur avec des expressions régulières, mais j'ai utilisé la réponse modèle ~~ et la méthode Wakanowakaranai ~~.
ʻEngine = 'python'` semble être une chose magique [référence]
mine11.py
df=df_customer
df[df['customer_id'].str.contains('1$')].head()
'''Le modèle de réponse'''
df_customer.query("customer_id.str.endswith('1')", engine='python').head(10)
Un problème qui continue de nous dire la valeur de SQL.
Après avoir rédigé l'article dans une certaine mesure et l'avoir examiné, relisez la référence et vérifiez la méthode ci-dessous df.str.
mine12.py
df= df_store
df=df[df['address'].str.contains('Yokohama')]
df
'''Le modèle de réponse'''
df_store.query("address.str.contains('Yokohama')", engine='python')
mine13.py
df=df_customer
df=df[df['status_cd'].str.contains('^[A-F]')]
df.head(10)
'''Le modèle de réponse'''
df_customer.query("status_cd.str.contains('^[A-F]', regex=True)", engine='python').head(10)
mine14.py
df=df_customer
df=df[df['status_cd'].str.contains('[0-9]$')]
df.head(10)
'''Le modèle de réponse'''
df_customer.query("status_cd.str.contains('[1-9]$', regex=True)", engine='python').head(10)
mine15.py
df=df_customer
df=df[df['status_cd'].str.contains('^[A-F].*[0-9]$')]
df.head(10)
'''Le modèle de réponse'''
df_customer.query("status_cd.str.contains('^[A-F].*[1-9]$', regex=True)", engine='python').head(10)
mine16.py
df=df_store
df=df[df['tel_no'].str.contains('[0-9]{3}-[0-9]{3}-[0-9]{4}')]
df.head(10)
'''Le modèle de réponse'''
df_store.query("tel_no.str.contains('[0-9]{3}-[0-9]{3}-[0-9]{4}', regex=True)", engine='python')
Je suis désolé, je n'ai aucune impression. Je suis désolé de ne pas avoir utilisé de requête. ~~ J'ai peur parce que je ne lance pas d'erreur en écrivant ~~
De plus, regex = True semble signifier" utiliser des expressions régulières "[référence]
mine17.py
df_customer.sort_values('birth_day', ascending=True).head(10)
J'ai oublié cela, alors je l'ai écrit en le vérifiant. «Ascendant» signifie-t-il la même chose que SQL «ORDRE PAR ASC»?
mine17.py
df_customer.sort_values('birth_day', ascending=False).head(10)
La différence avec SQL est qu'au lieu d'utiliser DESC, ʻascending = False`.
1 et 2 étaient des critiques avec un sentiment de correspondance digestive, mais à partir de maintenant, il y aura plus de questions quant à savoir si les connaissances peuvent ou non être combinées. ~~ Je n'ai pas assez de connaissances ~~ J'ai eu beaucoup de problèmes difficiles, donc je veux procéder à un rythme légèrement plus lent. Il y a certaines parties à sauter (21,22, etc.).
Recommended Posts