Dies ist ein Kampfbericht über das Klopfen von 100 Eiern, ohne das Ei des Datenwissenschaftlers zu kennen. Es ist ein Rätsel, ob ich das Rennen beenden kann. ~~ Auch wenn es unterwegs verschwindet, denken Sie bitte, dass es Qiita nicht gegeben wird. ~~

** Sei vorsichtig, wenn du es versuchst, da es Spoiler enthält **

Ich schreibe hier Gudaguda, weil ich ungefähr eine Seite verdiene, um das Verderben zu verhindern ()

Dieses Mal wiederholte ich die Entgleisung und konnte nicht verstehen, was ich untersuchen wollte (Ursache ist die 30.)

Das ist schwer zu sehen! Diese Schreibweise ist gefährlich! Wenn Sie Fragen haben, lassen Sie es mich bitte wissen. ~~ Ich werde es als Nahrung verwenden, während mein Herz geschädigt wird.

Diesmal von 29 bis 32. [Letztes Mal] 23-28 [Zum ersten Mal mit Inhaltsverzeichnis]

** Es gab viele Dinge, die ich diesmal nicht verstanden habe **

29

P-029: Ermitteln Sie für den Datenrahmen für Belegdetails (df_receipt) den häufigsten Wert des Produktcodes (product_cd) für jeden Geschäftscode (store_cd).

Ich wusste, dass der häufigste Wert der Modus war, aber in der Fortsetzung des letzten Males groupby(store_cd).agg({'product_cd':['mode']}) Es wird Moos sein, wenn Sie schreiben. Oder besser gesagt, es scheint nicht in Agg zu sein?

Selbst wenn ich helfe und [übliche Site] überprüfe (https://note.nkmk.me/python-pandas-mode/), funktioniert es nicht sehr gut. Warum? Artikel

Obwohl es auch auf der folgenden Site geschrieben ist, müssen Sie value_counts kombinieren und anwenden, wenn Sie den häufigsten Wert im Modus nach Gruppieren nach suchen möchten. Obwohl es auf Englisch ist, ist das Codebeispiel einfach und leicht zu verstehen. Bitte beziehen Sie sich darauf. https://github.com/pandas-dev/pandas/issues/11562 df.groupby ('grouping_content'). Ziel, das Sie am häufigsten finden möchten. Übernehmen (lambda x: x.mode ())

** ~~ Lambda …… ~~ **

`mine29.py`


df=df_receipt
df=df.groupby('store_cd').product_cd.apply(lambda x: x.mode()).reset_index()
df.head(5)

** Ja, ich weiß nicht **

30

P-030: Berechnen Sie für den Datenrahmen für Belegdetails (df_receipt) die Stichprobenverteilung des Verkaufsbetrags (Betrags) für jeden Geschäftscode (store_cd) und zeigen Sie den TOP5 in absteigender Reihenfolge an.

~~ Bitte raten Sie zum Zeitpunkt des kontinuierlichen Werfens von Problemsätzen ~~

Erstens bin ich in High 2 nicht gut in Mathematik, und nach mehr als 10 Jahren sterbe ich, wenn oben, unten, links und rechts vom Sigma Buchstaben und große Symbole geschrieben sind ~~ Selbst wenn ich in Excel nach Standardabweichungen frage, kopiere ich sie und füge sie ein

Das Wort "Probenverteilung", das in einer solchen Situation herauskam

** Verteilt **

Wenn etwas geschrieben ist, ist es ein weißes Auge. Kannst du nicht?

Die Standardverteilungsformel sieht so aus

~~ Sterben ~~ Schreiben Sie vorerst wie ein Programm, während Sie Ihre Augen cosplayen und Ihren Kopf organisieren

`ikinokoru.py`


def Sno2jo(X_list):

   n = len(X_list)
   X_ave = sum(X_list) / n
   ret = 0.0

   for X in range(X_list):
      ret += (X - X_ave)**2

   ret = ret / n
   return ret

Ist es so ...? (Das Array beginnt bei 0) (Der Vorgang wurde nicht bestätigt.)

** Programm kann gehen **

Danach verschiedene Site und [Video] Beim Betrachten von (https://www.youtube.com/watch?v=lD35jzfrxaU) habe ich es irgendwie verstanden, aber da es stark abwich, habe ich es aufgerundet und bin zum Klopfen zurückgekehrt.

Ich denke, es wäre diesmal einfacher, statistische Funktionen zu verwenden (dafür mache ich Python) und es zu lösen.

** Referenz **

`mine30.py`


df=df_receipt
df= df.groupby('store_cd').amount.var(ddof=0).reset_index().sort_values('amount',ascending=False).head(5)
df

'''Musterantwort'''
df_receipt.groupby('store_cd').amount.var(ddof=0).reset_index().sort_values('amount', ascending=False).head(5)

'''Fehlerbeispiel'''
df=pd.concat([df['store_cd'],df.groupby('store_cd').amount.var(ddof=0)],axis=0)

Im Fehlerbeispiel Ich fragte mich, ob ich nicht gut kombinieren konnte, weil das Ergebnis so war. Ich dachte, es wäre alleine in Ordnung, und ich konnte selbst antworten.

Nein, es hat lange gedauert

31st

`mine31.py`


df=df_receipt
df= df.groupby('store_cd').amount.std(ddof=0).reset_index().sort_values('amount',ascending=False).head()
df

Durchbrechen Sie 30 wie beim Kopieren Als es "ddof = False" war, wurde mir gesagt, ich solle es an Int übergeben und auf "0" setzen. ddof ist eine Übereinstimmungsschätzung oder eine unvoreingenommene Schätzung von hier und Video. Ist es ein Mengenunterschied?

32

Ich habe die Bedeutung des Perzentilwerts nicht verstanden (obwohl ich ihn irgendwie verstanden habe), also habe ich ihn nachgeschlagen und dann die Referenzstelle nachgeschlagen (fließende Konserven).

** Referenz **

`mine32.py`


df=df_receipt
df['amount'].quantile([0.0,0.25,0.5,0.75,1.0])

'''Modellantwort 1'''
np.percentile(df_receipt['amount'], q=[25, 50, 75,100])

'''Modellantwort 2'''
df_receipt.amount.quantile(q=np.arange(5)/4)

Die Richtung liegt nahe an Modellantwort 2, aber ich dachte, es wäre eine gute Idee, np.arange zu verwenden.

Bis hierher für diese Zeit

Für diejenigen, die mit dieser CSV ~~ spielen wollen Speichern Sie unter \ 100 Knocks-Preprocess \ Docker \ Work Hier gibt es verschiedene CSVs

[PYTHON] Data Science 100 Knock ~ Kampf um weniger als Anfänger Teil5

29

mine29.py

30

ikinokoru.py

mine30.py