Datasets:

haih2

/

japanese-conala

like 0

Python を使用してセレーニウムを使用したリンクをクリックする

driver.find_element_by_xpath('xpath').click()

パイthon で,パンドデータフレーム "ex" の列 "a" のユニークなインデックス値を数え

ex.groupby(level='A').agg(lambda x: x.index.get_level_values(1).nunique())

辞書の辞書を含む"d"辞書から値のパダデータフレームを作成する

pd.concat(map(pd.DataFrame, iter(d.values())), keys=list(d.keys())).stack().unstack(0)

Pythonでリスト "a"とリスト "b" の同じインデックスで一致しない要素の数を調べる

sum(1 for i, j in zip(a, b) if i != j)

Python で,すべてのキーが辞書 "d" で小文字で

d = {(a.lower(), b): v for (a, b), v in list(d.items())}

各ツープルの最初の要素と各ツープルの2番目の要素の長さに基づいて"list_"を排列する

list_.sort(key=lambda x: [x[0], len(x[1]), x[1]])

Python で文字列 's' でホワイトスペースを切り離す

s.strip()

左側にある"s"のタブを含む"トリムホワイトスペース"

s = s.lstrip()

右側の"s"で白空を切り抜く (タブを含む)

s = s.rstrip()

Python で,s で\t\n\r を切り抜く文字

s = s.strip(' \t\n\r')

Pythonで文字列 "s" でホワイトスペース (タブを含む) を切り離す

print(re.sub('[\\s+]', '', s))

djangoでは, ['a', 'p', 'f' のすべてのエンティティをベースに"task.objects"をフィルタする

Task.objects.exclude(prerequisites__status__in=['A', 'P', 'F'])

背景色を tkinter で変更する

root.configure(background='black')

構造化されたマレイに"結果"を変換する

numpy.array([(key, val) for key, val in result.items()], dtype)

Pythonで"y"列の値によってソートされた"df_2"のデータフレームに"df_1"をコンカテネートする

pd.concat([df_1, df_2.sort_values('y')])

Python で,文字列 's' で,表現 '</div>' の最後の出現を '</bad>' に置き換える

re.sub('(.*)</div>', '\\1</bad>', s)

辞書で最大限の"給与"と"ボーナス"値を取得する

print(max(d, key=lambda x: (d[x]['salary'], d[x]['bonus'])))

Python で,django オブジェクトを"author"で id "1" と"2"でフィルタする

Book.objects.filter(author__id=1).filter(author__id=2)

Pythonで"xyz"文字列を用いて,ケース不敏感なマッチングに基づいて分割文字列"fooxyzbar"

re.compile('XYZ', re.IGNORECASE).split('fooxyzbar')

Pythonで文字列"例"で隣接整数の合計のリストを取得

[sum(map(int, s)) for s in example.split()]

Python で,値が"である単語y"からすべてのキーを取得

[i for i in y if y[i] == 1]

バイト文字列 "c" をユニコード文字列に変換する

c.decode('unicode_escape')

パイthon で,最初の2つの列を"年"と"値"の新しい列に "x" のパンダデータフレームから開く

pd.melt(x, id_vars=['farm', 'fruit'], var_name='year', value_name='value')

Pythonで"default_data"辞書に"item3"キーと"3"値を追加する

default_data['item3'] = 3

Pythonで"default_data"辞書に"item3"キーと"3"値を追加する

default_data.update({'item3': 3, })

Pythonで"default_data"辞書に"item4",4",item5",5のキー値ペアを追加する

default_data.update({'item4': 4, 'item5': 5, })

リストの最初の3つの要素を Python で取得します.

l[:3] + l[-3:]

Pythonで,データフレーム "df" でデフォルトにリセットインデックス

df = df.reset_index(drop=True)

0 から 3 の各インデックス "x" に対して,リスト "b" のインデックス "x" の要素をリスト "a" のインデックス "x" のリストに追加する.

[a[x].append(b[x]) for x in range(3)]

Python でファイル名 "path" のカノニカルパスを取得する

os.path.realpath(path)

Python で,辞書 "l[0].f.items() " が辞書 "a3.f.items() " であるかどうかを確認する

set(L[0].f.items()).issubset(set(a3.f.items()))

値が 1 の numpy 2d アレイですべてのインデックスを見つけ

zip(*np.where(a == 1))

Python で 2D アレイで値のインデックスをどうやって見つけますか?

np.where(a == 1)

Python で,データフレーム "df" で階層列インデックスをレベル 0 に崩す

df.columns = df.columns.get_level_values(0)

Python で [1, 2, 3] のリストからマトリックスを作成する

x = scipy.matrix([1, 2, 3]).transpose()

Pythonで文字列"テキスト"に"get"の後に"@"を追加する

text = re.sub('(\\bget\\b)', '\\1@', text)

3x1の要素の最小値を含むナプピーマレイを取得します

np.array([np.arange(3), np.arange(2, -1, -1), np.ones((3,))]).min(axis=0)

範囲内のインデックスのためにデータフレーム "df" に"new_col"列を追加する

df['new_col'] = list(range(1, len(df) + 1))

設定環境変数"debussy"=1

os.environ['DEBUSSY'] = '1'

Python で環境変数"debussy"を取得する

print(os.environ['DEBUSSY'])

Pythonで環境変数"debussy"を"1"に設定する

os.environ['DEBUSSY'] = '1'

Python で,キーが同一である場合の値を覆す辞書"b"を更新し,辞書"d"の内容を

b.update(d)

パイthonで,パダデータフレーム 'df' から列 'b' のすべての値を取得

df['b']

誤差バー"バー"を入力して,データ"x,y,err"から線図を作成し,誤差バーの色を"y" (黄色) に設定します.

ebar = plt.errorbar(x, y, yerr=err, ecolor='y')

Python で,ディレクトリ"フォルダ"で拡張子 ".c"を持つすべてのファイルを検索

results += [each for each in os.listdir(folder) if each.endswith('.c')]

Python で,UTF-8 解読文字列 "\xc2\xa3" にユニコード文字列"1"を追加する

print('\xc2\xa3'.decode('utf8') + '1')

文字素の小文字で,Python で"s"の文字列で"(?<=[a-z])"のレジェックスパターンの発生を"-\\1"に置き換えることで得られる文字列

re.sub('(?<=[a-z])([A-Z])', '-\\1', s).lower()

Python スクリプトでスタックサイズを設定

os.system('ulimit -s unlimited; some_executable')

文字列のフォーマットを使用して文字列のフォーマット

"""{0:.3g}""".format(num)

Pythonで,アレイ"a"の最初の要素をアレイ"a"に追加する

numpy.append(a, a[0])

パイthon で,データフレーム "df" で値 38.15 の列を返します

df.ix[:, (df.loc[0] == 38.15)].columns

Pythonで"収益"と"日付"の列で同じ値を持つ2つのデータフレーム"df1"と"df2"を統合し,インデックスする

df2['revenue'] = df2.CET.map(df1.set_index('date')['revenue'])

Pythonで json_data の変数 "json_data" に json_string をロードする

json_data = json.loads(json_string)

半径を1度に変換する

math.cos(math.radians(1))

Python でリスト "a" の整数数を数え

sum(isinstance(x, int) for x in a)

文字列の\u200bを"*"で置き換える

'used\u200b'.replace('\u200b', '*')

実行機能"sudsmove"を同時に実行する

threading.Thread(target=SudsMove).start()

Python で,リスト "l" の平方値の合計

sum(i * i for i in l)

リスト"l"の各値の正方形の合計を Python で計算する

sum(map(lambda x: x * x, l))

Python で"反復可能"リストから辞書"d"を作成する

d = dict(((key, value) for (key, value) in iterable))

Python で"反復可能"リストから辞書"d"を作成する

d = {key: value for (key, value) in iterable}

Python で"再発可能"のキー値ペアリストから"d"辞書を作成する

d = {k: v for (k, v) in iterable}

データのフレーム "df"列のエントリ "alabama_exp"を2桁の10桁に丸め, "credit_exp"列のエントリを3桁の10桁に丸め

df.round({'Alabama_exp': 2, 'Credit_exp': 3})

カール"p"で output しないようにする

p.setopt(pycurl.WRITEFUNCTION, lambda x: None)

Python で,単語リストの"単語"からランダムな単語を返します

print(random.choice(words))

Python で,ネードされた辞書 "d" でキー"カウント"の最大値を検索する

max(d, key=lambda x: d[x]['count'])

文字列の要素のリストを取得し,空文字列の代わりに "0" を置く.

[(int(x) if x else 0) for x in data.split(',')]

文字列を"s"に分割して"をベースにした文字列列列に"s"を分割し,空文字列をゼロで置き換える

""",""".join(x or '0' for x in s.split(','))

普通の表現は 違う

re.compile('$^')

規則表現の構文は,何も一致しないために

re.compile('.\\A|.\\A*|.\\A+')

パターンで規則表現オブジェクトを作成します

re.compile('a^')

0 より大きい最大値を持つデータフレーム "df" のすべての列を落とす

df.columns[df.max() > 0]

"あなたの時間"の日付が今日の日付に等しいかどうかを確認する

yourdatetime.date() == datetime.today().date()

Python で大文字"hello"を印刷する

print('\x1b[1m' + 'Hello')

Python で,文字列 "unique12345678901234567890.mkv" の""の前で 20 つの符号を削除する

re.sub('.{20}(.mkv)', '\\1', 'unique12345678901234567890.mkv')

Python で string 値 "['a', 'c', 'b', 'obj']"を持つリストを定義する

['a', 'c', 'b', 'obj']

Pythonで文字列"mystring"で複数のホワイトスペースを単一のホワイトスペースに置き換える

""" """.join(mystring.split())

切断なしで浮動点番号2.345e-67を印刷する

print('{:.100f}'.format(2.345e-67))

Python で"dict"で"key1"キーが確認する

('key1' in dict)

Python で"d"で"a"をキーにするかどうか確認する

('a' in d)

Python で,キー "c" が "d" であるかどうかを確認する

('c' in d)

Python で,あるキー"key1"が辞書"dict"で存在しているかどうかを確認する

if ('key1' in dict): pass

Python で,単語 "d" で与えられたキー"キー"が存在しているか確認する

if (key in d): pass

Python で値"1,4,7"のリストのために django 查询を作成する

Blog.objects.filter(pk__in=[1, 4, 7])

Python での二重ファイル"test/test.pdf"を読み取る

f = open('test/test.pdf', 'rb')

""前"の3桁の間の""を挿入し,""を""と置き換える.

format(12345678.46, ',').replace(',', ' ').replace('.', ',')

パイthon で,左側で"county_id"と右側で"countyid"で"frame_1"と"frame_2"で"phandaのデータフレームを結合する

pd.merge(frame_1, frame_2, left_on='county_ID', right_on='countyid')

Python で,numpy array 'a' の稀少度比を計算する

np.isnan(a).sum() / np.prod(a.shape)

キー値リストの第3項でデフォルト辞書"citypopulation"の項目を逆分類する

sorted(iter(cityPopulation.items()), key=lambda k_v: k_v[1][2], reverse=True)

値の2番目の要素に基づいて上昇順で"u"の辞書を排列する

sorted(list(u.items()), key=lambda v: v[1])

逆分類辞書"d"その値に基づいて

sorted(list(d.items()), key=lambda k_v: k_v[1], reverse=True)

標準ディクト"d"を値に並べます

sorted(list(d.items()), key=lambda k_v: k_v[1])

Python スクリプトと同じディレクトリで"bundled-resource.jpg"ファイルを開く

f = open(os.path.join(__location__, 'bundled-resource.jpg'))

ファイル"words.txt"をruモードで開く

f = open('words.txt', 'rU')

Pythonで,二つの辞書"d1"と"d2"の同じキーで値を分割する

{k: (float(d2[k]) / d1[k]) for k in d2}

Python で,同じキー "k" の値で,各キー "k" の値 "d2" を割る

{k: (d2[k] / d1[k]) for k in list(d1.keys()) & d2}

Python で,辞書 "d2" の同じキーに関連した値から,辞書 "d1" の各キーに関連した値を分割する

dict((k, float(d2[k]) / d1[k]) for k in d2)

Python で,年月日"%y%m%d"とフォーマットされた日付をファイル"filename"にデータフレーム"df"を書き込み

df.to_csv(filename, date_format='%Y%m%d')

Pythonで"my_dict"辞書から"key"を削除する

my_dict.pop('key', None)

アレイ"a"のナノ値をゼロに置き換える

b = np.where(np.isnan(a), 0, a)