Datasets:

haih2

/

japanese-conala

like 0

パイthonでアルファノマトリックリスト"l"をカスタムに並べます

sorted(l, key=lambda x: x.replace('0', 'Z'))

グラフロガリথম軸を matplotlib で描く

ax.set_yscale('log')

Python でアクセス環境変数"ホーム"

os.environ['HOME']

Python で環境変数"ホーム"の値を取得

os.environ['HOME']

環境変数すべてを印刷する

print(os.environ)

環境変数をすべて取得

os.environ

Python で環境変数 'key_that_might_exist' の値を取得する

print(os.environ.get('KEY_THAT_MIGHT_EXIST'))

Python で,デフォルト値 'default_value' との環境変数 'key_that_might_exist' の値を取得する

print(os.getenv('KEY_THAT_MIGHT_EXIST', default_value))

Pythonで環境変数"home"の値を"/home/username/"とデフォルト値で取得する

print(os.environ.get('HOME', '/home/username/'))

キー/値ペアとして"my_list"の各文字列を"="に分け,単語辞書を作成する

print(dict([s.split('=') for s in my_list]))

Pythonでリスト "a" で,11.5 に最も近い要素のインデックスを見つけ

min(enumerate(a), key=lambda x: abs(x[1] - 11.5))

Python で,ファイル root で文字列 'text a' を含む要素 'a' を探す

e = root.xpath('.//a[contains(text(),"TEXT A")]')

HTML root で"a"タグを検索して Python で"a"文字から始まる

e = root.xpath('.//a[starts-with(text(),"TEXT A")]')

Python で,ファイル root で文字列 'text a' を含む要素を検索する

e = root.xpath('.//a[text()="TEXT A"]')

Python でリスト"b"の項目を含むリスト"c"を作成する.

c = [b[i] for i in index]

2つの1次元 numpy 配列の点積分を

np.dot(a[:, (None)], b[(None), :])

2つの1次元マレイを numpy で倍にする

np.outer(a, b)

python shell で arg1 と arg2 を含むファイル './abc.py' を実行する

subprocess.call(['./abc.py', arg1, arg2])

Pythonで" value"のコラムの" group"のデータの中央値に nan値を置き換える

df[['value']].fillna(df.groupby('group').transform('mean'))

Pythonで文字列の"s"の文字を"-"で分離する

re.sub('(.)(?=.)', '\\1-', s)

Python で str の文字の間にある"-' をコンカテネートする

re.sub('(?<=.)(?=.)', '-', str)

変数 "a" が変数 "値" に等しい Python で,np の numpy 配列で x と y 軸のインデックスを取得します

i, j = np.where(a == value)

Pythonで文字列 's' で最も頻繁に現れる文字を印刷する

print(collections.Counter(s).most_common(1)[0])

Python で,スレッド"dir"で,サブ文字列"par"を進める上で浮遊番号を検索

float(re.findall('(?:^|_)' + par + '(\\d+\\.\\d*)', dir)[0])

Python で,文字列 "a" で始まる場合は,文字列 "abcd" からすべてのマッチを取得します.

re.findall('[^a]', 'abcd')

現在のモジュールで"adfix.py"モジュールから変数のリストを取得する.

print([item for item in dir(adfix) if not item.startswith('__')])

Pythonでリストの"行"で各ツープルの最初の要素を

[x[0] for x in rows]

Python で, tuples のリストで,各 tuple の最初の要素のリストを 'res_list' に取得する

res_list = [x[0] for x in rows]

パンダのデータフレーム"x"で5回複製する

pd.concat([x] * 5, ignore_index=True)

繰り返されるパンドデータフレームオブジェクト 'x' を '5' に倍にする

pd.concat([x] * 5)

Python で json 'ips_data' を"data_two"キーで整理する

sorted_list_of_keyvalues = sorted(list(ips_data.items()), key=item[1]['data_two'])

パイthon で json 'elevations' を パンダデータフレーム 'df' に読み取る

pd.read_json(elevations)

配分を指定した 1 から 7 のランダムな数を生成する [0.1, 0.05, 0.05, 0.2, 0.4, 0.2]

numpy.random.choice(numpy.arange(1, 7), p=[0.1, 0.05, 0.05, 0.2, 0.4, 0.2])

Python で,データフレーム "df" のコラム"値"の最大値に関連したデータ回帰行

df.loc[df['Value'].idxmax()]

Python で,文字列 "42344343434" で繰り返しパターンを検索する

re.findall('^(.+?)((.+)\\3+)$', '42344343434')[0][:-1]

バイナリー文字列"\x00\x00\x80?\x00\x00\x00@\x00\x00@@\x00\x00\x80@"を numpy アレイに変換する

np.fromstring('\x00\x00\x80?\x00\x00\x00@\x00\x00@@\x00\x00\x80@', dtype='<f4')

バイナリー文字列をノムピマレイに変換する

np.fromstring('\x00\x00\x80?\x00\x00\x00@\x00\x00@@\x00\x00\x80@', dtype='>f4')

文字列の"v1",v2",v3"を,Pythonで,sql文に"表値 (?, ?, ?) に挿入する"に挿入する

cursor.execute('INSERT INTO table VALUES (?, ?, ?)', (var1, var2, var3))

Python で,変数 'var1', 'var2' と 'var3' を使って SQL 式を実行する

cursor.execute('INSERT INTO table VALUES (%s, %s, %s)', (var1, var2, var3))

Python で SQL 式で変数をどのように使うか?

cursor.execute('INSERT INTO table VALUES (%s, %s, %s)', (var1, var2, var3))

パンダは, Python で,データフレーム 'df' の列に"stats" の列を"",に分割する

df['stats'].str[1:-1].str.split(',', expand=True).astype(float)

Python で,データフレーム "df" の別列列に"stats" の列を""で分割する

df['stats'].str[1:-1].str.split(',').apply(pd.Series).astype(float)

資料フレーム "df" の"states"列を一連の列に解き放す

df['stats'].apply(pd.Series)

シェルコマンド 'p' を subprocess.popen で呼び出すまで待って

p.wait()

暗号文字列 "s" から utf-8 コード

s.encode('utf8')

Python で,データタイムオブジェクトに"01-jan-1995"文字列を解析する

datetime.datetime.strptime('01-Jan-1995', '%d-%b-%Y')

Python でファイルを 'src' から 'dst' にコピーする

copyfile(src, dst)

Python で,ファイル"/dir/file.ext"を"/new/dir/newname.ext"にコピーする

shutil.copy2('/dir/file.ext', '/new/dir/newname.ext')

Python で"/dir/file.ext"を"/new/dir"にコピーする

shutil.copy2('/dir/file.ext', '/new/dir')

文字列フォーマットを使用して整数のリスト"list_of_ints"を印刷する

print(', '.join(str(x) for x in list_of_ints))

Pythonで,データフレーム "df"では,列"a"と列"b"を列"c"に倍にする

df[['A', 'B']].multiply(df['C'], axis='index')

"a"の文字列を hex に変換する

hex(ord('a'))

リストの"l"で,Pythonで,

sum(j ** i for i, j in enumerate(l, 1))

Pythonで文字列 's' から余分な白色のスペースとタブを削除する

""" """.join(s.split())

Pythonで文字列 's' の kommaを空文字列 '' に置き換える

s = s.replace(',', '')

パイthonで"tamb"列の平均値を"放射線"列の値にまとめ,タイムシリーズインデックスに対して1時間"h"の解像度に"フレーム"データフレームを再試す

frame.resample('1H').agg({'radiation': np.sum, 'tamb': np.mean})

Python Tkinter ルーツウィンドウをどうやって取り除けばいいの?

root.destroy()

パイthon で,辞書"nvalues"の要素から"df"というパンドデータフレームを作成する

df = pd.DataFrame.from_dict({k: v for k, v in list(nvalues.items()) if k != 'y3'})

Pythonで,Flask get value of request variable 'first name' を入力する

first_name = request.args.get('firstname')

ファイターファイルは,Pythonで"ファーストネーム"というフォームデータを公開します

first_name = request.form.get('firstname')

Python でリストの"バケット"のすべての文字列の最初の5文字からなるサブ文字列のリストを取得

[s[:5] for s in buckets]

文字列の長さによってアルファベティ順に並べられるリスト"the_list"

the_list.sort(key=lambda item: (-len(item), item))

Python で,データフレーム 'df' でフィールド 'trx_date' に等しいインデックスを設定する

df = df.set_index(['TRX_DATE'])

10の範囲内の蓄積機によるリストの整合

list(accumulate(list(range(10))))

Pythonで"%y-%m-%d"の形式の日付文字列"2013-1-25"を異なる形式"%m/%d/%y"に変換する方法

datetime.datetime.strptime('2013-1-25', '%Y-%m-%d').strftime('%m/%d/%y')

Python で,日付文字列"2013~25"を"%y-%m-%d"格式で異なる格式"%-m/%d/%y"に変換する

datetime.datetime.strptime('2013-1-25', '%Y-%m-%d').strftime('%-m/%d/%y')

Python で"前文字"で終わらない"df"のすべての列を含むデータフレーム"df2"を取得する

df2 = df.ix[:, (~df.columns.str.endswith('prefix'))]

Python で,リスト"my_list"の最後の10つの要素を含むリスト"new_list"を作成する

new_list = my_list[-10:]

Pythonでリストの最後の10要素を "my_list"から取得

my_list[-10:]

matlab エンジン配列"x"を,ナプピー ndarray に変換する

np.array(x._data).reshape(x.size[::-1]).T

Python で,データフレーム "df" のレベル 0 に別列された最初の行を選択する

df.groupby(level=0, as_index=False).nth(0)

単次元マレイに1つの軸に沿ってノンピマレイのコンカテネートシーケンスを"リスト"する

numpy.concatenate(LIST, axis=0)

文字列"\\xc3\\x85あ"を utf-8 コードに変換して逃げる

"""\\xc3\\x85あ""".encode('utf-8').decode('unicode_escape')

字符串のエンコード"\\xc3\\x85あ"をバイトに

"""\\xc3\\x85あ""".encode('utf-8')

Pythonで"a"と"b"の2つのリストの要素を交差する

[j for i in zip(a, b) for j in i]

"a"と"b"のリストを1つのリストに統合する

[j for i in zip(a, b) for j in i]

Pythonで列 "lst" の各文字列 "s" のすべての occurrence を削除する

print([s.replace('8', '') for s in lst])

Pythonで"Hello"文字列を"",と分離した文字列に分割する

""",""".join('Hello')

django で,Python で,データベース"content.objects"からランダムな記録100を選択します

Content.objects.all().order_by('?')[:100]

Python で,アレイ"b"のインデックスによって指向されたアレイ"a"の要素を含むナプピーマレイを作成する

A[np.arange(A.shape[0])[:, (None)], B]

軸軸データフレーム"df"で"upc"の値は列頭になり,saleid"の値はインデックスになる

df.pivot_table(index='saleid', columns='upc', aggfunc='size', fill_value=0)

Pythonで文字列"f233op"で小文字文字文字の0または複数の例を一致させる

re.findall('([a-z]*)', 'f233op')

Pythonで文字列"f233op"で小文字文字文字の0または複数の例を一致させる

re.findall('([a-z])*', 'f233op')

Python で"_for_"文字列を使用して"happy_hats_for_cats"を分割する

re.split('_for_', 'happy_hats_for_cats')

Python で"and","or"または"for"の文字列に基づいて"sad_pandas_and_happy_cats_for_people"を分割する

re.split('_(?:for|or|and)_', 'sad_pandas_and_happy_cats_for_people')

Pythonで"l"を複数文字"for"または"or"または"and"で分割する

[re.split('_(?:f?or|and)_', s) for s in l]

Python で,リスト "k" と "v" の個別値を持つ Zip キーは

[dict(zip(k, x)) for x in v]

リストを"lst"で順番を下げます

sorted(lst, reverse=True)

Pythonで"年","月"および"日"列に基づいて"order_array"を排列する

order_array.sort(order=['year', 'month', 'day'])

Pythonで,複数の列"年",月"および"日"に構造化された numpy array "df" を सॉर्टする.

df.sort(['year', 'month', 'day'])

リストの要素が順序で一致しているかどうかを確認する

return my_list == list(range(my_list[0], my_list[-1] + 1))

パイthon で同じ "id" を含むパンドデータフレームのグループ列

df.groupby('id').agg(lambda x: x.tolist())

ユニコードとして"u'x\xc3\xbcy\xc3\x9f"をエンコードし,UTF-8でデコードする

'X\xc3\xbcY\xc3\x9f'.encode('raw_unicode_escape').decode('utf-8')

浮遊する"a"の解析文字列

float(a)

浮動または int に"s"の文字列を解析する

try: return int(s) except ValueError: return float(s)

Python で,オブジェクト "a" がプロパティ "プロパティ" を持っているかどうかを確認する

if hasattr(a, 'property'): pass

Python で,オブジェクト "a" がプロパティ "プロパティ" を持っているかどうかを確認する

if hasattr(a, 'property'): pass

Python で,デフォルト値"デフォルト値"を持つオブジェクト"a"の属性"プロパティ"の値を取得する

getattr(a, 'property', 'default value')

Pythonで,numpy array 'a' の 8 番目の列をすべて削除します.

np.delete(a, list(range(0, a.shape[1], 8)), axis=1)

"ms"ミリ秒をデータタイムオブジェクトに変換する

datetime.datetime.fromtimestamp(ms / 1000.0)