kunishou/amenokaku-code-instruct · Datasets at Hugging Face

output stringlengths 0 10.3k	task stringclasses 3 values	index int64 0 5.38k	liscence stringclasses 4 values	source stringclasses 15 values	instruction stringlengths 13 3.45k
df.null_count() [別解] df.select(pl.all().is_null().sum()) ---------------------------------------------- [Tips] ・null_count()で欠損値数を確認 ---------------------------------------------- [参考] pandas記法 df.isnull().sum()	code_generation	900	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのすべての列の欠損値数を確認しなさい。
df = df.with_column(pl.col('age').fill_null(30).alias('age')) df.null_count() ---------------------------------------------- [Tips] 欠損値の補完にはfill_null()を使用 ---------------------------------------------- [参考] pandas記法 df['age'] = df['age'].fillna(30) df['age'].isnull().sum()	code_generation	901	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の欠損値に30を代入し、その後、ageの欠損値数を確認しなさい。
df = df.drop_nulls() df.null_count() ---------------------------------------------- [Tips] 欠損値を含む行の削除には drop_nulls() を使用 ---------------------------------------------- [参考] pandas記法 df = df.dropna() df.isnull().sum()	code_generation	902	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfでひとつでも欠損値がある行を削除し、その後、dfの欠損値数を確認しなさい。
df.get_column('survived').to_numpy() ---------------------------------------------- [Tips] ・seriesに対してto_numpy()を付けることでndaaray形式に変換できる ---------------------------------------------- [参考] pandas記法] df['survived'].values	code_generation	903	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsurvivedの列をndarray形式(配列)で表示しなさい。
df = df.sample(frac=1.0, shuffle=True) df.head() ---------------------------------------------- [Tips] ・dataframeの行をシャッフルするときは　sample(frac=1.0, shuffle=True)と書く・fracに指定した値（0～1.0）でランダムサンプリングが可能 df.sample(frac=0.5) ---------------------------------------------- [参考] pandas記法 df.sample(frac=1)	code_generation	904	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの行をシャッフルし、dfの最初の5行を表示しなさい。
print(df2.is_duplicated().sum()) df2 = df2.unique() df2 ---------------------------------------------- [Tips] ・重複行数をカウントする時は is_duplicated().sum() ・重複行を削除する時は unique() ---------------------------------------------- [参考] pandas記法 print(df2.duplicated().value_counts()) df2 = df2.drop_duplicates() df2	code_generation	905	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、①df2の重複行数をカウント、②df2の重複行を削除し、df2を表示しなさい。
df.select(pl.col('name').str.to_uppercase()) ---------------------------------------------- [Tips] str.to_uppercase()で小文字を大文字に変換 ---------------------------------------------- [参考] pandas記法 df['name'].str.upper()	code_generation	906	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのnameの列をすべて大文字に変換し表示しなさい。
df.select(pl.col('name').str.to_lowercase()) ---------------------------------------------- [Tips] str.to_lowercase()で大文字を小文字に変換 ---------------------------------------------- [参考] pandas記法 df['name'].str.lower()	code_generation	907	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのnameの列をすべて小文字に変換し表示しなさい。
df = df.with_column(pl.col("sex").str.replace("female", "Python")) df.head() ---------------------------------------------- [Tips] ・文字列の置換にはstr.replace('a', 'b')を使用　（文字列aを文字列bに置換） ---------------------------------------------- [参考] pandas記法 df['sex'] = df['sex'].replace('female','Python') df.head()	code_generation	908	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列に含まれる「female」という単語を「Python」に置換しなさい。その後、dfの最初の5行を表示し「female」が「Python」に置き換わったことを確認しなさい。
import re df = df.with_row_count().with_column(pl.when(pl.col('row_nr')==0) .then(re.sub('Elisabeth','',df.get_column('name')[0:1][0])) .otherwise(pl.col('name')).alias('name')) df.get_column('name')[0:1][0] [別解]（非推奨） df[0, 'name'] = re.sub('Elisabeth','',df[0, 'name']) df[0, 'name'] [別解2] re.sub()を使わずreplaceでも置換可能 .then(df.get_column('name')[0:1][0].replace('Elisabeth','')) ---------------------------------------------- [Tips] ・部分一致の文字列消去にはre.sub()を使用・re.sub('消したい文字列','','元々の文字列') のように使う・完全一致で文字列を消去するときはreplaceを使用可能 ---------------------------------------------- [参考] pandas記法 import re df['name'][0] = re.sub('Elisabeth','',df['name'][0]) df['name'][0]	code_generation	909	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのname列1行目の「Allen, Miss. Elisabeth Walton」の「Elisabeth」を消去しなさい(なお、import reをインポートすること)
df5 = df5.with_column( pl.col("都道府県").str.rstrip().alias("都道府県名") ).with_column( pl.concat_str(pl.col(["都道府県名", "市区町村"]), "_") .alias("test2") ).drop("都道府県名") df5 ---------------------------------------------- [Tips] ・文字列右側の空白を削除　str.rstrip() ・文字列の両端の空白を削除　str.strip() ・文字列の左側の空白を削除　str.lstrip() ---------------------------------------------- [参考] pandas記法 df5['test2'] = df5['都道府県'].str.rstrip() +'_'+ df5['市区町村'] df5.head()	code_generation	910	AmenokakuCode Liscence	polars_100_knocks	データフレームdf5は都道府県, 市区町村, test, test2の列からなるデータフレームである。polarsを用いて、df5の都道府県列と市区町村列を空白がないように「_」で結合(新規列名は「test2」)し、先頭5行を表示しなさい。なお、df5の「test」列は通常通り結合した場合の結果である。
df2.transpose(include_header=True) ---------------------------------------------- [Tips] ・dataframeの行と列を入れ替えるときはtranspose()を使用 [参考] pandas記法 df2 = df2.transpose() df2	code_generation	911	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2の行と列を入れ替えて表示しなさい。
df2 = df2.join(df3, on='name', how='left') df2 ---------------------------------------------- [Tips] ・左結合では、df2に存在するレコードにdf3のレコードを結合する・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='left') df2	code_generation	912	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を左結合（結合キーはname）し、df2に格納し、df2を表示しなさい。
df2 = df3.join(df2, on='name', how='left') df2 ---------------------------------------------- [Tips] ・Polarsには右結合がないのでdf2にdf3を右結合したい場合は　df3にdf2を左結合させる・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='right') df2	code_generation	913	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を右結合（結合キーはname）し、df2に格納し、df2を表示しなさい。
df2 = df2.join(df3, on="name", how="inner") df2 ---------------------------------------------- [Tips] ・内部結合では、df2とdf3の共通のキーのみで結合する・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='inner') df2	code_generation	914	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を内部結合（結合キーはname）し、df2に格納し、df2を表示しなさい。
df2 = df2.join(df3, on="name", how="outer") df2 ---------------------------------------------- [Tips] ・外部結合では、df2とdf3の両方のレコードが　残るように結合する（innerはand結合、outerはor結合）・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='outer') df2	code_generation	915	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2にdf3を外部結合し、df2に格納し、df2を表示しなさい。
df2 = df2.join(df3, on="name", how="semi") df2 ---------------------------------------------- [Tips] ・semi結合では右側のdataframeに存在するレコードのみが残るように　結合・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし	code_generation	916	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を、df3にのみ存在するデータのみを残して結合しなさい。
df2 = df2.join(df3, on="name", how="anti") df2 ---------------------------------------------- [Tips] ・anti結合では右側のdataframeに存在しないレコードのみで結合・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし	code_generation	917	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を、df3に存在しないデータを残して結合しなさい。
df2 = df2.join(df3, on="name", how="cross") df2 ---------------------------------------------- [Tips] ・cross結合では、df2、df3のどちらにも存在するすべてのレコード同士の　組み合わせで結合する（例えばそれぞれ100レコードのdataframeだった場合、　10,000（100×100）の結合データが生成される）・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし	code_generation	918	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2とdf3のそれぞれの行を全通り組み合わせたデータフレームを作成しなさい。
df2 = pl.concat([df2, df4.drop('name')], how='horizontal') df2 ---------------------------------------------- [Tips] ・複数のdataframeを連結するときはpd.concatを使用・how='horizontal'で横方向にdataframe同士を結合 ---------------------------------------------- [参考] pandas記法 df2 = pd.concat([df2,df4],axis=1) df2	code_generation	919	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2とdf4を列方向に連結し、df2に格納し、df2を表示しなさい。
df2 = pl.concat([df2,df4], how="diagonal") df2 ---------------------------------------------- [Tips] ・複数のdataframeを連結するときはpd.concatを使用・how='diagonal'で縦方向にdataframe同士を結合・縦方向の結合には'vertical'もあるが、列数の一致しない　dataframe同士を結合しようとするとエ'vertical'ではエラーが出る ---------------------------------------------- [参考] pandas記法 df2 = pd.concat([df2,df4],axis=0) df2	code_generation	920	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2とdf4を行方向に連結し、df2に格納し、df2を表示しなさい。
df.select(pl.col('age').mean()) ---------------------------------------------- [Tips] ・列の平均値はpl.col('列名').mean()で確認 ---------------------------------------------- [参考] pandas記法 df['age'].mean()	code_generation	921	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の平均値を確認しなさい。
df.select(pl.col('age').median()) ---------------------------------------------- [Tips] ・列の中央値はpl.col('列名'),median()で確認 ---------------------------------------------- [参考] pandas記法 df['age'].median()	code_generation	922	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の中央値を確認しなさい。
df2.drop_in_place('class') print(df2.select(pl.sum(['English','Mathematics','History']))) print(df2.sum()) ---------------------------------------------- [Tips] ・行方向のpl.sum(['列名1','列名2'])の加算したい列名を記載して書く・列方向の合計値の確認はsum()を使用 ---------------------------------------------- [参考] pandas記法 df2 = df2.drop(['class'],axis=1) print(df2.sum(axis=1)) #行方向の合計 print(df2.sum()) #列方向の合計	code_generation	923	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、①df2の生徒ごとの合計点（行方向の合計）、②df2の科目ごとの点数の総和（列方向の合計）を求めなさい。
print(df2.select(pl.col('English').max())) ---------------------------------------------- [Tips] 最大値の確認はpl.col('列名').max()を使用 ---------------------------------------------- [参考] pandas記法 df2['English'].max()	code_generation	924	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2のEnglishで得点の最大値を求めなさい。
print(df2.select(pl.col('English').min())) ---------------------------------------------- [Tips] 最小値の確認はpl.col('列名').min()を使用 ---------------------------------------------- [参考] pandas記法 df2['English'].min()	code_generation	925	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2のEnglishで得点の最小値を求めなさい。
df2.drop_in_place('name') print(df2.groupby(['class']).max()) print(df2.groupby(['class']).min()) print(df2.groupby(['class']).mean()) ---------------------------------------------- [Tips] 指定の列名でグルーピングしたい場合は groupby('列名')を使用する ---------------------------------------------- [参考] pandas記法 df2 =df2.drop('name',axis=1) print(df2.groupby('class').max()) print(df2.groupby('class').min()) print(df2.groupby('class').mean())	code_generation	926	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2においてclassでグループ化し、クラスごとの科目の最大値、最小値、平均値を求めなさい(なお、name列はグループ化前に削除しておくこと)
df2.drop_in_place('name') df2.groupby(['class']).agg( [ pl.mean("").suffix("_mean"), pl.max("").suffix("_max"), pl.min("*").suffix("_min"), ] ) ---------------------------------------------- [Tips] ・groupby(['列名']).agg()でエクスプレッションリストを渡します・解答の場合、class列でグルーピングした後に、すべての列に対して　mean、max、minの処理をしている。・処理結果の列には接尾語として「_mean」、「_max」、「_min」を　振っている ---------------------------------------------- [参考] pandas記法 df2.drop(['name'],axis=1, inplace=True) pd.concat([df2.groupby('class').mean().add_suffix('_mean'), df2.groupby('class').mean().add_suffix('_max'), df2.groupby('class').mean().add_suffix('_min')], axis=1 )	code_generation	927	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2においてclassでグルーピングし、aggを用いて各科目の平均、最大値、最小値を求めなさい。なお、各科目の平均、最大値、最小値には「***_mean」のようにsuffixを振ること、また、name列はグループ化前に削除しておくこと。
df.select(pl.all().exclude(pl.Utf8)).pearson_corr() ---------------------------------------------- [Tips] ・dataframeの列間の相関係数を確認したい場合はpearson_corr()を使用・dataframeに文字列を含むとエラーになるため、計算前にpl.all().exclude(pl.Utf8)で文字列を除外する・Polarsのpearson_corr()では数値列にnullがひとつでもあると計算できないためその列の相関係数はNanになる　（引数でnullを無視するオプションもない） ---------------------------------------------- [参考] pandas記法 df.corr() pandasのcorr()では自動で数値列に絞り、相関計算を実施してくれる。また、数値列内のnullは無視して計算をしてくれる。	code_generation	928	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの各列間の(Pearson)相関係数を確認しなさい。
from sklearn.preprocessing import StandardScaler df2 = df2.drop(['name', 'class']) #標準化を定義 scaler = StandardScaler() #変換とデータフレームへの置換 scaler.fit_transform(df2.to_numpy()) # 変換のみ df2_std = pl.DataFrame(scaler.fit_transform(df2.to_numpy()), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが等しくなっていることを確認 ---------------------------------------------- [Tips] ・データフレームを標準化する場合は、scikit-learnのStandardScalerを使用・it_transform(df2.to_numpy())のようにdataframeをto_numpy()でndarray形式に変換しないと計算結果がおかしくなるので注意 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import StandardScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 #標準化を定義 scaler = StandardScaler() scaler.fit(df2) #変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが等しくなっていることを確認	code_generation	929	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish、Mathematics、History列を標準化する (from sklearn.preprocessing import StandardScalerをインポートすること)
from sklearn.preprocessing import StandardScaler #標準化を定義 scaler = StandardScaler() scaler.fit(df2.select(pl.col('English')).to_numpy().reshape(-1,1)) #変換とデータフレームへの置換 scaler.transform(df2['English'].to_numpy().reshape(-1,1)) # 変換のみ df2_std = pl.DataFrame(scaler.transform(df2['English'].to_numpy().reshape(-1,1))) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() ---------------------------------------------- [Tips] ・dataframeのひとつの列を標準化する場合は、values.reshape(-1,1)で配列変換してやる方法もある・reshape(-1,1)でn行1列に変換 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import StandardScaler #標準化を定義 scaler = StandardScaler() scaler.fit(df2['English'].values.reshape(-1,1)) #変換とデータフレームへの置換 scaler.transform(df2['English'].values.reshape(-1,1)) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2['English'].values.reshape(-1,1))) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe()	code_generation	930	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish列を標準化する (from sklearn.preprocessing import StandardScalerをインポートすること)
from sklearn.preprocessing import MinMaxScaler df2 = df2.drop(['name','class']) #不要列の削除 # Min-Maxスケーリングを定義 scaler = MinMaxScaler() # 変換とデータフレームへの置換 scaler.fit_transform(df2.to_numpy()) # 変換のみ df2_std = pl.DataFrame(scaler.fit_transform(df2.to_numpy()), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #minが0、maxが1になっていることを確認 ---------------------------------------------- [Tips] ・データフレームをMin-Maxスケーリングする場合は、scikit-learnのStandardScalerを使用・Min-Maxスケーリングでは最小値が0、最大値が1となるようにデータを変換する・fit_transform(df2.to_numpy())のようにdataframeをto_numpy()でndarray形式に変換しないと計算結果がおかしくなるので注意 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import MinMaxScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 # Min-Maxスケーリングを定義 scaler = MinMaxScaler() scaler.fit(df2) # 変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #minが0、maxが1になっていることを確認	code_generation	931	AmenokakuCode Liscence	polars_100_knocks	データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish、Mathematics、History列をMin-Maxスケーリングする (from sklearn.preprocessing import MinMaxScalerをインポートすること)
df = df.with_row_count() display(df.filter(pl.col('fare') == pl.col('fare').max())) display(df.filter(pl.col('fare') == pl.col('fare').min())) ※ print出力よりもdisplay出力のほうが見やすかったためここではdisplayを使っています ---------------------------------------------- [Tips] 特になし ---------------------------------------------- [参考] pandas記法 print(df['fare'].idxmax()) print(df['fare'].idxmin())	code_generation	932	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのfare列の最大値、最小値の行名を取得しなさい。
q_list = [0, 0.25, 0.5, 0.75, 1.0] for n in q_list: print(df.select(pl.col('fare').quantile(n))) ---------------------------------------------- [Tips] ・パーセンタイルを取得する場合は quantile()を使用・50パーセンタイル=中央値、0パーセンタイル=最小値、　100パーセンタイル=最大値 ---------------------------------------------- [参考] pandas記法 print(df['fare'].quantile([0, 0.25, 0.5, 0.75, 1.0]))	code_generation	933	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのfare列の0、25、50、75、100パーセンタイルを取得しなさい。
print(df.filter(~pl.col('age').is_null()).select(pl.col('age').cast(pl.Utf8).mode())) print(df.select(pl.col('age').value_counts())) ---------------------------------------------- [Tips] ・最頻値を取得する場合は mode()を使用・pandasのmode()と違い文字列のみに適用可能。数値列に適用したい場合は　文字列型に変換する必要あり・age列はnullが多くnull込みで最頻値を求めると、nullが最頻値になってしまうため　filter(~pl.col('age').is_null())でnullを除外している ---------------------------------------------- [参考] pandas記法 print(df['age'].mode()) print(df['age'].value_counts())	code_generation	934	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、①dfのage列の最頻値を取得、②value_counts()にてage列の要素数を確認し、①の結果の妥当性を確認しなさい。
from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 sex = df.select(pl.col('sex')).to_numpy() labels = le.fit_transform(sex) df = df.with_column(pl.Series(labels).alias("sex")) df.head() ---------------------------------------------- [Tips] ・pyarrowをpip installしていないとエンコーディング後の値がおかしくなるので注意する。　（参考）polarsでLabelEncoderを使おうとしたら詰まった話　https://zenn.dev/gamera/articles/cd0f49c8ae74f6?utm_source=pocket_saves ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df.head()	code_generation	935	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列をラベルエンコーディングし、dfの先頭5行を表示しなさい (from sklearn.preprocessing import LabelEncoderをインポートすること)
df = pl.concat([df.drop('sex'), df.select(pl.col('sex')).to_dummies()], how='horizontal') df.head() ---------------------------------------------- [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。to_dummies()ではOne-Hotエンコーディングが可能・回帰問題を解く場合には、One-hotエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 df = pd.get_dummies(df, columns=['sex']) df.head()	code_generation	936	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列をOne-hotエンコーディングし、dfの先頭5行を表示しなさい。
from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 sex = df.select(pl.col('sex')).to_numpy() embarked = df.select(pl.col('embarked')).to_numpy() label_sex = le.fit_transform(sex) label_embarked = le.fit_transform(embarked) df = df.with_columns([pl.Series(label_sex).alias("sex"), pl.Series(label_embarked).alias("embarked")]) df.head() ---------------------------------------------- [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df['embarked'] = le.fit_transform(df['embarked'].astype(str)) #ここ、なぜかstrに変換しないとエラー発生 df.head()	code_generation	937	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsexとembarked列をラベルエンコーディングしなさい(from sklearn.preprocessing import LabelEncoderをインポート)
print(df.null_count()) ---------------------------------------------- [Tips] ・null_coount()で欠損値数を確認 ---------------------------------------------- [参考] pandas記法 df.isnull().sum()	code_generation	938	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df_copyの欠損値を確認しなさい。
df = df.with_columns([pl.col('age').fill_null(pl.col('age').mean())]) df = df.with_columns([pl.col('fare').fill_null(pl.col('fare').mean())]) df.null_count() ---------------------------------------------- [Tips] 欠損値の補完にはfill_nullを使用 ---------------------------------------------- [参考] pandas記法 df['age'] = df['age'].fillna(df['age'].mean()) #欠損値にageの平均値で補完 df['fare'] = df['fare'].fillna(df['fare'].mean()) #欠損値にfareの平均値で補完 print(df.isnull().sum())	code_generation	939	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage、fare列の欠損値を各列の平均値で補完しなさい。
df = df.drop(['name', 'ticket', 'cabin', 'boat', 'body', 'home.dest']) df.head() ---------------------------------------------- [Tips] ・列の削除をするにはdropを使用・drop_in_place()が複数列の削除に対応していないため、　ここではdropを使用している ---------------------------------------------- [参考] pandas記法 df = df.drop(['name', 'ticket', 'cabin', 'boat', 'body', 'home.dest'],axis=1) df	code_generation	940	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの中で機械学習で使用しない不要な行を削除 (name, ticket, cabin, boat, body, home.destを削除)
features = df.select(['pclass','age','sex','fare','embarked']).to_numpy() target = df.select('survived').to_numpy() ---------------------------------------------- [Tips] ・pandas.dataframeやpandas.Seriesをndarray形式(配列)に　変換するにはto_numpy()を使用・機械学習ライブラリのscikit-learnではndarray形式で入力する　必要があるため、そのような際にdataframeをndarray形式に変換する ---------------------------------------------- [参考] pandas記法 features = df[['pclass','age','sex','fare','embarked']].values target = df['survived'].values	code_generation	941	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、①df_copyのpclass、age、sex、fare、embarkedの列を抽出し、ndarray形式に変換、②df_copyのsurvivedの列を抽出し、ndarray形式に変換しなさい (①をfeatures、②をtargetという変数にそれぞれ格納)
from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(n_estimators=100,random_state=0) # ランダムフォレストのインスタンスを作成 model.fit(features,target) # 学習の実行 ---------------------------------------------- [Tips] ・RandomForestClassifierでランダムフォレストを呼び出し・ハイパーパラメータはn_estimatorsやmax_depthなどがある・.fit()にて学習を実行・入力値はndarray形式でないといけない（そのため、【94】にてndaaray形式に変換を実施） ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ	code_generation	942	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。学習データ(features、target)を用いランダムフォレストにて学習を実行しなさい。 (from sklearn.ensemble import RandomForestClassifierをインポートすること) なお、パラメータは次を指定 n_estimators=100 random_state=0 すること。
from sklearn.model_selection import train_test_split (features , test_X , target , test_y) = train_test_split(features, target , test_size = 0.3 , random_state = 0) ---------------------------------------------- [Tips] ・データを学習データ、テストデータに分割する場合は train_test_splitを使用・test_sizeで分割する割合を指定・random_stateでシード値を指定することでデータ分割時の乱数を固定（検証で乱数を固定したい時に使用） ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ	code_generation	943	AmenokakuCode Liscence	polars_100_knocks	featrues、targetを学習データとテストデータに分割しなさい (from sklearn.model_selection import train_test_splitをインポート) なお、分割時のパラメータは次を指定 test_size=0.3 random_state=0 とすること。
pred = model.predict(test_X) ---------------------------------------------- [Tips] .predict()にて予測を実行 ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ	code_generation	944	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。test_Xデータの乗客の生存を予測しなさい。
from sklearn.metrics import accuracy_score accuracy_score(pred,test_y) ---------------------------------------------- [Tips] ・accuracy_score(正解率)にて予測精度を検証・予測精度の評価指標には様々あるため、タスクに　合わせて適切な指標を選択（参考）分類タスクの評価指標　https://qiita.com/jyori112/items/110596b4f04e4e1a3c9b	code_generation	945	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。予測結果がtest_y(生存有無の答え)とどれぐらい整合していたかを確認(評価指標はaccuracy、from sklearn.metrics import accuracy_scoreをインポートすること)
importance = model.feature_importances_ print('Feature Importances:') for i, feat in enumerate(['pclass','age','sex','fare','embarked']): print('\t{0:20s} : {1:>.5f}'.format(feat, importance[i])) ---------------------------------------------- [Tips] .feature_importances_にてランダムフォレストの学習における各列(特徴量)の重要度を確認可能 ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ	code_generation	946	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。学習における各列(特徴量)の重要度を表示しなさい。
df_pred = pl.DataFrame(pred) df_pred.write_csv('output/submission.csv', has_header=False) ---------------------------------------------- [Tips] ・write_csvでcsv形式で出力・列名を削除して出力したいときはhas_header=Falseをつける・エンコード形式はutf8のみ ---------------------------------------------- [参考] pandas記法 df_pred = pd.DataFrame(pred) df_pred.to_csv('output/submission.csv',header=None)	code_generation	947	AmenokakuCode Liscence	polars_100_knocks	データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、test_Xの予測結果をcsvでoutputフォルダに出力(ファイル名は「submission.csv」、なお、headerは不要)
s = 0 for i in range(1,51): s += i print(s)	code_generation	948	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて1から50までの和を計算して表示せよ
for i in range(2,1001): for n in range(2,i): #2からその数より以前の数で割り切れないものが素数となる if i%n == 0: break else: print(i)	code_generation	949	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて1000以下の素数を計算して表示せよ
a = 0 b = 1 for i in range(10): print(b) a, b = b, a+b	code_generation	950	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いてフィボナッチ数列（１０個目まで）を表示せよ
#最大公約数 def gcd(a,b): if b == 0: return a else: return gcd(b,a%b) #この方法で最大公約数が求められます。 a = 16 b = 6 xab = gcd(a,b) print(xab) #最小公倍数 zab = a*b/xab #この方法で最小公倍数が求められます。 print(zab)	code_generation	951	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて2つの自然数の最小公倍数/最大公約数を表示せよ
#最大公約数 for i in range(0,101): if "3" in str(i) or 0 == i % 3: print(i)	code_generation	952	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて0から100の内３の倍数と３のつく数字だけ表示せよ
for i in range(1, 101): if i % 15 == 0: print("Fizz Buzz!") elif i % 3 == 0: print("Fizz!") elif i % 5 == 0: print("Buzz!") else: print(i)	code_generation	953	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて〜100までの数字のうち、3で割り切れるものは"Fizz!",5で割り切れるものは"Buzz!",15で割り切れるものは"FizzBuzz!"と表示させ、それ以外の数はそのままの数を表示させなさい。
def count_z(n): print((n // 3 * 2) + n // 5 * 2)#「//」は割り算の整数部分の結果を出します count_z(100)	code_generation	954	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて1〜100までの数字のうち、3で割り切れるものは"Fizz!",5で割り切れるものは"Buzz!",15で割り切れるものは"FizzBuzz!"と表示させたうち、”z”の個数を計算し表示せよ（ただしif文,for文の使用不可）
class YenToCurrency: def __init__(self,yen): self.yen = yen def doll(self): doll = self.yen / 109 return(doll) def euro(self): euro = self.yen / 129 return(euro) exchange = YenToCurrency(3000) print('3000円は{}ドルです。'.format(exchange.doll())) print('3000円は{}ユーロです。'.format(exchange.euro()))	code_generation	955	AmenokakuCode Liscence	jisaku_python_100_knocks	日本円をドルとユーロに換算するクラスをpythonを用いて作成せよ。条件：・1ドル=109円, 1ユーロ=129円で換算。(2018/5/8現在) 　　　・クラスの引数に日本円を入力して、その後その値を各通貨に換算できるようする。
class Character: def __init__(self,name,maxhp,attack_point,defence_point): self.name = name self.maxhp = maxhp self.hp = maxhp self.attack_point = attack_point self.defence_point = defence_point def status(self): return "{}:体力 {}/{}:攻撃力 {} 防御力 {}".format(self.name,self.hp,self.maxhp,self.attack_point,self.defence_point) def attack(self,enemy): cal_attack_point = self.attack_point - enemy.defence_point enemy.hp -= cal_attack_point print("{}の攻撃！{}に{}のダメージ！".format(self.name,enemy.name,cal_attack_point)) yusha = Character("勇者",60,10,2) slime = Character("スライム",15,5,1) # ステータスを表示 print(yusha.status()) print(slime.status()) # 勇者の攻撃 yusha.attack(slime) # スライムの攻撃: slime.attack(yusha) # ステータスを表示 print(yusha.status()) # 勇者のステータス print(slime.status()) # スライムのステータス	code_generation	956	AmenokakuCode Liscence	jisaku_python_100_knocks	キャラクターのステータスを登録して、お互いに攻撃することができるクラスをpythonを用いて作成せよ。条件：・キャラクターは名前,体力の現在値、体力の最大値、攻撃力,防御力の　　　　5つのパラメータをもっており、いつでも参照することができる。　　　・キャラクターは別のキャラクターを攻撃して、　　　　相手の体力を自分の攻撃力(-相手の防御力)分だけ減らすことができる。
def j_hash(n): s = str(n) array = list(map(int, list(s))) a = sum(array) if n % a == 0: print("Hashnumber") else: print("Not hashnumber") j_hash(444)	code_generation	957	AmenokakuCode Liscence	jisaku_python_100_knocks	整数 X の各桁の数字の和を f(X) としたとき、X が f(X) で割り切れる場合、X はハーシャッド数です。整数 N が与えられるので、ハーシャッド数かどうかをpythonを用いて判定してください。
a = open("alpha.txt").read().split() a.sort() a	code_generation	958	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いてテキストファイル内の文字をアルファベット順に表示せよ。
print(open("python.txt").read().count("by"))	code_generation	959	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いてテキストファイルの中に、調べたい文字がいくつ含まれているか自動で数えさせるプログラムを書きなさい。
def convert(text): if text[-1] == "C": cel = int(text[:-1])#文字列の最後の文字を取り出す aws = cel * (9/5) + 32 elif text[-1] == "F": fah = int(text[:-1])#文字列の最後以外の文字を取り出す aws = (fah -32) / (9/5) else: aws = "正しく入力してください" return aws convert("45C")	code_generation	960	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて摂氏（℃）を入力すると華氏（°F）に変換し表示し、華氏を入力すると摂氏に変換表示してくれる関数を作成せよ。条件：摂氏の場合は"26C"のように入力し、華氏の場合は"67F"のように入力する。
def flatten(ls): r = [] for i in ls: if type(i) is list: r.extend(flatten(i))#appendではない。 else: r.append(i) return r lis_a = [[1,2],3,4,5,[6,[7,[8,9]]]] print(flatten(lis_a))	code_generation	961	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて[[1,2],3,4,5,[6,[7,[8,9]]]]のように入れ子になっているリストを、[1, 2, 3, 4, 5, 6, 7, 8, 9]のように平らに入れ直したい。
print("現在の時刻を「18:45」のように入力してください") current_time = input(">>") print("定時を「17:00」のように入力してください") out_time = input(">>") print("1時間あたりの残業代（円）を「1500」のように入力してください") hour_money = float(input(">>")) current_h = float(current_time[0:2]) current_m = float(current_time[3:5]) current_time_min = (60 * current_h) + current_m　#分単位に統一 out_h = float(out_time[0:2]) out_m = float(out_time[3:5]) out_time_min = 60 * out_h + out_m leave_time_min = current_time_min - out_time_min leave_time_h = round((leave_time_min/60),2) cal_money = leave_time_h * hour_money print("あなたの残業時間は{0}時間です。残業代金は{1}円になります。".format(leave_time_h,cal_money))	code_generation	962	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて現在の時刻」「定時」「1時間あたりの残業代」を対話式に入力すると、残業代が自動で表示されるシステムを作れ。条件：時刻の入力は”17:00”のように入力される。
from math import sin,pi print(sin(pi/4)) #piは180°を表す	code_generation	963	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて標準ライブラリを使ってsin60°を求めよ
import binascii #文字列 -> 16進数 binascii.hexlify(b'Hello') #16進数 -> 文字列 binascii.unhexlify('48656c6c6f')	code_generation	964	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いてテキスト16進数の形で目に見えるように書き出せ
#英字（小文字＆大文字）：string.ascii_letters #数字：string.digits #記号：string.punctuation import string import random a = ''.join([random.choice(string.ascii_letters + string.digits) for i in range(8)]) #リストの中の文字を連結出来る print(a)	code_generation	965	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて英字（大文字小文字含める）と数字を組み合わせた、8文字のパスワードを自動で生成せよ。
def randlist(size,lower,upper): list = [] for i in range(size): list.append(random.randint(lower,upper)) print(list) randlist(10,30,90)	code_generation	966	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて表示する数字の個数、#数字の範囲（最小と最大）を指定し、その中でランダムな数字を生成せよ
def check_hand(a,b,c,d,e): list_hands = [a,b,c,d,e] dict_hands = {0 : "NO PAIR", 1 : "ONE PAIR", 2 : "TWO PAIR", 3 : "THREE CARD", 4 : "FOUR CARD", 5 : "FULL HOUSE"} results = [] for i in list_hands:#カードXを選ぶ count_i = list_hands.count(i)#手札の中にあるカードXの個数をカウント left_hands = [n for n in list_hands if n != i] #Xの数字を除いた残りの手札 for j in left_hands:#X以外の数字のカードからカードYを選ぶ count_j = list_hands.count(j)#手札の中にあるカードYの個数をカウント if count_i == 2 and count_j < 2: results.append(1) elif count_i == 2 and count_j == 2: results.append(2) elif count_i == 3 and count_j == 1: results.append(3) elif count_i == 4 and count_j == 1 : results.append(4) elif count_i == 3 and count_j == 2 : results.append(5) else: results.append(0) result = max(results) return dict_hands[result] check_hand(10,8,11,11,4)	code_generation	967	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて以下の問題に答えて下さい。 5枚のカードが配られます。それぞれのカードには、1以上13以下のいずれかの整数が書かれています。カードに書かれている整数の組み合わせによって役が決まります。配られた5枚のカードが、以下のいずれの役に該当するかを調べてください。複数の役に該当する場合は、以下で先に記述した方の役に該当するものとします。条件: FULL HOUSE ある数をちょうど3つと、別の数をちょうど2つ含む。 FOUR CARD ある数をちょうど４つ含む THREE CARD ある数をちょうど3つ含む。 TWO PAIR ある数をちょうど2つと、別の数をちょうど2つ含む。 ONE PAIR ある数をちょうど2つ含む。
def cal_patern(a,b,c,x): count = 0 for i in range(a + 1): for j in range(b + 1): for k in range(c + 1): if 500 * i + 100 * j + 50 * k == x: count += 1 return count cal_patern(3,5,6,1500)	code_generation	968	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonで以下の問題に答えなさい。あなたは、500 円玉を A 枚、100 円玉を B 枚、50 円玉を C 枚持っています。これらの硬貨の中から何枚かを選び、合計金額をちょうどX円にする方法は何通りありますか。条件：Xは50の倍数である
def pocket(aim): count = 0 biskets = 1 while biskets < aim: count += 1 biskets = 2 ** count else: print("{}回ポケットを叩いてください".format(count)) pocket(10)	code_generation	969	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonで以下の問題に答えなさい。 Saraは、「ふしぎなポケット」を手に入れた。「ふしぎなポケット」は、いくつかビスケットを入れて叩くと、入れたビスケットの数が２倍になる。Saraは最初1枚のビスケットを持っていて、「ふしぎなポケット」を使ってちょうどN枚のビスケットにして、全部食べたいと思っている（食べきれないので枚数をオーバーしてはいけない）。この時、ちょうどN枚にするには、Saraは最低何回ポケットを叩く必要があるか求めてください。
def check_pass(password): if len(password) >= 10 and not password.isalpha() and not password.isnumeric() and not password.islower() and not password.isupper(): return True else: return False print(check_pass("aiasgiHSU43"))	code_generation	970	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、与えられて文字列がパスワードとして安全かどうか確認せよ。条件：安全なパスワードとは10文字以上であり、大文字、小文字、数字が必ず１つは含まれているものとする。
import string def find_frequent_word(text): text = text.lower() return max(string.ascii_lowercase, key=text.count) a = find_frequent_word("aiasfiah faihasjn8348 y5iHsuasHuUUUUUuuuurbuurugjsghfoas") print(a)	code_generation	971	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて文字列の内最頻な文字を表示せよ（小文字,alphabet順）条件：与えられる文字列に制限はないが、結果は全て小文字で表示し、１番多い頻度の文字が複数個存在する場合は、アルファベット順で早い方を表示する
def long_repeat(line): if line=='': return(0) else: count=1 count_chr=[1] for i in range(1,len(line)): if line[i-1]==line[i]: count +=1 else: count = 1 count_chr.append(count) return max(count_chr) # 以下は別解 def long_repeat(line): count = 1 maxi = 1 if line != "": for i in range(1,len(line)): if line[i] == line[i-1]: count+=1 if count > maxi: maxi = count else: count = 1 return maxi else: return 0	code_generation	972	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて文字列の内最も連続された文字の個数を数えなさい
#1 things = ["mozzarella","cinderella","salmonella"] #２ things[0] = things[0].capitalize() things #３ things[1] = things[1].upper() things #４ things[2] = things[2].upper() things[2] = things[2][::-1] things[2] = things[2]	code_generation	973	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて次の問題に答えないさい。１. "mozzarella","cinderella","salmonella"(「モッツァレラ」「シンデレラ」「サルモネラ菌」) の３つの文字列を要素としてthingsというリストを作成２. "mozzarella"の先頭文字を大文字にする３. "cinderella"を全て大文字にする４. "salmonella"を大文字にして、逆順にする。
#1 e2f = {"dog":"chien","cat":"chat","walrus":"mourse"} e2f #2 e2f["walrus"] #3 f2e = {} for english, french in e2f.items(): #辞書のすべての値を取得するには、items()を使う f2e[french] = english f2e #4 set(e2f.keys())	code_generation	974	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて次の問題に答えないさい。 1. e2fという英仏辞書を作り、それを表示この辞書にはdogはchien,catはchat,walrusはmourseという情報が入っている。 2. 辞書e2fを使って、walrusという単語に対応するフランス語を表示 3. e2fからf2eという仏英辞書を作成 4. e2fから英単語だけを集合の形で表示せよ
#1 life = {"animals":{ "cats":["Henri","Grumpy","lucy"], "dogs":{}, "birds":{}}, "plants":{}, "other":{} } #2 print(life.keys()) #3 print(life["animals"].keys()) #4 print(life["animals"]["cats"])	code_generation	975	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて次の問題に答えないさい。 1. lifeという多重レベルの辞書を作る。 "animals","plants","other"という最上位キーがあり、 animalsキーは"cats","octopi","emus"というキーを持つ他の辞書を参照する。 catsキーは"Henri","Grumpy","lucy"という文字列のリストを参照する。他のキーは空辞書を参照する。 2. lifeの最上位のキーを表示せよ 3. life["animals"]のキーを表示せよ 4. life["animals"]["cats"]の値を表示せよ
even = [number for number in range(50) if number % 2 == 0] even	code_generation	976	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、リスト内包表記を使ってrage(10)の偶数リストを作りなさい
squares = {key: key * key for key in range(50)} squares	code_generation	977	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、辞書内包表記を使ってsquaresという辞書を作りなさい条件：キーの値は、range(10)を使ってキーを返し、各キーの自乗とする
odd = {number for number in range(10) if number % 2 != 0} odd	code_generation	978	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、集合内包表記を使ってrange(10)の奇数の集合を作れ
for thing in ("Got %s" % number for number in range(10)): print(thing)	code_generation	979	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、rage(10)の数値に対しては、"Got"と数値を返すジェネレータ関数を作りなさい。条件：・ジェネレータ内包表記を使うこと　　　・ for文を使って反復処理すること出力例：Got 0, Got 1, Got 2 ・・・・・
def get_odds(): for number in range(1, 10, 2): yield number for count, number in enumerate(get_odds(), 1): if count == 3: print(number) break	code_generation	980	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、range(10)から奇数を返すジェネレータ関数を定義し、for文を使って、返された3番目の値を見つけて表示しなさい。
def test(func): def new_func(args, kwargs): print("start") result = func(args, **kwargs) print("end") return result return new_func @test def greeting(): print("Hello") greeting()	code_generation	981	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、関数が呼び出された時に"start"、終了した時に"end"を表示するtestというデコレータを定義せよ
#エラー処理を加えたもの short_list = [1,2,3] while True: value = input("Position [q to qui]? ") if value == "q": breakt try: positon = int(value) print(short_list[position]) except IndexError as err: print("Bad index:", position) except Exception as other: print("something else broke:", other)	code_generation	982	AmenokakuCode Liscence	jisaku_python_100_knocks	以下のコードには例外が含まれる。pythonを用いて、例外に対するエラー処理を2つ追加しなさい。 #問題のコード short_list = [1,2,3] while True: value = input("Position [q to qui]? ") if value == "q": break positon = int(value) print(short_list[position])
titles = ["Creature of Habit", "Crewel Fate"] plots = ["A nun turns into a monster", "A haunted yarn shop"] movies = dict(zip(titles, plots)) movies	code_generation	983	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、zip()を使ってmoviesという辞書を作りなさい。条件：辞書は、titles = ["Creature of Habit", "Crewel Fate"]というリストと plots = ["A nun turns into a monster", "A haunted yarn shop"]というリストを組み合わせて作るものとする
#辞書 el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } #解答 #辞書から初期化 hydrogem = Elements(el_dict) # 辞書を引数に渡すときは「」をつける hydrogem.name	code_generation	984	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、クラスのオブジェクト辞書から直接初期化して下さい。条件：以下のクラスと辞書を使用。 #クラス class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number
#解答 class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number def __str__(self): return ("name: %s, symbol: %s, number: %s" % (self.name, self.symbol, self.number)) el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } hydrogem = Elements(**el_dict) print(hydrogem)	code_generation	985	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、クラスを編集しprint(hydrogem)だけでオブジェクト属性の値が表示されるようにしなさい #問題のクラス class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number
#解答 class Elements: def __init__(self, name, symbol, number): self.__name = name self.__symbol = symbol self.__number = number @property#属性を非公開にする def name(self): return self.__name def symbol(self): return self.__symbol def number(self): return self.__number el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } hydrogem = Elements(**el_dict) hydrogem.name hydrogem.__name	code_generation	986	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、クラスを編集し、name,symbol,number属性を非公開にし、そしてそれぞれいついて値を返すゲッターを定義しなさい。 #問題 class Elements: def __init__(self, name, symbol, number): self.__name = name self.__symbol = symbol self.__number = number
class Bear: def eats(self): return "berries" class Rabbit: def eats(self): return "clover" class Octothorpe: def eats(self): return "campers" b = Bear() r = Rabbit() o = Octothorpe() print(b.eats()) print(r.eats()) print(o.eats())	code_generation	987	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、Bear, Rabbit, Octothorpeの3つのクラスを定義せよ。条件：それぞれについて唯一のメソッド、eats()を定義する。 eats()は、"berries"(Bear)、"clover"(Rabbit)、"campers"(Octothorpe)を返すものとする。それぞれのクラスからオブジェクトを作り、何を食べるのかを表示せよ。
#Laserクラス class Laser: def does(self): return "disintegrate" #Clawクラス class Claw: def does(self): return "crush" #Gunクラス class Gun: def does(self): return "shoot" #Robotクラス class Robot: def __init__(self): self.laser = Laser() self.claw = Claw() self.gun = Gun() def does(self): return '''I have many attachments: My laser is to: %s, My claw is to: %s , My gun is to: %s ''' % ( self.laser.does(), self.claw.does(), self.gun.does() ) robbie = Robot() print(robbie.does())	code_generation	988	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、Laser、Claw、SmartPhoneクラスを定義しなさい。条件： 3つのクラスは唯一のメソッドとしてdoes（）を持っている。 does（）は、"disintegrate" （Laser）、 "crush"（Claw) "shoot" （gun）を返す。次に、これらのインスタンス（オブジェクト）をひとつずつ持つRobotクラスを定義する。
secret = "\U0001f4a4" secret #Unicode名の表示 import unicodedata print(unicodedata.name(secret))	code_generation	989	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、secretというUnicode文字列を作り、"\U0001f4a9"という値を代入して、表示しなさい
pop_bytes = secret.encode("utf-8") pop_bytes	code_generation	990	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、UTF-8を使い（）、secretをpop_bytesというbytes変数にエンコードせよ。
pop_bytes = secret.encode("utf-8") pop_bytes	code_generation	991	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、UTF-8を使って、pop_bytesをデコードし、pop_stringを表示せよ。
import re sentence = "Chicken Little" #ソースの先頭が、指定したパターンと一致しているか m = re.match("Chi", sentence) if m: print(m.group())	code_generation	992	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、ソースの先頭が、指定したパターンと一致しているか確かめなさい。
#ソース内に、指定したパターンと一致しているか m1 = re.match(".ttle", sentence)# .（ワイルドカード）を加えることによって先頭じゃない場合もヒットさせることができる、 if m1: print(m1.group()) ms = re.search("ttle", sentence) # search()を使うとワイルドカード不要 if ms: print(ms.group())	code_generation	993	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、ソース内に、指定したパターンと一致しているか確認しなさい。
#”n”という文字だけヒット m3 = re.findall("n", sentence) m3 print(len(m3)) #"n"の後ろに任意の文字1字 #sentenceの最後の"n"がマッチしていないことに注目 m4 = re.findall("n.", sentence) m4 # 最後の"n"もマッチさせたい場合 m5 = re.findall("n.?", sentence) # 0か１文字の直線の文字にマッチする（オプション） m5	code_generation	994	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、文字列の中に"n"を含むの文字列が何個あるか確認しなさい。
m = re.sub("n", "s", sentence) m	code_generation	995	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて、"n"を”s”に置きかえなさい。
pat = r'\bc\w' re.findall(pat, poetry) #\bで単語同と日非単語の境界を先頭にするという意味である。単語の先頭か末尾を指定するために使う。 #リテラルのcは探している単語の先頭文字. #\wは任意の単語文字 #は、前の単語の文字が０個以上という意味 #rは未処理の文字列。（これがないと\bをバックスペースだと認識してしまうので、サーチは失敗する）	code_generation	996	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて以下の詩の中で、cから始まる全ての単語を表示しなさい。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."
par = r'\bc\w{3}\b' re.findall(par, poetry) #\bをつけると「単語」のみ取り出せる。つけないとcで始まる全ての単語の４文字が返されてしまう。	code_generation	997	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて以下の詩の中で、cで始まる全ての4文字単語を表示 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."
pat_3 = r'\b\w*r\b' re.findall(pat_3, poetry)	code_generation	998	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて以下の詩の中で、rで終わる全ての単語を見つけよう。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."
pat_4 = r'\b\w[aiueo]{3}[^aiueo\s]\w\b' re.findall(pat_4, poetry)	code_generation	999	AmenokakuCode Liscence	jisaku_python_100_knocks	pythonを用いて以下の詩の中で、 3個の連続した母音を含む全ての単語を見つけよう。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."

df.null_count() [別解] df.select(pl.all().is_null().sum()) ---------------------------------------------- [Tips] ・null_count()で欠損値数を確認 ---------------------------------------------- [参考] pandas記法 df.isnull().sum()

code_generation

900

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのすべての列の欠損値数を確認しなさい。

df = df.with_column(pl.col('age').fill_null(30).alias('age')) df.null_count() ---------------------------------------------- [Tips] 欠損値の補完にはfill_null()を使用 ---------------------------------------------- [参考] pandas記法 df['age'] = df['age'].fillna(30) df['age'].isnull().sum()

code_generation

901

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の欠損値に30を代入し、その後、ageの欠損値数を確認しなさい。

df = df.drop_nulls() df.null_count() ---------------------------------------------- [Tips] 欠損値を含む行の削除には drop_nulls() を使用 ---------------------------------------------- [参考] pandas記法 df = df.dropna() df.isnull().sum()

code_generation

902

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfでひとつでも欠損値がある行を削除し、その後、dfの欠損値数を確認しなさい。

df.get_column('survived').to_numpy() ---------------------------------------------- [Tips] ・seriesに対してto_numpy()を付けることでndaaray形式に変換できる ---------------------------------------------- [参考] pandas記法] df['survived'].values

code_generation

903

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsurvivedの列をndarray形式(配列)で表示しなさい。

df = df.sample(frac=1.0, shuffle=True) df.head() ---------------------------------------------- [Tips] ・dataframeの行をシャッフルするときは　sample(frac=1.0, shuffle=True)と書く・fracに指定した値（0～1.0）でランダムサンプリングが可能 df.sample(frac=0.5) ---------------------------------------------- [参考] pandas記法 df.sample(frac=1)

code_generation

904

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの行をシャッフルし、dfの最初の5行を表示しなさい。

print(df2.is_duplicated().sum()) df2 = df2.unique() df2 ---------------------------------------------- [Tips] ・重複行数をカウントする時は is_duplicated().sum() ・重複行を削除する時は unique() ---------------------------------------------- [参考] pandas記法 print(df2.duplicated().value_counts()) df2 = df2.drop_duplicates() df2

code_generation

905

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、①df2の重複行数をカウント、②df2の重複行を削除し、df2を表示しなさい。

df.select(pl.col('name').str.to_uppercase()) ---------------------------------------------- [Tips] str.to_uppercase()で小文字を大文字に変換 ---------------------------------------------- [参考] pandas記法 df['name'].str.upper()

code_generation

906

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのnameの列をすべて大文字に変換し表示しなさい。

df.select(pl.col('name').str.to_lowercase()) ---------------------------------------------- [Tips] str.to_lowercase()で大文字を小文字に変換 ---------------------------------------------- [参考] pandas記法 df['name'].str.lower()

code_generation

907

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのnameの列をすべて小文字に変換し表示しなさい。

df = df.with_column(pl.col("sex").str.replace("female", "Python")) df.head() ---------------------------------------------- [Tips] ・文字列の置換にはstr.replace('a', 'b')を使用　（文字列aを文字列bに置換） ---------------------------------------------- [参考] pandas記法 df['sex'] = df['sex'].replace('female','Python') df.head()

code_generation

908

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列に含まれる「female」という単語を「Python」に置換しなさい。その後、dfの最初の5行を表示し「female」が「Python」に置き換わったことを確認しなさい。

import re df = df.with_row_count().with_column(pl.when(pl.col('row_nr')==0) .then(re.sub('Elisabeth','',df.get_column('name')[0:1][0])) .otherwise(pl.col('name')).alias('name')) df.get_column('name')[0:1][0] [別解]（非推奨） df[0, 'name'] = re.sub('Elisabeth','',df[0, 'name']) df[0, 'name'] [別解2] re.sub()を使わずreplaceでも置換可能 .then(df.get_column('name')[0:1][0].replace('Elisabeth','')) ---------------------------------------------- [Tips] ・部分一致の文字列消去にはre.sub()を使用・re.sub('消したい文字列','','元々の文字列') のように使う・完全一致で文字列を消去するときはreplaceを使用可能 ---------------------------------------------- [参考] pandas記法 import re df['name'][0] = re.sub('Elisabeth','',df['name'][0]) df['name'][0]

code_generation

909

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのname列1行目の「Allen, Miss. Elisabeth Walton」の「Elisabeth」を消去しなさい(なお、import reをインポートすること)

df5 = df5.with_column( pl.col("都道府県").str.rstrip().alias("都道府県名") ).with_column( pl.concat_str(pl.col(["都道府県名", "市区町村"]), "_") .alias("test2") ).drop("都道府県名") df5 ---------------------------------------------- [Tips] ・文字列右側の空白を削除　str.rstrip() ・文字列の両端の空白を削除　str.strip() ・文字列の左側の空白を削除　str.lstrip() ---------------------------------------------- [参考] pandas記法 df5['test2'] = df5['都道府県'].str.rstrip() +'_'+ df5['市区町村'] df5.head()

code_generation

910

AmenokakuCode Liscence

polars_100_knocks

データフレームdf5は都道府県, 市区町村, test, test2の列からなるデータフレームである。polarsを用いて、df5の都道府県列と市区町村列を空白がないように「_」で結合(新規列名は「test2」)し、先頭5行を表示しなさい。なお、df5の「test」列は通常通り結合した場合の結果である。

df2.transpose(include_header=True) ---------------------------------------------- [Tips] ・dataframeの行と列を入れ替えるときはtranspose()を使用 [参考] pandas記法 df2 = df2.transpose() df2

code_generation

911

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2の行と列を入れ替えて表示しなさい。

df2 = df2.join(df3, on='name', how='left') df2 ---------------------------------------------- [Tips] ・左結合では、df2に存在するレコードにdf3のレコードを結合する・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='left') df2

code_generation

912

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を左結合（結合キーはname）し、df2に格納し、df2を表示しなさい。

df2 = df3.join(df2, on='name', how='left') df2 ---------------------------------------------- [Tips] ・Polarsには右結合がないのでdf2にdf3を右結合したい場合は　df3にdf2を左結合させる・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='right') df2

code_generation

913

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を右結合（結合キーはname）し、df2に格納し、df2を表示しなさい。

df2 = df2.join(df3, on="name", how="inner") df2 ---------------------------------------------- [Tips] ・内部結合では、df2とdf3の共通のキーのみで結合する・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='inner') df2

code_generation

914

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を内部結合（結合キーはname）し、df2に格納し、df2を表示しなさい。

df2 = df2.join(df3, on="name", how="outer") df2 ---------------------------------------------- [Tips] ・外部結合では、df2とdf3の両方のレコードが　残るように結合する（innerはand結合、outerはor結合）・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法 df2 = pd.merge(df2,df3,on='name',how='outer') df2

code_generation

915

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2にdf3を外部結合し、df2に格納し、df2を表示しなさい。

df2 = df2.join(df3, on="name", how="semi") df2 ---------------------------------------------- [Tips] ・semi結合では右側のdataframeに存在するレコードのみが残るように　結合・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし

code_generation

916

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を、df3にのみ存在するデータのみを残して結合しなさい。

df2 = df2.join(df3, on="name", how="anti") df2 ---------------------------------------------- [Tips] ・anti結合では右側のdataframeに存在しないレコードのみで結合・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし

code_generation

917

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2にdf3を、df3に存在しないデータを残して結合しなさい。

df2 = df2.join(df3, on="name", how="cross") df2 ---------------------------------------------- [Tips] ・cross結合では、df2、df3のどちらにも存在するすべてのレコード同士の　組み合わせで結合する（例えばそれぞれ100レコードのdataframeだった場合、　10,000（100×100）の結合データが生成される）・on=''で結合キーを指定・how=''で結合方法を指定 ---------------------------------------------- [参考] pandas記法該当メソッドなし

code_generation

918

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2とdf3のそれぞれの行を全通り組み合わせたデータフレームを作成しなさい。

df2 = pl.concat([df2, df4.drop('name')], how='horizontal') df2 ---------------------------------------------- [Tips] ・複数のdataframeを連結するときはpd.concatを使用・how='horizontal'で横方向にdataframe同士を結合 ---------------------------------------------- [参考] pandas記法 df2 = pd.concat([df2,df4],axis=1) df2

code_generation

919

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2とdf4を列方向に連結し、df2に格納し、df2を表示しなさい。

df2 = pl.concat([df2,df4], how="diagonal") df2 ---------------------------------------------- [Tips] ・複数のdataframeを連結するときはpd.concatを使用・how='diagonal'で縦方向にdataframe同士を結合・縦方向の結合には'vertical'もあるが、列数の一致しない　dataframe同士を結合しようとするとエ'vertical'ではエラーが出る ---------------------------------------------- [参考] pandas記法 df2 = pd.concat([df2,df4],axis=0) df2

code_generation

920

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df2とdf4を行方向に連結し、df2に格納し、df2を表示しなさい。

df.select(pl.col('age').mean()) ---------------------------------------------- [Tips] ・列の平均値はpl.col('列名').mean()で確認 ---------------------------------------------- [参考] pandas記法 df['age'].mean()

code_generation

921

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の平均値を確認しなさい。

df.select(pl.col('age').median()) ---------------------------------------------- [Tips] ・列の中央値はpl.col('列名'),median()で確認 ---------------------------------------------- [参考] pandas記法 df['age'].median()

code_generation

922

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage列の中央値を確認しなさい。

df2.drop_in_place('class') print(df2.select(pl.sum(['English','Mathematics','History']))) print(df2.sum()) ---------------------------------------------- [Tips] ・行方向のpl.sum(['列名1','列名2'])の加算したい列名を記載して書く・列方向の合計値の確認はsum()を使用 ---------------------------------------------- [参考] pandas記法 df2 = df2.drop(['class'],axis=1) print(df2.sum(axis=1)) #行方向の合計 print(df2.sum()) #列方向の合計

code_generation

923

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、①df2の生徒ごとの合計点（行方向の合計）、②df2の科目ごとの点数の総和（列方向の合計）を求めなさい。

print(df2.select(pl.col('English').max())) ---------------------------------------------- [Tips] 最大値の確認はpl.col('列名').max()を使用 ---------------------------------------------- [参考] pandas記法 df2['English'].max()

code_generation

924

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2のEnglishで得点の最大値を求めなさい。

print(df2.select(pl.col('English').min())) ---------------------------------------------- [Tips] 最小値の確認はpl.col('列名').min()を使用 ---------------------------------------------- [参考] pandas記法 df2['English'].min()

code_generation

925

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2のEnglishで得点の最小値を求めなさい。

df2.drop_in_place('name') print(df2.groupby(['class']).max()) print(df2.groupby(['class']).min()) print(df2.groupby(['class']).mean()) ---------------------------------------------- [Tips] 指定の列名でグルーピングしたい場合は groupby('列名')を使用する ---------------------------------------------- [参考] pandas記法 df2 =df2.drop('name',axis=1) print(df2.groupby('class').max()) print(df2.groupby('class').min()) print(df2.groupby('class').mean())

code_generation

926

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2においてclassでグループ化し、クラスごとの科目の最大値、最小値、平均値を求めなさい(なお、name列はグループ化前に削除しておくこと)

df2.drop_in_place('name') df2.groupby(['class']).agg( [ pl.mean("*").suffix("_mean"), pl.max("*").suffix("_max"), pl.min("*").suffix("_min"), ] ) ---------------------------------------------- [Tips] ・groupby(['列名']).agg()でエクスプレッションリストを渡します・解答の場合、class列でグルーピングした後に、すべての列に対して　mean、max、minの処理をしている。・処理結果の列には接尾語として「_mean」、「_max」、「_min」を　振っている ---------------------------------------------- [参考] pandas記法 df2.drop(['name'],axis=1, inplace=True) pd.concat([df2.groupby('class').mean().add_suffix('_mean'), df2.groupby('class').mean().add_suffix('_max'), df2.groupby('class').mean().add_suffix('_min')], axis=1 )

code_generation

927

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsを用いて、df2においてclassでグルーピングし、aggを用いて各科目の平均、最大値、最小値を求めなさい。なお、各科目の平均、最大値、最小値には「***_mean」のようにsuffixを振ること、また、name列はグループ化前に削除しておくこと。

df.select(pl.all().exclude(pl.Utf8)).pearson_corr() ---------------------------------------------- [Tips] ・dataframeの列間の相関係数を確認したい場合はpearson_corr()を使用・dataframeに文字列を含むとエラーになるため、計算前にpl.all().exclude(pl.Utf8)で文字列を除外する・Polarsのpearson_corr()では数値列にnullがひとつでもあると計算できないためその列の相関係数はNanになる　（引数でnullを無視するオプションもない） ---------------------------------------------- [参考] pandas記法 df.corr() pandasのcorr()では自動で数値列に絞り、相関計算を実施してくれる。また、数値列内のnullは無視して計算をしてくれる。

code_generation

928

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの各列間の(Pearson)相関係数を確認しなさい。

from sklearn.preprocessing import StandardScaler df2 = df2.drop(['name', 'class']) #標準化を定義 scaler = StandardScaler() #変換とデータフレームへの置換 scaler.fit_transform(df2.to_numpy()) # 変換のみ df2_std = pl.DataFrame(scaler.fit_transform(df2.to_numpy()), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが等しくなっていることを確認 ---------------------------------------------- [Tips] ・データフレームを標準化する場合は、scikit-learnのStandardScalerを使用・it_transform(df2.to_numpy())のようにdataframeをto_numpy()でndarray形式に変換しないと計算結果がおかしくなるので注意 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import StandardScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 #標準化を定義 scaler = StandardScaler() scaler.fit(df2) #変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #stdが等しくなっていることを確認

code_generation

929

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish、Mathematics、History列を標準化する (from sklearn.preprocessing import StandardScalerをインポートすること)

from sklearn.preprocessing import StandardScaler #標準化を定義 scaler = StandardScaler() scaler.fit(df2.select(pl.col('English')).to_numpy().reshape(-1,1)) #変換とデータフレームへの置換 scaler.transform(df2['English'].to_numpy().reshape(-1,1)) # 変換のみ df2_std = pl.DataFrame(scaler.transform(df2['English'].to_numpy().reshape(-1,1))) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() ---------------------------------------------- [Tips] ・dataframeのひとつの列を標準化する場合は、values.reshape(-1,1)で配列変換してやる方法もある・reshape(-1,1)でn行1列に変換 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import StandardScaler #標準化を定義 scaler = StandardScaler() scaler.fit(df2['English'].values.reshape(-1,1)) #変換とデータフレームへの置換 scaler.transform(df2['English'].values.reshape(-1,1)) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2['English'].values.reshape(-1,1))) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe()

code_generation

930

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish列を標準化する (from sklearn.preprocessing import StandardScalerをインポートすること)

from sklearn.preprocessing import MinMaxScaler df2 = df2.drop(['name','class']) #不要列の削除 # Min-Maxスケーリングを定義 scaler = MinMaxScaler() # 変換とデータフレームへの置換 scaler.fit_transform(df2.to_numpy()) # 変換のみ df2_std = pl.DataFrame(scaler.fit_transform(df2.to_numpy()), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #minが0、maxが1になっていることを確認 ---------------------------------------------- [Tips] ・データフレームをMin-Maxスケーリングする場合は、scikit-learnのStandardScalerを使用・Min-Maxスケーリングでは最小値が0、最大値が1となるようにデータを変換する・fit_transform(df2.to_numpy())のようにdataframeをto_numpy()でndarray形式に変換しないと計算結果がおかしくなるので注意 ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import MinMaxScaler df2 = df2.drop(['name','class'],axis=1) #不要列の削除 # Min-Maxスケーリングを定義 scaler = MinMaxScaler() scaler.fit(df2) # 変換とデータフレームへの置換 scaler.transform(df2) # 変換のみ df2_std = pd.DataFrame(scaler.transform(df2), columns=df2.columns) # 変換とデータフレームへの置換をまとめて行うとこうなる df2_std.describe() #minが0、maxが1になっていることを確認

code_generation

931

AmenokakuCode Liscence

polars_100_knocks

データフレームdf2はname, class, Biology, Physics, Chemistryの列からなるデータフレームである。polarsとscikit-learnを用いてdf2のEnglish、Mathematics、History列をMin-Maxスケーリングする (from sklearn.preprocessing import MinMaxScalerをインポートすること)

df = df.with_row_count() display(df.filter(pl.col('fare') == pl.col('fare').max())) display(df.filter(pl.col('fare') == pl.col('fare').min())) ※ print出力よりもdisplay出力のほうが見やすかったためここではdisplayを使っています ---------------------------------------------- [Tips] 特になし ---------------------------------------------- [参考] pandas記法 print(df['fare'].idxmax()) print(df['fare'].idxmin())

code_generation

932

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのfare列の最大値、最小値の行名を取得しなさい。

q_list = [0, 0.25, 0.5, 0.75, 1.0] for n in q_list: print(df.select(pl.col('fare').quantile(n))) ---------------------------------------------- [Tips] ・パーセンタイルを取得する場合は quantile()を使用・50パーセンタイル=中央値、0パーセンタイル=最小値、　100パーセンタイル=最大値 ---------------------------------------------- [参考] pandas記法 print(df['fare'].quantile([0, 0.25, 0.5, 0.75, 1.0]))

code_generation

933

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのfare列の0、25、50、75、100パーセンタイルを取得しなさい。

print(df.filter(~pl.col('age').is_null()).select(pl.col('age').cast(pl.Utf8).mode())) print(df.select(pl.col('age').value_counts())) ---------------------------------------------- [Tips] ・最頻値を取得する場合は mode()を使用・pandasのmode()と違い文字列のみに適用可能。数値列に適用したい場合は　文字列型に変換する必要あり・age列はnullが多くnull込みで最頻値を求めると、nullが最頻値になってしまうため　filter(~pl.col('age').is_null())でnullを除外している ---------------------------------------------- [参考] pandas記法 print(df['age'].mode()) print(df['age'].value_counts())

code_generation

934

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、①dfのage列の最頻値を取得、②value_counts()にてage列の要素数を確認し、①の結果の妥当性を確認しなさい。

from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 sex = df.select(pl.col('sex')).to_numpy() labels = le.fit_transform(sex) df = df.with_column(pl.Series(labels).alias("sex")) df.head() ---------------------------------------------- [Tips] ・pyarrowをpip installしていないとエンコーディング後の値がおかしくなるので注意する。　（参考）polarsでLabelEncoderを使おうとしたら詰まった話　https://zenn.dev/gamera/articles/cd0f49c8ae74f6?utm_source=pocket_saves ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df.head()

code_generation

935

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列をラベルエンコーディングし、dfの先頭5行を表示しなさい (from sklearn.preprocessing import LabelEncoderをインポートすること)

df = pl.concat([df.drop('sex'), df.select(pl.col('sex')).to_dummies()], how='horizontal') df.head() ---------------------------------------------- [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。to_dummies()ではOne-Hotエンコーディングが可能・回帰問題を解く場合には、One-hotエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 df = pd.get_dummies(df, columns=['sex']) df.head()

code_generation

936

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsex列をOne-hotエンコーディングし、dfの先頭5行を表示しなさい。

from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 sex = df.select(pl.col('sex')).to_numpy() embarked = df.select(pl.col('embarked')).to_numpy() label_sex = le.fit_transform(sex) label_embarked = le.fit_transform(embarked) df = df.with_columns([pl.Series(label_sex).alias("sex"), pl.Series(label_embarked).alias("embarked")]) df.head() ---------------------------------------------- [Tips] ・機械学習では文字列をそのまま、学習アルゴリズムに入力できないため、数値に変換する。LabelEncoder()では例えば、以下のように文字列を数値に変換する。　male → 0 　female → 1 ・RandomForestなど決定木での分類問題を解く場合には、ラベルエンコーディングすることが多い ---------------------------------------------- [参考] pandas記法 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() #ラベルエンコーダのインスタンスを作成 df['sex'] = le.fit_transform(df['sex']) #エンコーディング df['embarked'] = le.fit_transform(df['embarked'].astype(str)) #ここ、なぜかstrに変換しないとエラー発生 df.head()

code_generation

937

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのsexとembarked列をラベルエンコーディングしなさい(from sklearn.preprocessing import LabelEncoderをインポート)

print(df.null_count()) ---------------------------------------------- [Tips] ・null_coount()で欠損値数を確認 ---------------------------------------------- [参考] pandas記法 df.isnull().sum()

code_generation

938

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、df_copyの欠損値を確認しなさい。

df = df.with_columns([pl.col('age').fill_null(pl.col('age').mean())]) df = df.with_columns([pl.col('fare').fill_null(pl.col('fare').mean())]) df.null_count() ---------------------------------------------- [Tips] 欠損値の補完にはfill_nullを使用 ---------------------------------------------- [参考] pandas記法 df['age'] = df['age'].fillna(df['age'].mean()) #欠損値にageの平均値で補完 df['fare'] = df['fare'].fillna(df['fare'].mean()) #欠損値にfareの平均値で補完 print(df.isnull().sum())

code_generation

939

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfのage、fare列の欠損値を各列の平均値で補完しなさい。

df = df.drop(['name', 'ticket', 'cabin', 'boat', 'body', 'home.dest']) df.head() ---------------------------------------------- [Tips] ・列の削除をするにはdropを使用・drop_in_place()が複数列の削除に対応していないため、　ここではdropを使用している ---------------------------------------------- [参考] pandas記法 df = df.drop(['name', 'ticket', 'cabin', 'boat', 'body', 'home.dest'],axis=1) df

code_generation

940

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、dfの中で機械学習で使用しない不要な行を削除 (name, ticket, cabin, boat, body, home.destを削除)

features = df.select(['pclass','age','sex','fare','embarked']).to_numpy() target = df.select('survived').to_numpy() ---------------------------------------------- [Tips] ・pandas.dataframeやpandas.Seriesをndarray形式(配列)に　変換するにはto_numpy()を使用・機械学習ライブラリのscikit-learnではndarray形式で入力する　必要があるため、そのような際にdataframeをndarray形式に変換する ---------------------------------------------- [参考] pandas記法 features = df[['pclass','age','sex','fare','embarked']].values target = df['survived'].values

code_generation

941

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、①df_copyのpclass、age、sex、fare、embarkedの列を抽出し、ndarray形式に変換、②df_copyのsurvivedの列を抽出し、ndarray形式に変換しなさい (①をfeatures、②をtargetという変数にそれぞれ格納)

from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(n_estimators=100,random_state=0) # ランダムフォレストのインスタンスを作成 model.fit(features,target) # 学習の実行 ---------------------------------------------- [Tips] ・RandomForestClassifierでランダムフォレストを呼び出し・ハイパーパラメータはn_estimatorsやmax_depthなどがある・.fit()にて学習を実行・入力値はndarray形式でないといけない（そのため、【94】にてndaaray形式に変換を実施） ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ

code_generation

942

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。学習データ(features、target)を用いランダムフォレストにて学習を実行しなさい。 (from sklearn.ensemble import RandomForestClassifierをインポートすること) なお、パラメータは次を指定 n_estimators=100 random_state=0 すること。

from sklearn.model_selection import train_test_split (features , test_X , target , test_y) = train_test_split(features, target , test_size = 0.3 , random_state = 0) ---------------------------------------------- [Tips] ・データを学習データ、テストデータに分割する場合は train_test_splitを使用・test_sizeで分割する割合を指定・random_stateでシード値を指定することでデータ分割時の乱数を固定（検証で乱数を固定したい時に使用） ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ

code_generation

943

AmenokakuCode Liscence

polars_100_knocks

featrues、targetを学習データとテストデータに分割しなさい (from sklearn.model_selection import train_test_splitをインポート) なお、分割時のパラメータは次を指定 test_size=0.3 random_state=0 とすること。

pred = model.predict(test_X) ---------------------------------------------- [Tips] .predict()にて予測を実行 ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ

code_generation

944

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。test_Xデータの乗客の生存を予測しなさい。

from sklearn.metrics import accuracy_score accuracy_score(pred,test_y) ---------------------------------------------- [Tips] ・accuracy_score(正解率)にて予測精度を検証・予測精度の評価指標には様々あるため、タスクに　合わせて適切な指標を選択（参考）分類タスクの評価指標　https://qiita.com/jyori112/items/110596b4f04e4e1a3c9b

code_generation

945

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。予測結果がtest_y(生存有無の答え)とどれぐらい整合していたかを確認(評価指標はaccuracy、from sklearn.metrics import accuracy_scoreをインポートすること)

importance = model.feature_importances_ print('Feature Importances:') for i, feat in enumerate(['pclass','age','sex','fare','embarked']): print('\t{0:20s} : {1:>.5f}'.format(feat, importance[i])) ---------------------------------------------- [Tips] .feature_importances_にてランダムフォレストの学習における各列(特徴量)の重要度を確認可能 ---------------------------------------------- [参考] pandas記法 Polarsの解答と同じ

code_generation

946

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。学習における各列(特徴量)の重要度を表示しなさい。

df_pred = pl.DataFrame(pred) df_pred.write_csv('output/submission.csv', has_header=False) ---------------------------------------------- [Tips] ・write_csvでcsv形式で出力・列名を削除して出力したいときはhas_header=Falseをつける・エンコード形式はutf8のみ ---------------------------------------------- [参考] pandas記法 df_pred = pd.DataFrame(pred) df_pred.to_csv('output/submission.csv',header=None)

code_generation

947

AmenokakuCode Liscence

polars_100_knocks

データフレーム dfにはタイタニック号の乗客データが格納されている。polarsを用いて、test_Xの予測結果をcsvでoutputフォルダに出力(ファイル名は「submission.csv」、なお、headerは不要)

s = 0 for i in range(1,51): s += i print(s)

code_generation

948

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて1から50までの和を計算して表示せよ

for i in range(2,1001): for n in range(2,i): #2からその数より以前の数で割り切れないものが素数となる if i%n == 0: break else: print(i)

code_generation

949

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて1000以下の素数を計算して表示せよ

a = 0 b = 1 for i in range(10): print(b) a, b = b, a+b

code_generation

950

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いてフィボナッチ数列（１０個目まで）を表示せよ

#最大公約数 def gcd(a,b): if b == 0: return a else: return gcd(b,a%b) #この方法で最大公約数が求められます。 a = 16 b = 6 xab = gcd(a,b) print(xab) #最小公倍数 zab = a*b/xab #この方法で最小公倍数が求められます。 print(zab)

code_generation

951

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて2つの自然数の最小公倍数/最大公約数を表示せよ

#最大公約数 for i in range(0,101): if "3" in str(i) or 0 == i % 3: print(i)

code_generation

952

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて0から100の内３の倍数と３のつく数字だけ表示せよ

for i in range(1, 101): if i % 15 == 0: print("Fizz Buzz!") elif i % 3 == 0: print("Fizz!") elif i % 5 == 0: print("Buzz!") else: print(i)

code_generation

953

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて〜100までの数字のうち、3で割り切れるものは"Fizz!",5で割り切れるものは"Buzz!",15で割り切れるものは"FizzBuzz!"と表示させ、それ以外の数はそのままの数を表示させなさい。

def count_z(n): print((n // 3 * 2) + n // 5 * 2)#「//」は割り算の整数部分の結果を出します count_z(100)

code_generation

954

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて1〜100までの数字のうち、3で割り切れるものは"Fizz!",5で割り切れるものは"Buzz!",15で割り切れるものは"FizzBuzz!"と表示させたうち、”z”の個数を計算し表示せよ（ただしif文,for文の使用不可）

class YenToCurrency: def __init__(self,yen): self.yen = yen def doll(self): doll = self.yen / 109 return(doll) def euro(self): euro = self.yen / 129 return(euro) exchange = YenToCurrency(3000) print('3000円は{}ドルです。'.format(exchange.doll())) print('3000円は{}ユーロです。'.format(exchange.euro()))

code_generation

955

AmenokakuCode Liscence

jisaku_python_100_knocks

日本円をドルとユーロに換算するクラスをpythonを用いて作成せよ。条件：・1ドル=109円, 1ユーロ=129円で換算。(2018/5/8現在) 　　　・クラスの引数に日本円を入力して、その後その値を各通貨に換算できるようする。

class Character: def __init__(self,name,maxhp,attack_point,defence_point): self.name = name self.maxhp = maxhp self.hp = maxhp self.attack_point = attack_point self.defence_point = defence_point def status(self): return "{}:体力 {}/{}:攻撃力 {} 防御力 {}".format(self.name,self.hp,self.maxhp,self.attack_point,self.defence_point) def attack(self,enemy): cal_attack_point = self.attack_point - enemy.defence_point enemy.hp -= cal_attack_point print("{}の攻撃！{}に{}のダメージ！".format(self.name,enemy.name,cal_attack_point)) yusha = Character("勇者",60,10,2) slime = Character("スライム",15,5,1) # ステータスを表示 print(yusha.status()) print(slime.status()) # 勇者の攻撃 yusha.attack(slime) # スライムの攻撃: slime.attack(yusha) # ステータスを表示 print(yusha.status()) # 勇者のステータス print(slime.status()) # スライムのステータス

code_generation

956

AmenokakuCode Liscence

jisaku_python_100_knocks

キャラクターのステータスを登録して、お互いに攻撃することができるクラスをpythonを用いて作成せよ。条件：・キャラクターは名前,体力の現在値、体力の最大値、攻撃力,防御力の　　　　5つのパラメータをもっており、いつでも参照することができる。　　　・キャラクターは別のキャラクターを攻撃して、　　　　相手の体力を自分の攻撃力(-相手の防御力)分だけ減らすことができる。

def j_hash(n): s = str(n) array = list(map(int, list(s))) a = sum(array) if n % a == 0: print("Hashnumber") else: print("Not hashnumber") j_hash(444)

code_generation

957

AmenokakuCode Liscence

jisaku_python_100_knocks

整数 X の各桁の数字の和を f(X) としたとき、X が f(X) で割り切れる場合、X はハーシャッド数です。整数 N が与えられるので、ハーシャッド数かどうかをpythonを用いて判定してください。

a = open("alpha.txt").read().split() a.sort() a

code_generation

958

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いてテキストファイル内の文字をアルファベット順に表示せよ。

print(open("python.txt").read().count("by"))

code_generation

959

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いてテキストファイルの中に、調べたい文字がいくつ含まれているか自動で数えさせるプログラムを書きなさい。

def convert(text): if text[-1] == "C": cel = int(text[:-1])#文字列の最後の文字を取り出す aws = cel * (9/5) + 32 elif text[-1] == "F": fah = int(text[:-1])#文字列の最後以外の文字を取り出す aws = (fah -32) / (9/5) else: aws = "正しく入力してください" return aws convert("45C")

code_generation

960

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて摂氏（℃）を入力すると華氏（°F）に変換し表示し、華氏を入力すると摂氏に変換表示してくれる関数を作成せよ。条件：摂氏の場合は"26C"のように入力し、華氏の場合は"67F"のように入力する。

def flatten(ls): r = [] for i in ls: if type(i) is list: r.extend(flatten(i))#appendではない。 else: r.append(i) return r lis_a = [[1,2],3,4,5,[6,[7,[8,9]]]] print(flatten(lis_a))

code_generation

961

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて[[1,2],3,4,5,[6,[7,[8,9]]]]のように入れ子になっているリストを、[1, 2, 3, 4, 5, 6, 7, 8, 9]のように平らに入れ直したい。

print("現在の時刻を「18:45」のように入力してください") current_time = input(">>") print("定時を「17:00」のように入力してください") out_time = input(">>") print("1時間あたりの残業代（円）を「1500」のように入力してください") hour_money = float(input(">>")) current_h = float(current_time[0:2]) current_m = float(current_time[3:5]) current_time_min = (60 * current_h) + current_m　#分単位に統一 out_h = float(out_time[0:2]) out_m = float(out_time[3:5]) out_time_min = 60 * out_h + out_m leave_time_min = current_time_min - out_time_min leave_time_h = round((leave_time_min/60),2) cal_money = leave_time_h * hour_money print("あなたの残業時間は{0}時間です。残業代金は{1}円になります。".format(leave_time_h,cal_money))

code_generation

962

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて現在の時刻」「定時」「1時間あたりの残業代」を対話式に入力すると、残業代が自動で表示されるシステムを作れ。条件：時刻の入力は”17:00”のように入力される。

from math import sin,pi print(sin(pi/4)) #piは180°を表す

code_generation

963

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて標準ライブラリを使ってsin60°を求めよ

import binascii #文字列 -> 16進数 binascii.hexlify(b'Hello') #16進数 -> 文字列 binascii.unhexlify('48656c6c6f')

code_generation

964

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いてテキスト16進数の形で目に見えるように書き出せ

#英字（小文字＆大文字）：string.ascii_letters #数字：string.digits #記号：string.punctuation import string import random a = ''.join([random.choice(string.ascii_letters + string.digits) for i in range(8)]) #リストの中の文字を連結出来る print(a)

code_generation

965

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて英字（大文字小文字含める）と数字を組み合わせた、8文字のパスワードを自動で生成せよ。

def randlist(size,lower,upper): list = [] for i in range(size): list.append(random.randint(lower,upper)) print(list) randlist(10,30,90)

code_generation

966

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて表示する数字の個数、#数字の範囲（最小と最大）を指定し、その中でランダムな数字を生成せよ

def check_hand(a,b,c,d,e): list_hands = [a,b,c,d,e] dict_hands = {0 : "NO PAIR", 1 : "ONE PAIR", 2 : "TWO PAIR", 3 : "THREE CARD", 4 : "FOUR CARD", 5 : "FULL HOUSE"} results = [] for i in list_hands:#カードXを選ぶ count_i = list_hands.count(i)#手札の中にあるカードXの個数をカウント left_hands = [n for n in list_hands if n != i] #Xの数字を除いた残りの手札 for j in left_hands:#X以外の数字のカードからカードYを選ぶ count_j = list_hands.count(j)#手札の中にあるカードYの個数をカウント if count_i == 2 and count_j < 2: results.append(1) elif count_i == 2 and count_j == 2: results.append(2) elif count_i == 3 and count_j == 1: results.append(3) elif count_i == 4 and count_j == 1 : results.append(4) elif count_i == 3 and count_j == 2 : results.append(5) else: results.append(0) result = max(results) return dict_hands[result] check_hand(10,8,11,11,4)

code_generation

967

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて以下の問題に答えて下さい。 5枚のカードが配られます。それぞれのカードには、1以上13以下のいずれかの整数が書かれています。カードに書かれている整数の組み合わせによって役が決まります。配られた5枚のカードが、以下のいずれの役に該当するかを調べてください。複数の役に該当する場合は、以下で先に記述した方の役に該当するものとします。条件: FULL HOUSE ある数をちょうど3つと、別の数をちょうど2つ含む。 FOUR CARD ある数をちょうど４つ含む THREE CARD ある数をちょうど3つ含む。 TWO PAIR ある数をちょうど2つと、別の数をちょうど2つ含む。 ONE PAIR ある数をちょうど2つ含む。

def cal_patern(a,b,c,x): count = 0 for i in range(a + 1): for j in range(b + 1): for k in range(c + 1): if 500 * i + 100 * j + 50 * k == x: count += 1 return count cal_patern(3,5,6,1500)

code_generation

968

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonで以下の問題に答えなさい。あなたは、500 円玉を A 枚、100 円玉を B 枚、50 円玉を C 枚持っています。これらの硬貨の中から何枚かを選び、合計金額をちょうどX円にする方法は何通りありますか。条件：Xは50の倍数である

def pocket(aim): count = 0 biskets = 1 while biskets < aim: count += 1 biskets = 2 ** count else: print("{}回ポケットを叩いてください".format(count)) pocket(10)

code_generation

969

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonで以下の問題に答えなさい。 Saraは、「ふしぎなポケット」を手に入れた。「ふしぎなポケット」は、いくつかビスケットを入れて叩くと、入れたビスケットの数が２倍になる。Saraは最初1枚のビスケットを持っていて、「ふしぎなポケット」を使ってちょうどN枚のビスケットにして、全部食べたいと思っている（食べきれないので枚数をオーバーしてはいけない）。この時、ちょうどN枚にするには、Saraは最低何回ポケットを叩く必要があるか求めてください。

def check_pass(password): if len(password) >= 10 and not password.isalpha() and not password.isnumeric() and not password.islower() and not password.isupper(): return True else: return False print(check_pass("aiasgiHSU43"))

code_generation

970

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、与えられて文字列がパスワードとして安全かどうか確認せよ。条件：安全なパスワードとは10文字以上であり、大文字、小文字、数字が必ず１つは含まれているものとする。

import string def find_frequent_word(text): text = text.lower() return max(string.ascii_lowercase, key=text.count) a = find_frequent_word("aiasfiah faihasjn8348 y5iHsuasHuUUUUUuuuurbuurugjsghfoas") print(a)

code_generation

971

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて文字列の内最頻な文字を表示せよ（小文字,alphabet順）条件：与えられる文字列に制限はないが、結果は全て小文字で表示し、１番多い頻度の文字が複数個存在する場合は、アルファベット順で早い方を表示する

def long_repeat(line): if line=='': return(0) else: count=1 count_chr=[1] for i in range(1,len(line)): if line[i-1]==line[i]: count +=1 else: count = 1 count_chr.append(count) return max(count_chr) # 以下は別解 def long_repeat(line): count = 1 maxi = 1 if line != "": for i in range(1,len(line)): if line[i] == line[i-1]: count+=1 if count > maxi: maxi = count else: count = 1 return maxi else: return 0

code_generation

972

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて文字列の内最も連続された文字の個数を数えなさい

#1 things = ["mozzarella","cinderella","salmonella"] #２ things[0] = things[0].capitalize() things #３ things[1] = things[1].upper() things #４ things[2] = things[2].upper() things[2] = things[2][::-1] things[2] = things[2]

code_generation

973

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて次の問題に答えないさい。１. "mozzarella","cinderella","salmonella"(「モッツァレラ」「シンデレラ」「サルモネラ菌」) の３つの文字列を要素としてthingsというリストを作成２. "mozzarella"の先頭文字を大文字にする３. "cinderella"を全て大文字にする４. "salmonella"を大文字にして、逆順にする。

#1 e2f = {"dog":"chien","cat":"chat","walrus":"mourse"} e2f #2 e2f["walrus"] #3 f2e = {} for english, french in e2f.items(): #辞書のすべての値を取得するには、items()を使う f2e[french] = english f2e #4 set(e2f.keys())

code_generation

974

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて次の問題に答えないさい。 1. e2fという英仏辞書を作り、それを表示この辞書にはdogはchien,catはchat,walrusはmourseという情報が入っている。 2. 辞書e2fを使って、walrusという単語に対応するフランス語を表示 3. e2fからf2eという仏英辞書を作成 4. e2fから英単語だけを集合の形で表示せよ

#1 life = {"animals":{ "cats":["Henri","Grumpy","lucy"], "dogs":{}, "birds":{}}, "plants":{}, "other":{} } #2 print(life.keys()) #3 print(life["animals"].keys()) #4 print(life["animals"]["cats"])

code_generation

975

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて次の問題に答えないさい。 1. lifeという多重レベルの辞書を作る。 "animals","plants","other"という最上位キーがあり、 animalsキーは"cats","octopi","emus"というキーを持つ他の辞書を参照する。 catsキーは"Henri","Grumpy","lucy"という文字列のリストを参照する。他のキーは空辞書を参照する。 2. lifeの最上位のキーを表示せよ 3. life["animals"]のキーを表示せよ 4. life["animals"]["cats"]の値を表示せよ

even = [number for number in range(50) if number % 2 == 0] even

code_generation

976

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、リスト内包表記を使ってrage(10)の偶数リストを作りなさい

squares = {key: key * key for key in range(50)} squares

code_generation

977

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、辞書内包表記を使ってsquaresという辞書を作りなさい条件：キーの値は、range(10)を使ってキーを返し、各キーの自乗とする

odd = {number for number in range(10) if number % 2 != 0} odd

code_generation

978

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、集合内包表記を使ってrange(10)の奇数の集合を作れ

for thing in ("Got %s" % number for number in range(10)): print(thing)

code_generation

979

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、rage(10)の数値に対しては、"Got"と数値を返すジェネレータ関数を作りなさい。条件：・ジェネレータ内包表記を使うこと　　　・ for文を使って反復処理すること出力例：Got 0, Got 1, Got 2 ・・・・・

def get_odds(): for number in range(1, 10, 2): yield number for count, number in enumerate(get_odds(), 1): if count == 3: print(number) break

code_generation

980

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、range(10)から奇数を返すジェネレータ関数を定義し、for文を使って、返された3番目の値を見つけて表示しなさい。

def test(func): def new_func(*args, **kwargs): print("start") result = func(*args, **kwargs) print("end") return result return new_func @test def greeting(): print("Hello") greeting()

code_generation

981

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、関数が呼び出された時に"start"、終了した時に"end"を表示するtestというデコレータを定義せよ

#エラー処理を加えたもの short_list = [1,2,3] while True: value = input("Position [q to qui]? ") if value == "q": breakt try: positon = int(value) print(short_list[position]) except IndexError as err: print("Bad index:", position) except Exception as other: print("something else broke:", other)

code_generation

982

AmenokakuCode Liscence

jisaku_python_100_knocks

以下のコードには例外が含まれる。pythonを用いて、例外に対するエラー処理を2つ追加しなさい。 #問題のコード short_list = [1,2,3] while True: value = input("Position [q to qui]? ") if value == "q": break positon = int(value) print(short_list[position])

titles = ["Creature of Habit", "Crewel Fate"] plots = ["A nun turns into a monster", "A haunted yarn shop"] movies = dict(zip(titles, plots)) movies

code_generation

983

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、zip()を使ってmoviesという辞書を作りなさい。条件：辞書は、titles = ["Creature of Habit", "Crewel Fate"]というリストと plots = ["A nun turns into a monster", "A haunted yarn shop"]というリストを組み合わせて作るものとする

#辞書 el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } #解答 #辞書から初期化 hydrogem = Elements(**el_dict) # 辞書を引数に渡すときは「**」をつける hydrogem.name

code_generation

984

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、クラスのオブジェクト辞書から直接初期化して下さい。条件：以下のクラスと辞書を使用。 #クラス class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number

#解答 class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number def __str__(self): return ("name: %s, symbol: %s, number: %s" % (self.name, self.symbol, self.number)) el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } hydrogem = Elements(**el_dict) print(hydrogem)

code_generation

985

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、クラスを編集しprint(hydrogem)だけでオブジェクト属性の値が表示されるようにしなさい #問題のクラス class Elements: def __init__(self, name, symbol, number): self.name = name self.symbol = symbol self.number = number

#解答 class Elements: def __init__(self, name, symbol, number): self.__name = name self.__symbol = symbol self.__number = number @property#属性を非公開にする def name(self): return self.__name def symbol(self): return self.__symbol def number(self): return self.__number el_dict = {"name": "Hydrogem", "symbol": "H", "number": 1 } hydrogem = Elements(**el_dict) hydrogem.name hydrogem.__name

code_generation

986

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、クラスを編集し、name,symbol,number属性を非公開にし、そしてそれぞれいついて値を返すゲッターを定義しなさい。 #問題 class Elements: def __init__(self, name, symbol, number): self.__name = name self.__symbol = symbol self.__number = number

class Bear: def eats(self): return "berries" class Rabbit: def eats(self): return "clover" class Octothorpe: def eats(self): return "campers" b = Bear() r = Rabbit() o = Octothorpe() print(b.eats()) print(r.eats()) print(o.eats())

code_generation

987

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、Bear, Rabbit, Octothorpeの3つのクラスを定義せよ。条件：それぞれについて唯一のメソッド、eats()を定義する。 eats()は、"berries"(Bear)、"clover"(Rabbit)、"campers"(Octothorpe)を返すものとする。それぞれのクラスからオブジェクトを作り、何を食べるのかを表示せよ。

#Laserクラス class Laser: def does(self): return "disintegrate" #Clawクラス class Claw: def does(self): return "crush" #Gunクラス class Gun: def does(self): return "shoot" #Robotクラス class Robot: def __init__(self): self.laser = Laser() self.claw = Claw() self.gun = Gun() def does(self): return '''I have many attachments: My laser is to: %s, My claw is to: %s , My gun is to: %s ''' % ( self.laser.does(), self.claw.does(), self.gun.does() ) robbie = Robot() print(robbie.does())

code_generation

988

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、Laser、Claw、SmartPhoneクラスを定義しなさい。条件： 3つのクラスは唯一のメソッドとしてdoes（）を持っている。 does（）は、"disintegrate" （Laser）、 "crush"（Claw) "shoot" （gun）を返す。次に、これらのインスタンス（オブジェクト）をひとつずつ持つRobotクラスを定義する。

secret = "\U0001f4a4" secret #Unicode名の表示 import unicodedata print(unicodedata.name(secret))

code_generation

989

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、secretというUnicode文字列を作り、"\U0001f4a9"という値を代入して、表示しなさい

pop_bytes = secret.encode("utf-8") pop_bytes

code_generation

990

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、UTF-8を使い（）、secretをpop_bytesというbytes変数にエンコードせよ。

pop_bytes = secret.encode("utf-8") pop_bytes

code_generation

991

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、UTF-8を使って、pop_bytesをデコードし、pop_stringを表示せよ。

import re sentence = "Chicken Little" #ソースの先頭が、指定したパターンと一致しているか m = re.match("Chi", sentence) if m: print(m.group())

code_generation

992

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、ソースの先頭が、指定したパターンと一致しているか確かめなさい。

#ソース内に、指定したパターンと一致しているか m1 = re.match(".*ttle", sentence)# .*（ワイルドカード）を加えることによって先頭じゃない場合もヒットさせることができる、 if m1: print(m1.group()) ms = re.search("ttle", sentence) # search()を使うとワイルドカード不要 if ms: print(ms.group())

code_generation

993

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、ソース内に、指定したパターンと一致しているか確認しなさい。

#”n”という文字だけヒット m3 = re.findall("n", sentence) m3 print(len(m3)) #"n"の後ろに任意の文字1字 #sentenceの最後の"n"がマッチしていないことに注目 m4 = re.findall("n.", sentence) m4 # 最後の"n"もマッチさせたい場合 m5 = re.findall("n.?", sentence) # 0か１文字の直線の文字にマッチする（オプション） m5

code_generation

994

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、文字列の中に"n"を含むの文字列が何個あるか確認しなさい。

m = re.sub("n", "s", sentence) m

code_generation

995

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて、"n"を”s”に置きかえなさい。

pat = r'\bc\w*' re.findall(pat, poetry) #\bで単語同と日非単語の境界を先頭にするという意味である。単語の先頭か末尾を指定するために使う。 #リテラルのcは探している単語の先頭文字. #\wは任意の単語文字 #*は、前の単語の文字が０個以上という意味 #rは未処理の文字列。（これがないと\bをバックスペースだと認識してしまうので、サーチは失敗する）

code_generation

996

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて以下の詩の中で、cから始まる全ての単語を表示しなさい。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."

par = r'\bc\w{3}\b' re.findall(par, poetry) #\bをつけると「単語」のみ取り出せる。つけないとcで始まる全ての単語の４文字が返されてしまう。

code_generation

997

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて以下の詩の中で、cで始まる全ての4文字単語を表示 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."

pat_3 = r'\b\w*r\b' re.findall(pat_3, poetry)

code_generation

998

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて以下の詩の中で、rで終わる全ての単語を見つけよう。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."

pat_4 = r'\b\w*[aiueo]{3}[^aiueo\s]\w*\b' re.findall(pat_4, poetry)

code_generation

999

AmenokakuCode Liscence

jisaku_python_100_knocks

pythonを用いて以下の詩の中で、 3個の連続した母音を含む全ての単語を見つけよう。 poetry = "We have seen thee, queen of cheese, Lying quietly at your ease, Gently fanned by evening breeze, Thy fair form no flies dare seize. All gaily dressed soon you'll go To the great Provincial show, To be admired by many a beau In the city of Toronto. Cows numerous as a swarm of bees, Or as the leaves upon the trees, It did require to make thee please, And stand unrivalled, queen of cheese. May you not receive a scar as We have heard that Mr. Harris Intends to send you off as far as The great world's show at Paris. Of the youth beware of these, For some of them might rudely squeeze And bite your cheek, then songs or glees We could not sing, oh! queen of cheese. We'rt thou suspended from balloon, You'd cast a shade even at noon, Folks would think it was the moon About to fall and crush them soon."