Помогаем находить решения
Office 2021 Office 2019 Office 2016 Office 2013 Office для бизнеса Office 365 для малого бизнеса Администратор Microsoft 365 Служба Office 365, предоставляемая 21Vianet служба Office 365 для малого бизнеса, предоставляемая 21Vianet — для администраторов Служба Office 365, предоставляемая 21Vianet, — для администраторов Office 365 Germany корпоративный Office 365 Germany корпоративный для администраторов Office.com Еще…Меньше
Последнее время кражи iPhone и iPad практически перестали иметь смысл – блокировка активации устройства действует достаточно эффективно. Благодаря ей шанс того, что злоумышленник сможет получить доступ к содержимому ноутбука и хотя бы просто его разблокировать без пароля, стремится к нулю. Чтобы ее обойти, придется заплатить мастерам зачастую значительно большие суммы, чем удастся выручить за лэптоп на вторичке. Макбук — довольно дорогостоящее устройство, но компенсировать мороку с его разблокировкой не сможет даже выгодный слив на Авито. Однако разучить свои действия на случай, если ваш Мак всё-таки станут, нужно обязательно.
Так как линейная скорость равномерно меняет направление, то движение по окружности нельзя назвать равномерным, оно является равноускоренным.
Выберем на окружности точку 1. Построим радиус. За единицу времени точка переместится в пункт 2. При этом радиус описывает угол. Угловая скорость численно равна углу поворота радиуса за единицу времени.
Поиск по анкетам
Пол
Кого ищут
Причина инвалидности
Возраст
18-20
21-25
26-30
31-40
41-60
Определение.
Прямоугольник – это четырехугольник у которого две противоположные стороны равны и все четыре угла одинаковы.
Прямоугольники отличаются между собой только отношением длинной стороны к короткой, но все четыре угла у них прямые, то есть по 90 градусов.
Время чтения — 3 мин.
Каша из перловой крупы — вкусный и питательный гарнир, только важно уметь его приготовить. Что делать, если ненароком добавили в кашу много соли? Ведь перловку просто так не сварить заново — её нужно долго замачивать перед варкой.
Текущая версия страницы пока не проверялась опытными участниками и может значительно отличаться от версии, проверенной 1 января 2022 года; проверки требуют 2 правки.
Формула площади Гаусса (формула землемера или формула шнурования или алгоритм шнурования) — формула определения площади простого многоугольника, вершины которого заданы декартовыми координатами на плоскости. В формуле векторным произведением координат и сложением определяется площадь области, охватывающей многоугольник, а затем из нее вычитается площадь окружающего многоугольника, что дает площадь многоугольника внутри. Также она называется формулой шнурования, так как положительные и отрицательные слагаемые, состоящие из перемножаемых координат, располагаются крест-накрест, как при завязывании шнурков. Она находит применение в геодезии, лесном хозяйстве и других областях.
Поделиться в социальных сетях:
Очень широкий выступающий нос у девушек нередко становится причиной для недовольства своей внешностью, появления неуверенности в себе и даже развития комплексов. Но косметологи и пластические хирурги уже давно научились быстро и эффективно устранять этот недостаток. О том, как исправить большой нос, и о том, насколько эффективны различные подходы к решению проблемы, мы расскажем в статье.
Задания сделал, кроме 6 и 7. С коими и возникли вопросы. Не понимаю как к ним подойти. Простой count по столбцам выдает ошибки или не то что нужно. Почему с числами все нормально работает а со строками выкидывает ошибки? Каки их преобразовывать. Киньте, пожалуйста, в меня ссылкой что можно почитать? или какую идею можно здесь применить?
Pandas Titanic
Подскажите, пожалуйста, делает ” ” в данном случае и какова его роль? код взят здесь
задан 15 окт 2018 в 23:37
Alex SapsayAlex Sapsay
3701 серебряный знак17 бронзовых знаков
Чтобы показать N самых популярных имён можно воспользоваться методом Series.value_counts():
data[“name”].value_counts()[:N]
ответ дан 16 окт 2018 в 6:52
4
Это знак продолжения строки кода.
a = b
эквивалентно
a =
b
Используется, как правило, для того, чтобы уместить код в определенную ширину.
ответ дан 16 окт 2018 в 0:38
Ole LukøjeOle Lukøje
3,8951 золотой знак9 серебряных знаков33 бронзовых знака
1
Источник
Задания сделал, кроме 6 и 7. С коими и возникли вопросы. Не понимаю как к ним подойти. Простой count по столбцам выдает ошибки или не то что нужно. Почему с числами все нормально работает а со строками выкидывает ошибки? Каки их преобразовывать. Киньте, пожалуйста, в меня ссылкой что можно почитать? или какую идею можно здесь применить?
Pandas Titanic
Подскажите, пожалуйста, делает ” ” в данном случае и какова его роль? код взят здесь
Источник
# -*- coding: utf-8 -*- “”” Created on Sat Feb 18 17:35:24 2017 @author: нзнегз “”” import pandas data = pandas.read_csv(‘titanic.csv’, index_col=‘PassengerId’) #Какое количество мужчин и женщин ехало на корабле? print(‘Какое количество мужчин и женщин ехало на корабле’) print(data.Sex.value_counts()) #Какой части пассажиров удалось выжить? #Посчитайте долю выживших пассажиров. #Ответ приведите в процентах (число в интервале от 0 до 100, знак процента не нужен), округлив до двух знаков. print(‘Доля выживших пассажиров’) #mask = data[‘Survived’] == 1 #newdata=data[mask] #print(data.groupby(‘Survived’).count()) onePercentTotal=data.Survived.count()/100 survived=data.Survived.sum() print(round(survived/onePercentTotal,2)) #Какую долю пассажиры первого класса составляли среди всех пассажиров? #Ответ приведите в процентах (число в интервале от 0 до 100, знак процента не нужен), округлив до двух знаков. print(‘Доля пассажиров первого класса’) data[‘FirstClassCounter’]= 0#добавляем колонку со значением по умолчанию mask=data.Pclass == 1#маска выборки data.loc[mask,‘FirstClassCounter’]=1#выборка по колонке – будет счетчиком _firstClassCounter=data.FirstClassCounter.sum() print(round(_firstClassCounter/onePercentTotal,2)) #Какого возраста были пассажиры? #Посчитайте среднее и медиану возраста пассажиров. В качестве ответа приведите два числа через пробел. print(‘Посчитайте среднее и медиану возраста пассажиров’) print(round(data.Age.mean(),2)) print(round(data.Age.median(),2)) #Диаграмма data[‘count’]= 1 data.pivot_table(‘Name’, ‘Pclass’, ‘Survived’, ‘count’).plot(kind=‘bar’, stacked=True) #Коррелируют ли число братьев/сестер/супругов с числом родителей/детей? #Посчитайте корреляцию Пирсона между признаками SibSp и Parch. print(‘Коррелируют ли число братьев/сестер/супругов с числом родителей/детей’) df = pandas.DataFrame(data=data,columns=[‘SibSp’, ‘Parch’]) print(round(df.corr().loc[‘SibSp’,‘Parch’],2))#Пересечение двух областей #Какое самое популярное женское имя на корабле? Извлеките из полного имени пассажира (колонка Name) #его личное имя (First Name). Это задание — типичный пример того, с чем сталкивается специалист по анализу данных. #Данные очень разнородные и шумные, но из них требуется извлечь необходимую информацию. #Попробуйте вручную разобрать несколько значений столбца Name и выработать правило для извлечения имен, #а также разделения их на женские и мужские. print(“Какое самое популярное женское имя на корабле”) NameExtract=data.Name.str.extract(‘^.+?Mrs..+?((.+?))|^.+?Miss.s([ws]+)’,expand=False)#первичное преобразование NameExtract.fillna(”,inplace=True)#заменяем NULL на пустую строку NameExtract.columns = [‘Mrs’,‘Miss’]#переименуем колонки NameExtract[‘CombinedName’]=NameExtract.apply(lambda x:‘%s%s’ % (x[‘Mrs’],x[‘Miss’]),axis=1)#соединяем в одну колонку NameExtract.drop([‘Mrs’,‘Miss’],axis=1,inplace=True)#удаляем ненужные колонки #print(NameExtract.CombinedName.str.split(‘ ‘)) femalenames=[] #обрабатываем список имен for i in range(NameExtract.CombinedName.count()): names=NameExtract.loc[i+1,‘CombinedName’] words=names.split(‘ ‘) for word in words: if len(word)>2 and word.find(‘”‘): femalenames.append(word) femalenamesDataFrame=pandas.DataFrame(data=femalenames,columns=[‘Names’])#получаем из листа датасет femalenamesDataFrame[‘count’]= 1#колонка счетчик femalenamesDataFrameGroupBy=femalenamesDataFrame.groupby(‘Names’).sum()#группируем по имени и суммируем счетчик femalenamesDataFrameSorted=femalenamesDataFrameGroupBy.sort_values([‘count’], ascending=[False])#сортируем по счетчику в порядке убывания print(femalenamesDataFrameSorted.head(2))#показываем часто встечаемое имяИсточник
I have a dataframe with the following column:
file['DirViento']
Fecha
2011-01-01 ENE
2011-01-02 ENE
2011-01-03 ENE
2011-01-04 NNE
2011-01-05 ENE
2011-01-06 ENE
2011-01-07 ENE
2011-01-08 ENE
2011-01-09 NNE
2011-01-10 ENE
2011-01-11 ENE
2011-01-12 ENE
2011-01-13 ESE
2011-01-14 ENE
2011-01-15 ENE
...
2011-12-17 ENE
2011-12-18 ENE
2011-12-19 ENE
2011-12-20 ENE
2011-12-21 ENE
2011-12-22 ENE
2011-12-23 ENE
2011-12-24 ENE
2011-12-25 ENE
2011-12-26 ESE
2011-12-27 ENE
2011-12-28 NE
2011-12-29 ENE
2011-12-30 NNE
2011-12-31 ENE
Name: DirViento, Length: 290, dtype: object