Python Flashcards

(66 cards)

1
Q

importuoti pandas

A

import pandas as pd

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

perskaityti csv failą

A

df = pd.read_csv(file_path)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

parodyti lentelės pirmas 5 eilutes

A

df.head()

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Kas tai

Jei nori, kad tekstas būtų keliose eilutėse ir galėtum printinti

A

Reikia trijų kabučių pradžioje ir gale.

Alio

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Kaip sužinoti kokio tipo kintamasis Planet_name

A

print(type(Planet_name))

Planet name čia kintamojo pavadinimas.

print(type(Planet_name))

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Kaip suskaičiuoti kiek žodžiuose Hello world

yra l raidžių?

A

“hello world”.count(‘l’)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

kaip žodžiuose pakeisti

o raidę į u

A

“hello world”.replace(‘o’, ‘u’)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Kaip padaryti tarpą (space bar) tarp dviejų string

Message_1 + Message_2

kad nebūtų

Mokausi Pythonir tai įdomu

A

Message_1 +’ ‘+ Message_2

tarp pliusų kabutės ir kabutėse spacebaras

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

kaip kitaip su jungti du stringus nei

Message_1+ Message_2

Pavyzdžiui Message_1 = “Einu namo”, Message_2 = “kol saulė dar nenusilei

A

f’{Message_1} {Message_2}’

f’’ f su viengubomis kabutėmis

tarp {} skliaustų galima rašyti papildomus tekstis

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Kaip sukurti (define) sąrašą. Pavyzdžiui šalių

US, UK, LT, LV, EE

A

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

skliausteliai šitie [] kabutės viengubos. kablelis tarpas

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Ar sąrašas gali turėti besidubliuojantį elementą?

A

Taip

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

Ištraukti UK naudojant indeksą

A

countries[1]

(pirmas sąrašo narys yra 0 Pythone)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

neigiamo indekso būdu ištaukti LV

A

countries[-2]

-1 būtų galinis EE

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

slicinti nuo US iki LT

A

countries[0:3]

start stop. paskutinis elementas neįskaičiuojamas. Šiuo atveju LV

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

slicinti nuo LT iki galo?

A

countries[2:]

arba dar galima 2:4

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

slicinti nuo pradžios iki LT

A

countries[:3]

3 yra LV, bet slicinant paskutinis indeksas neįsiskaito

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

kaip prie sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

pridėti FR

A

countries.append(‘FR’)

skliaustieliai tokie, o ne statūs

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

kaip į sąrašą

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

pridėti pirmoje pozicijoje DE

A

countries.insert(0, ‘DE’)

tas pats galioja ir su kitom pozicijom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

kaip du sąrašus

countries ir countries_2

sujungti

A

countries + countries_2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

kaip iš sąrašų

countries ir countries_2

padaryti nested listą

A

nested_list=[countries, countries_2]

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

pašalinti EE

A

countries.remove(‘ee’)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

kaip iš sąrašo

countries = [‘US’, ‘UK’, ‘LT’, ‘LV’, ‘EE’]

pašaliti US su indekso pagalba

A

countries.pop(0)

apvalūs skliausteliai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

kaip iš sąrašo

countries_2 = [‘pr’,’es’,’it’,’gr’,’cr’]

ištrinti cr naudojant ne pop funkciją

A

del countries_2[-1]

statūs skliaustai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

kaip sąrašą

numbers = [4, 9, 7, 1, 6]

sortinti nuo mažiausio iki didžiausio

A

numbers.sort()

pagal defaultą išrikuoja nuo mažiausio iki didžiausio

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
# kaip sąrašą numbers = [4, 9, 7, 1, 6] | sortinti mažėjančia tvarka
numbers.sort(reverse=True)
26
# kaip sąraše numbers = [4, 9, 7, 1, 6] | paskutinį skaičių pakeisti į 300
numbers[-1]= 300
27
# kaip sukurti s6ara6o countries 2 kopij1 countries_2_copy
countries_2_copy = countries_2.copy()
28
# sukurti dictionary name Valius, surname Burys, age 53
my_data={'name':'Valius', 'surname':'Burys', 'áge':53}
29
# pamatyti dictionary keys my_data
my_data.keys() | atsakymas bus: ## Footnote dict_keys(['name', 'surname', 'áge'])
30
# pamatyti dictionary values my_data
my_data.values() | dict_values(['Valius', 'Burys', 53])
31
# kas yra dictionary item | šiame dictionaryje ## Footnote my_data={'name':'Valius', 'surname':'Burys', 'áge':53}
'name':'Valius'
32
# kaip pamatyti dictionary itemus
my_data.items()
33
# kaip prie dictionario my_data={'name':'Valius', 'surname':'Burys', 'áge':53} | pridėti naują itemą height 186
my_data['height']=186
34
# kaip dictionary my_data pakeisti duomenis | pavyzdžiui ūkis ne 186 o 185
my_data.update({'height':185})
35
# kaip kopijuoti dictionary my_data į my_new_data
my_new_data=my_data.copy()
36
# kaip iš sąrašo {'name': 'Valius', 'surname': 'Burys', 'áge': 53, 'height': 185} | pašalinti height naudojant pop metodą
my_new_data.pop('height')
37
# kaip iš dictinario 'name': 'Valius', 'surname': 'Burys', 'áge': 53} | pašalinti surname naudojant ## Footnote del metodą
del my_new_data['surname']
38
# kaip išttinyi visus duomenis iš sąrašo
my_new_data.clear()
39
# Sukurti koda Jei tau 18 ir daugiau tu suaugęs Jei mažiau | tu vaikas
if age>=18: print("You are adult") else: print("You are kid") | age = 17 arba keisti.
40
# countries = ['US', 'UK', 'LT', 'LV', 'EE'] naudojant For funkciją atspaustinti | šalis
for country in countries: print(country)
41
# countries = ['US', 'UK', 'LT', 'LV', 'EE'] naudokant For funkciją | ištraukti ir sunumeruoti
for i, country in enumerate(countries): print(i) print(country)
42
# kaip dictionaryje my_data={'name':'Valius', 'surname':'Burys', 'áge':53} | ištraukti Itemus naudojant for metodą
for key, value in my_data.items(): print(key) print(value)
43
# kaip sukurti funkciją x = a + b | a 1 b 3
def sum_values(a, b): x=a+b return(x) call funkciją: | sum_values(3, 4)
44
# funkcija suskaięiuoti sąrašo countries = ['US', 'UK', 'LT', 'LV', 'EE'] | ilgį
len (countries)
45
# sąrašo [5, 9, 4, 12, 8] | Maximumą
max([5, 9, 4, 12, 8])
46
# kaip sugeneruoti tokį sąrašą 2 5 8
for i in range(2, 9, 3): print(i) | range pirmas sk. pradžia, antras sk. pabaiga, trečias increment
47
# Kaip sužinoti, kurioje direktorijoje yra failas, kuriame dirbi
import os os.getcwd() | current working directory ## Footnote reikia pradžioje importuoti os modulį.
48
# kaip sužinoti kokie yra failai darbinėje direktorijoje
import os os.listdir()
49
# kaip sukurti naują folderį ten kur dirbi
os.makedirs("New Folder")
50
# kaip Pandas datafreime vadinasi Stulpelių pavadinimai ir eilučių pavadinimai
Stulpeliai - features eilutės - observation
50
# Kaip pamatyti data fraimo df_exams | paskutines 5 eilutes
df_exams.tail()
50
# Kaip patikrinti kiek datafreimas df_exams | turi eilučių ir stulpelių?
df_exams.shape
51
# Kaip pažiūrėti datafreimo df_exams | stulpelius
df_exams.columns
52
# Kaip pažiūrėti datafreimo df_exams | stulpelių tipus
df_exams.dtypes
53
# Kaip pažiūrėti datafreimo df_exams | informaciją
df_exams.info()
54
# kaip gauti datafreimo df_exams | bendrą apibūdinimą
df_exams.describe()
55
# Kaip datareime df_exams | pasirinkti stulpelį gender
df_exams['gender']
56
# Kaip datafreime df_exams | pažiūrėti stulpelio gender pirmasias penkes eilutes
df_exams['gender'].head()
57
# kaip datafreime df_exam | išrinkti du stulpelius gender ir math score?
df_exams[['gender', 'math score']] | du statūs skliausteliai. tada gaunasi datafreimas. Jei vienas, tada seri
58
# Kaip datafreime df_examps susumuoti stulpelį | math score
df_exams['math score'].sum() | tas pats galioja su ## Footnote .count, .mean, .min, .max, .std
59
# datafreime df_exams sudėti stulpelio math score, reading score, writing score | reikšmes, suskai2iuoti vidurkį ir tą vidurkį įdėti į atskirą stulpelį
df_exams['average']=(df_exams['math score']+df_exams['reading score']+df_exams['writing score'])/3
60
# datafreime df_examps stulpelyje gender suskaičiuoti | kiek kiek vyrų, ir kiek monterų.
df_exams['gender'].value_counts() | jei nori procentais, tai skliausteliuose naudoti ## Footnote normalize=True
61
# kaip čia suapvalinti iki dviejų skaičių po kablelio? df_exams['gender'].value_counts(normalize=True)
value_counts(normalize=True).round(2)
62
# sortinti datafreimą df_examps stulpelį math score mažėjančia tvarka
df_exams.sort_values('math score', ascending=False)
63
# sortinti datafreimą df_exams pagal du stulpelius math score ir writing score mažėjančia tvarka
df_exams.sort_values(['math score', 'reading score'], ascending=False) | kai du stulpeliai, atsiradna statūs skliausteliai. Jei nori, kad pakeist ## Footnote ų lentelę pridėti inplace=True sortins pradžioje pagal math tada pagal writing.
64
datafreime df_gdp padaryti pivot | eilutės Year, stulpeliai country, vertys gdppc
df_gdp.pivot(index="year", columns="country", values="gdppc").round(0).astype(int) | stype duoda sveikąjį skaičių be po kablelių.