Python Analytics - 高度な分析とML
groupby、merge、pivot_table、apply/map、Plotly、Scikit-Learn(回帰、分類、クラスタリング)、train/test split、メトリクス、Jupyter、Google Colab
20 面接問題·
Senior
1Pandas Seriesにおけるapply()とmap()メソッドの主な違いは何ですか?
1
Pandas Seriesにおけるapply()とmap()メソッドの主な違いは何ですか?
回答
map()メソッドは、辞書または関数を使用してSeriesの各値を新しい値にマッピングするように設計されており、Seriesでのみ機能します。対照的に、apply()はより柔軟で、Seriesに対して要素ごとに、またはDataFrameに対して行ごと/列ごとに関数を適用できます。Seriesでの単純な値から値への変換では、map()は一般的により高速で読みやすくなります。
2異なる列に対して複数の集計関数を同時に使用してデータを集計するために、どのPandasメソッドを使用すべきですか?
2
異なる列に対して複数の集計関数を同時に使用してデータを集計するために、どのPandasメソッドを使用すべきですか?
回答
agg()(またはaggregate())メソッドを使用すると、異なる列に異なる集計関数を一度の操作で適用できます。これはキーが列名で値が適用する関数である辞書を受け入れます。このアプローチは、個別の関数で複数のgroupby呼び出しを連鎖させるよりも効率的で読みやすくなります。
3Pandasにおけるmerge()とjoin()の違いは何ですか?
3
Pandasにおけるmerge()とjoin()の違いは何ですか?
回答
merge()はより柔軟な関数で、on、left_on/right_onパラメータ、またはインデックスを使用して特定の列で2つのDataFrameを結合します。join()はデフォルトでインデックス上で結合するDataFrameメソッドで、単純なインデックスベースの結合により簡潔です。非インデックス列での複雑な結合では、結合列をより制御できるmerge()が好ましいです。
4
複数の集計関数を指定してpivot_table()でピボットテーブルを作成するにはどうすればよいですか?
5
apply()と比較した場合、groupby()コンテキストにおけるtransform()の目的は何ですか?
+17 面接問題
その他のData Analytics面接トピック
Google Sheets - 基礎
Junior
20問Google Sheets - 高度な数式
Junior
20問SQL - 基礎
Junior
25問SQL - 集計とグルーピング
Junior
20問SQL - 結合
Junior
20問BigQuery - 基礎
Junior
20問Data Cleaning - データクレンジング
Junior
20問KPIとビジネスメトリクス
Junior
20問記述統計
Junior
20問ZapierとNo-Codeオートメーション
Junior
20問データビジュアライゼーションの原則
Junior
20問Python & Pandas - 基礎
Junior
20問Google Sheets - 自動化ダッシュボード
Mid-Level
20問SQL - サブクエリとCTE
Mid-Level
20問SQL - Window Functions
Mid-Level
20問BigQuery - 高度な機能
Mid-Level
20問Data Modeling
Mid-Level
20問ファネルとコンバージョン分析
Mid-Level
20問コホートとリテンション分析
Mid-Level
20問Google Tag Managerとトラッキング
Mid-Level
20問APIとWebhook
Mid-Level
20問dbt - 基礎
Mid-Level
20問ABテストと応用統計学
Mid-Level
20問Looker Studio (Google Data Studio)
Mid-Level
20問Power BI - 基礎
Mid-Level
20問SQL - 高度な分析クエリ
Senior
20問dbt - 高度な機能
Senior
20問Power BI - DAXと高度なダッシュボード
Senior
20問