Python Pandas クイズ - プレイ中

1 第1問

Pandasライブラリの主な目的は何ですか？

A Webアプリケーション開発

B 数値計算と科学技術計算

C データ構造とデータ分析ツールを提供する

D 機械学習アルゴリズムの実装

2 第2問

Pandasの主要なデータ構造の一つで、異なる型の列を持つことができる2次元のラベル付きデータ構造は何ですか？

A Series

B Array

C DataFrame

D List

3 第3問

`data.csv`という名前のCSVファイルをPandas DataFrameとして読み込むための正しい関数は何ですか？

A `pd.load_csv('data.csv')`

B `pd.read_csv('data.csv')`

C `pd.open_csv('data.csv')`

D `pd.get_csv('data.csv')`

4 第4問

Pandas DataFrame `df` から、インデックスラベルが `'row_A'` で、列ラベルが `'col_B'` の単一の要素を選択するための正しい方法はどれですか？

A `df['row_A', 'col_B']`

B `df.loc['row_A', 'col_B']`

C `df.iloc['row_A', 'col_B']`

D `df.at['row_A']['col_B']`

5 第5問

DataFrame `df` から、列 `'Age'` の値が30より大きいすべての行を選択するための正しいコードはどれですか？

A `df[df['Age'] > 30]`

B `df.filter(columns='Age', condition='>30')`

C `df.where(df['Age'] > 30)`

D `df.select(df['Age'] > 30)`

6 第6問

DataFrame `df` の列 `'Score'` に含まれる欠損値（NaN）をすべて0で埋めるための正しいPandasメソッドは何ですか？

A `df['Score'].replace(NaN, 0)`

B `df['Score'].fill_na(0)`

C `df['Score'].fillna(0)`

D `df['Score'].drop_na(0)`

7 第7問

2つのDataFrame `df1` と `df2` を、共通の列 `'ID'` をキーとして内部結合（inner join）するための正しいPandas関数は何ですか？

A `pd.join(df1, df2, on='ID', how='inner')`

B `pd.merge(df1, df2, on='ID', how='inner')`

C `df1.concat(df2, on='ID', how='inner')`

D `df1.append(df2, on='ID', how='inner')`

8 第8問

DataFrame `df` の列 `'Price'` のすべての値に10%の割引を適用し、新しい列 `'Discounted_Price'` を作成するための最も効率的なコードはどれですか？

A `df['Discounted_Price'] = df['Price'].map(lambda x: x * 0.9)`

B `df['Discounted_Price'] = df['Price'].apply(lambda x: x * 0.9)`

C `df['Discounted_Price'] = df['Price'] * 0.9`

D `df['Discounted_Price'] = df['Price'].transform(lambda x: x * 0.9)`

9 第9問

DataFrame `df` に新しい列 `'Total'` を追加し、その値が既存の列 `'Quantity'` と `'Price'` の積となるように設定するための正しいコードはどれですか？

A `df.add_column('Total', df['Quantity'] * df['Price'])`

B `df['Total'] = df['Quantity'] * df['Price']`

C `df.create_column('Total', df['Quantity'] * df['Price'])`

D `df.set_column('Total', df['Quantity'] * df['Price'])`

10 第10問

Pandas DataFrame `df` には 'Sales' という列があり、それぞれの行に売上高が格納されています。この `df` から 'Sales' が 10000 以上のすべての行を抽出するための最も一般的な方法はどれですか？

A df[df['Sales'] >= 10000]

B df.loc['Sales' >= 10000]

C df.query(df['Sales'] >= 10000)

D df.filter(items=['Sales'], condition=lambda x: x >= 10000)