dataframe DataFrameで指定した列のユニークな値の数(重複を除いた件数)を確認する方法
サンプルコードprint(train['model_a'].nunique())print(type(train['model_a'].nunique()))print(type(train.nunique()))出力結果64<class ...
dataframe dataframe DataFrameで重複行の総数を確認する方法
データパイプライン構築をしている際に、ある列を除いて他の列の値が重複している事象がありました。その際にDataFrameのduplicated()とsum()を使用しました。サンプルコードimport pandas as pd# 辞書型のリ...
dataframe pythonのDataFrameで指定した列ごとに重複行をカウントする方法
データパイプライン構築をしている際に、ある列を除いて他の列の値が重複している事象がありました。その際にDataFrameのduplicated()とsize()とreset_index()を使用しました。サンプルコード# 辞書型のリストでデ...
dataframe pythonのDataFrameで指定した列で重複行を確認する方法
データパイプライン構築をしている際に、ある列を除いて他の列の値が重複している事象がありました。その際にDataFrameのduplicated()を使用しました。サンプルコードimport pandas as pd# 辞書型のリストでデータ...
Databricks pyspark.pandasライブラリのsqlメソッドのSQLクエリ内でDataFrameを呼び出す方法
databricks環境でデータパイプライン構築をしていた際、加工したDataframeをSQLクエリ内に埋め込んでtableの代わりに利用していました。注意点として、f構文無しの場合「{df}」と記述し、f構文ありの場合「{{df}}」に...
pip pip listに特定のモジュールが含まれているか確認する方法
以下のように実行したところ、1行目で「from: command not found」と出ており、モジュールが不足しておりました。そこでpip listコマンドで指定したモジュールが本当に含まれていないか確認するために使用しました。pip ...
Databricks pyspark.pandasのDataFrameで重複行を確認する方法
pyspark.pandasライブラリで、全ての列の値が重複していないか確認するために「display(df)」をそのまま使うとエラーが出てきてしまいました。その対策として以下2つの方法を試したところエラーを回避することができました。wit...
Databricks SQLで重複行を取得する方法２選
Databricks上のデータパイプライン構築業務において全ての列の値が重複していないか確認する際に使用しました。DISTINCTを使用SELECT * FROM <table_name>ALLを使用するSELECT *FROM <tabl...
Databricks Databricksで過去のテーブル内容にデータを戻す方法
Databricksを利用してデータパイプラインの結合テストにて、不具合を修正して動作確認した際、他の処理でも参照するテーブル内容を書き換えてしまったことがありました。新たにテーブルを作成しなおさなくて済んだので非常に便利です。対象テーブル...
体験談 【体験談】９泊１０日のベトナム＆タイ旅行でかかった費用
10月下旬から11月初旬に９泊１０日でベトナムのハノイとタイのバンコク・パタヤ・ラン島へ旅行に行きました。ベトナムのハノイでは10月～11月、タイのバンコク・パタヤ・ラン島では10月中旬から2月中旬がベストシーズンのようでした。このメインシ...