今日からPandas！
早く終わらして、スタートテストを超えたい。
■AIを学ぶ為の本格Python講座
PY16_Pandas_データの作成
今日学んだこと
Pandas
>>> import numpy as np
>>> import pandas as pd
2つの型がある。
Series
1次元のデータ。（横1列もしくは縦一列のデータ）
>>> data=pd.Series([0.25,0.5,0.75,1.0])
>>> data
0 0.25
1 0.50
2 0.75
3 1.00
dtype: float64
>>>
numpyの配列を取得
>>> data.values
array([0.25, 0.5 , 0.75, 1. ])
>>>
numpyと同じように扱える。
>>> data[1]
0.5
>>> data[2]
0.75
data[1]からdata[1]まで（2は含まれない）
>>> data[1:2]
1 0.5
dtype: float64
>>>
data[1]からdata[2]まで（3は含まれない）
>>> data[1:3]
1 0.50
2 0.75
dtype: float64
インデックス番号を取得
0から3まで１ずつ増加、つまり、0,1,2,3（4は含まれない）
>>> data.index
RangeIndex(start=0, stop=4, step=1)
>>>
インデックスは、数字以外も指定できる。
>>> data=pd.Series([0.25,0.5,0.75,1.0],index=['a','b','c','d'])
>>> data
a 0.25
b 0.50
c 0.75
d 1.00
dtype: float64
>>>
>>> data.index
Index(['a', 'b', 'c', 'd'], dtype='object')
>>>
インデックスは数字でも指定できるし、オブジェクトでも指定できる。
辞書形式のように扱える。
>>> data[0]
0.25
>>> data['a']
0.25
>>>
最初から辞書のように扱える
>>> name=pd.Series({
... 'futarou':40,
... 'satoshi':20,
... 'mitsuyo':50,
... 'youko':55,
... })
>>>
>>> name
futarou 40
satoshi 20
mitsuyo 50
youko 55
dtype: int64
>>>
>>> name['satoshi']
20
>>>
satoshiからyoukoまでを出力
>>> name['satoshi':'youko']
satoshi 20
mitsuyo 50
youko 55
dtype: int64
>>>
PandasのSeriesの作成方法3つ まとめ
配列を指定する。インデックスは0から連番が自動に振られる。
>>> data=pd.Series([0.25,0.5,0.75,1.0])
>>> data
0 0.25
1 0.50
2 0.75
3 1.00
dtype: float64
>>>
インデックスを指定する。
>>> pd.Series([1,2,3],index=[100,200,300])
100 1
200 2
300 3
dtype: int64
>>>
数字を1つだけ指定すると、その数字で埋める
>>> pd.Series(99,index=[100,200,300])
100 99
200 99
300 99
dtype: int64
>>>
辞書で表現
>>> pd.Series({'aaa':99,'bbb':199,'ccc':299})
aaa 99
bbb 199
ccc 299
dtype: int64
>>>
DataFrame
nenrei=pd.Series({
'futarou':40,
'satoshi':20,
'mitsuyo':50,
'youko':55,
})
>>> nenrei
futarou 40
satoshi 20
mitsuyo 50
youko 55
dtype: int64
>>>
shinchou=pd.Series({
'futarou':190,
'satoshi':167,
'mitsuyo':155,
'youko':148,
})
>>> shinchou
futarou 190
satoshi 167
mitsuyo 155
youko 148
dtype: int64
>>>
同じインデックスはまとめてくれて、表で表現できる。
>>> status=pd.DataFrame({
... 'nenrei':nenrei,
... 'shinchou':shinchou
... })
>>>
>>> status
nenrei shinchou
futarou 40 190
satoshi 20 167
mitsuyo 50 155
youko 55 148
>>>
2次元でもインデックスを持つ（縦と横のインデックスを持つイメージ）
>>> status.index
Index(['futarou', 'satoshi', 'mitsuyo', 'youko'], dtype='object')
>>>
>>> status.columns
Index(['nenrei', 'shinchou'], dtype='object')
>>>
1列を取り出す（DataFrameからSeriesとして取得）
>>> status['nenrei']
futarou 40
satoshi 20
mitsuyo 50
youko 55
Name: nenrei, dtype: int64
>>>
一気に表形式を作る
>>> data=pd.DataFrame([
... [1.1,1.3,1.8,1.6,1.5],
... [2.3,2.1,2.6,2.8,2.7],
... ])
>>>
>>> data
0 1 2 3 4
0 1.1 1.3 1.8 1.6 1.5
1 2.3 2.1 2.6 2.8 2.7
>>>
行じゃなくて、列が表示される。（Numpyと反対。。。なぜ？）
>>> data[0]
0 1.1
1 2.3
Name: 0, dtype: float64
>>>
要素を取り出す場合は、列、行で指定する。
>>> data[0][1]
2.3
>>>
DataFrameの作成方法
CSVファイルを読み込む
>>> pd.read_csv('test.csv')
a b c d e
0 1 2 3 4 5
1 1 2 3 4 5
2 1 2 3 4 5
3 1 2 3 4 5
4 1 2 3 4 5
>>>
SeriesオブジェクトからDataFrameで
>>>
>>> test10=pd.Series({
... 'a':999,
... 'b':1999,
... 'c':2999,
... 'd':3999,
... 'e':4999
... })
>>>
>>>
>>> pd.DataFrame(test10,columns=['aaa'])
aaa
a 999
b 1999
c 2999
d 3999
e 4999
>>>
辞書から。
>>> pd.DataFrame([
... {'a':1,'b':2},
... {'a':3,'b':4},
... {'a':5,'b':6},
... ])
a b
0 1 2
1 3 4
2 5 6
ないもの(欠損値)があるときは、NaN で埋められる。
>>> pd.DataFrame([
... {'a':1,'b':2,'c':999},
... {'a':3,'b':4},
... {'a':5,'b':6},
... ])
a b c
0 1 2 999.0
1 3 4 NaN
2 5 6 NaN
>>>
Seriesの辞書から
nenrei=pd.Series({
'futarou':40,
'satoshi':20,
'mitsuyo':50,
'youko':55,
})
shinchou=pd.Series({
'futarou':190,
'satoshi':167,
'mitsuyo':155,
'youko':148,
})
同じインデックスはまとめてくれて、表で表現できる。
>>> status=pd.DataFrame({
... 'nenrei':nenrei,
... 'shinchou':shinchou
... })
>>> status
nenrei shinchou
futarou 40 190
satoshi 20 167
mitsuyo 50 155
youko 55 148
>>>
numpyの配列から
>>> test999=np.random.rand(3,3)
>>>
>>> test999
array([[0.16496641, 0.66380839, 0.92084195],
[0.26379367, 0.22090282, 0.22242504],
[0.3155583 , 0.87315918, 0.30191225]])
>>>
列(columns)、行（index）を指定してあげる。
>>> pd.DataFrame(
... test999,
... columns=['aaa','bbb','ccc'],,
... index=['a','b','c']
... )
aaa bbb ccc
a 0.164966 0.663808 0.920842
b 0.263794 0.220903 0.222425
c 0.315558 0.873159 0.301912
>>>
勉強時間
今日： 0.5時間
総勉強時間： 33.0時間
お得キャンペーンの紹介
ラビットチャレンジの
Amazonギフト券「5,000円」プレゼントキャンペーンのお知らせ
申込時に、以下コードを使えば、入会金が5000円引かれるようです。
また、紹介した僕にも5000円のAmazonギフト券が送られるようです。
お得なので、よかったら申込時お使いください。
紹介コード：friend0019697
※本キャンペーンの期間は、 2021年9月15日～10月31日 です。
「お友達紹介キャンペーン」特設ページ：
https://ai99