このサイトのPythonチュートリアルをやってみる。
Pandas Series¶
# jupyter magics
%matplotlib inline
%config IPCompleter.greedy=True
# multiple output
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
Series is a mutable 1D datatype in Pandas (any numpy datatype). Series uses explicit indices with Series datatype. Indices can be added automatically from 0 to len(data):
シリーズは、Pandas(全numpyデータ型)の可変1次元データ型で、シリーズデータ型を持った明示的なインデックスを使用する。インデックスは、0から全データ数まで自動的に付加される。
np.random.seed(0)
mySeries0 = Series(np.random.normal(size=(8,)))
print(mySeries0.values)
print(mySeries0.index)
print(mySeries0[mySeries0.last_valid_index()]) # -1 throws an error
Or the index can be manually set:
または、インデックスは手入力でセットできる。
np.random.seed(1)
mySeries1 = Series(np.random.normal\
(size=(8,)), index=\
['a','b','c','d','e','f','g','h'])
mySeries1.name = 'random_norm'
mySeries1.index.name = 'code'
print(mySeries1)
print()
print('Values: ', mySeries1.values)
print('Index: ', mySeries1.index)
print('Element at index ["a"]: ' + str(mySeries1['a']))
All numpy operations can be applied to Series without losing the data structure.
全てのnumpy演算は、データ構造を失うことなしにシリーズに適用することができる。
np.sign(mySeries1)
Series are basically ordered key-value pairs and can be created directly from a Python dictionary.
シリーズは、基本的に、キーと値のペアに順序付けられ、Python辞書から直接作成することができる。
myDict = {'s0':15,'s1':22,'s2':19,\
's3':32,'s4':8,'s5':26,'s6':39,'s7':3}
mySeries2 = Series(myDict, name='subjects')
print(mySeries2)
Pandas Dataframe¶
Dataframe is a mutable 2D data type (=table). Dataframe is characterized by labels (for each column) and indices (for each row). Dataframe can have mixed data types in different columns.
データフレームは、可変可能な二次元データ型(テーブル)で、ラベル(列用)とインデックス(行用)によって特徴付けられ、それぞれの列に異なるデータ型を有することができる。
To display the data use .head() method.
データ表示には.head() methodを使う。
codes = ['sm', 'at', 'ap', 'gs', 'rd']
age = [15, 22, 19, 32, 28]
handedness = ['l', 'l', 'l', 'r', 'r']
experiment = ['AB', 'BA', 'BA', 'AB', 'AB']
performance = [89, 78, 95, 89, 79]
df = DataFrame({'codes': codes, 'age': age, 'handedness': handedness, 'experiment':experiment, 'performance':performance},
index=['s0', 's1', 's2', 's3', 's4'])
df
df.head(2)
Dataframe columns and index:
データフレーム列とインデックス
print('Columns:', df.columns)
print('Rows:', df.index)
Indexing and data selection¶
Dataframe data can be indexed by column or by row. However, indices can be label-based (.loc) or position-based (.iloc).
データフレームデータは、列とコラムでインデックス化できるが、ラベルベース(.loc)、もしくは、位置ベース(.iloc)にすることができる。
If you index the entire row/column, the operation returns a 1D Pandas Series.
全ての行/列をインデックスする場合、その操作は、1次元Pandasシリーズを返す。
Entire row by label:
ラベルによる全行
# row by label
df.loc['s0']
Entire row by position:
位置による全行
# row by position
df.iloc[0]
# print(df.iloc[[0]]) returns a dataframe: using [[]] returns a DataFrame
Entire column by label:
ラベルによる全列
# column by label
df.loc[:, 'age']
Entire column by position:
位置による前列
# column by position
df.iloc[:, 1]
Column data can also be accessed by using a dictionary-like or object-like syntax:
列データは、辞書様、または、オブジェクト様構文を使うことでアクセスできる。
Note: row data was previously accessible by using .ix(index), but it has now been deprecated in favor of .loc and .iloc
注釈：行データは、前回、.ix(index)を使うことでアクセスできたが、今は、.locと.ilocの方が好んで使われるので非推奨となっている。
print('Entire column ["age"]:')
df['age']
df.age
Accessing single values is done by specifying both indices in .loc or .iloc:
単一値には、.locか.ilocの両インデックスを特定することでアクセスする。
print(df.loc['s0']['age'])
print(df.iloc[0][1])
Often it is useful to select data based on a condition (boolean indexing):
多くの場合、コンディションベースでデータを選択する(ブールインデックス作成)のが良い。
df[df['age']>18] # dataframe
df[(df['age']>18) & (df['performance']>80)] # dataframe
df[((df['age']>30) & (df['performance']<80)) |((df['age']<18) & (df['performance']>80))] # dataframe