2022-07

今回はpandasのpivot_table()について基本を解説します。EXCELなどでデータ集計をするときによくおこなう操作なので、なじみ深い人も多いのではないでしょうか？ピボットテーブルはグループごとに集計して比較するときに使います。

▶ Pandasの基本を解説しています。Series/DataFrameの作り方は以下をご覧ください。はじめに今回はデータフレームのイテレーションについて基本から解説します。イテレーションとは簡単にいうと繰り返しのことです。これまでにもfo...

▶ Pandasの基本を解説しています。Series/DataFrameの作り方は以下をご覧ください。はじめに今回はデータを集計する際の必須操作となるgroupbyについて基本から解説します。groupbyはデータをグループ分けして共通の操...

今回はデータフレームに値を代入するときに注意することをまとめていくことにします。データフレームの特定の列に値を代入するのはよくおこなう操作だと思いますが、代入するのがリストやndarrayであるときと、Seririesであるときで挙動が違います。この辺を整理していきましょう。

今回はDataFrameの基本操作である、行や列を指定したデータの抽出方法の基本を確認していきます。列の指定・行の指定をいろいろなパターンでみていきましょう。行の指定では、ラベルが設定されている場合とされていない場合にわけて基本の抽出方法をじっくりみていくことにしましょう。

Pandasの２つの主要なデータ構造であるSeriesとDataFrameのうち、2次元の表形式のデータを処理する「DataFrame」について基本から解説します。DataFrameとは何かの確認から始めて作り方までをみていきましょう。

今回からデータ解析のためのPythonライブラリであるPandasを扱います。まずはPandasの２つの主要なデータ構造であるSeriesとDataFrameのうち、Seriesについて基本から解説します。Seriesとは何かの確認から始めて作り方までをみていきましょう。

今回はndarrayの保存と読み込みについて基本から解説していきます。保存については何も難しいことはありませんが、保存したndarrayを読み込むときには注意が必要です。実際に例を示しながら丁寧に解説していきます。

今回はndarrayの結合方法を扱います。ndarrayの結合にはいろんな関数が用意されていますが、最も基本的なnp.concatenate()とnp.stack()について基本から解説していきます。これらをしっかり学んでおけば、他のnp.hstack()やnp.vstack()なども同様に扱うことができます。

今回はndarrayを条件に応じて処理する方法を扱います。ndarray[条件]のように条件を満たすデータを抽出方法やwhereを使って条件に応じて処理をおこなう方法を基本から解説します。また「すべての要素が条件を満たす」「要素のうち少なくとも１つが条件を満たす」行・列の抽出方法についても解説します。

今回はNumpyでのNaNの扱いについてまとめておきましょう。PythonでNaNを判定する方法として「isnan」がありますが、Numpyの際にはちょっと扱いが異なります。このあと、学習を進めていく中で混乱しないように、はじめに整理しておきましょう。

今回はNumpyでよく使う関数についてまとめていくことにします。最大値・最小値・平均値・中央値・標準偏差のような統計量を算出するもののほか、よく使う関数を紹介していきます。関数名も直感的でわかりやすいため、気楽に取り組みましょう。