Pythonメモ >
Pandas は Pythonのデータ解析用のライブラリ。
CSVやテキストファイルなど様々なフォーマットの1次元、2次元データを扱う事ができ、
基本的な各種データ操作(読込、追加、更新、削除)はもちろん、集計、グループ化、時系列データ操作などの様々な機能がある。
numpy は主に多次元配列の数値データを扱う事に特化したライブラリ。
数値データ以外を殆ど扱えない代わりに高速に動作する。
pandas は 内部で numpy を利用しつつ使いやすくしたもの。
pandas では抽象化や関数ラップによって、様々な演算を利用しやすくなっているが、素の numpy を使用した方が数値演算は高速に行う事ができる。
普通に pip install するだけ。
pip install pandas
※numpy などの他に必要なライブラリもインストールされる。
1次元データの操作は pandas の最も基本的なオブジェクトである Series を利用する。
※以下では記載しないが numpy の ndarray から作成する事も出来る。
import pandas as pd series = pd.Series([1,2,3,4,5]) print(series)
結果
0 1 1 2 2 3 3 4 4 5 dtype: int64
インデックスに連番以外を指定する事も可能
import pandas as pd series = pd.Series([1,2,3,4,5], index=['one','two','three','four','five']) print(series)
結果
one 1 two 2 three 3 four 4 five 5 dtype: int64
後からインデックスを指定する事も可能
import pandas as pd series = pd.Series([1,2,3,4,5]) series.index = ['one','two','three','four','five'] print(series)
結果
one 1 two 2 three 3 four 4 five 5 dtype: int64
検索エンジンのシェアを格納した dict を Series化してみる。
http://gs.statcounter.com/search-engine-market-share
import pandas as pd # 辞書から作成 series = pd.Series({"google": 92.31, "yahoo": 2.51, "bing": 2.27}) print(series)
結果
google 92.31 yahoo 2.51 bing 2.27 dtype: float64
めちゃくちゃいっぱいある。
https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.Series.html
series = pd.Series([1,2,3,4,5,4,6,1,3,4]) print(series.size) # サイズ print(series.values) # 値のリスト print(series.sum()) # 合計値 print(series.mean()) # 平均値 print(series.gt(2)) # 2より大きいもの print(series.head(2)) # 先頭の2つ print(series.max()) # 最大値 print(series.to_json()) # jsonに変換 print(series.filter(regex="3")) # 添字の正規表現 print(series.drop_duplicates()) # 重複排除