R ユーザーのための Pandas 実践ガイド II: siuba と datar - ill-identified diary
概要 以前にも書いたように Python の pandas は参照透過性に欠けるため, 何度も書き換えて使用するような使い方に向いていない. これは pandas の用途と合わない. pandas をもっと快適にデータハンドリングする方法がないか探したところ, siuba, datar というパッケージを見つけたので紹介する. これらのパッケージの特徴を挙げ, 実験によるパフォーマンス比較してみた. 個人的には siuba のほうが信頼できると思うが, 現時点ではどちらも発展途上のパッケージである. 以前の続きということでタイトルを踏襲したが, 実は私がこれらのパッケージを知ったのは昨日なので「実践」的かどうかは少し疑わしい タイトルの通り R を知っている pandas ユーザーを想定読者としているが, R ユーザでなくても再利用のしやすい書き方は知っていて損はないと思う. その場合は実
pandasデータフレームの日付型⇄文字型変換とdfply使用時のメモ - Qiita
はじめに 本記事は、pandasデータフレームの日付型 ⇄ 文字型の変換について - 従来の変換方法と注意点 - dfplyライブラリ使用時の変換の注意点 をまとめています。 dfplyについてのまとめの補足記事です。 事前準備、例データ import pandas as pd import datetime from dfply import * #例データ sales = pd.DataFrame(dict(date=['7/10/17','7/11/17','7/12/17','7/13/17','7/14/17'], date2=['7/10/2017','7/11/2017','7/12/2017','7/13/2017','7/14/2017'], sales=[1220, 1592, 908, 1102, 1395]))
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
