Pandas Period の挙動まとめ (freq編) - Qiita
Pandas Period の freq Pandasでは日付を Period として扱うことができる。 メリットをあげると例えば以下がある。 期間を扱えるため、四半期後 とか 半年後 などの計算が簡単になる。( + 1 とかすればいい) 期中の中途半端な日付を情報を保存しつつ丸めることが可能 PandasのPeriodは使いこなせれば便利だけど、datetime との行き来がめんどくさかったり、期待している挙動をしないことが多いためメモしておく。 今回は freq に関して。 (そのうちdatetime 変換のところもまとめる。) Periodを使う際に期間の切り方に関するパラメータが freq 。 Q (クォーター) のデフォルトでは Q-DEC になっているため、年末くぎり。 日本の__年度__は4月からなので、それらを指定したいときとかに使う。 パラメータに関する本家リンク fre
２次元座標に相関があったりなかったりするデータを作る - Qiita
ROWS = 500 COLS = 3 np.random.seed(0) index = list(map(lambda x: 'ATTR_{:03d}'.format(x), range(COLS))) names = list(map(lambda x: 'F_{:03d}'.format(x), range(ROWS))) index.insert(0, '_x') index.insert(1, '_y') masks = list(map(lambda x: np.random.choice(2, 2), range(COLS))) ws = list(map(lambda x: np.random.rand(2), range(COLS))) df = pd.DataFrame() print('masks=', masks) print('ws=', ws) a, b =
Google colaboratory上でpandas-datareaderを用いて東証上場銘柄の株価を取得する - Qiita
1.Google colaboratoryについて ・Googleが提供するSaas型Python実行環境サービス。 ・Googleアカウント（Google Drive）があれば利用可能。 ・Google colaboratoryの利用は、原則無料（←ココ重要） ・Google colaboratoryは、機械学習を試したい場合に必要なライブラリが標準で既に入っている。機械学習の初学者は言うまでもなく、Python初学者にとっても、Python環境のセットアップを省略して即Python実行環境でお試し実行が可能。 ・機械学習や深層学習をおこなう際の演算処理にGPUが利用可能。つまりGoogleの巨大なリソースが無料で利用可能（≒ Google神の下僕or小作人になってGoogle大地主様の広大なプランテーションが利用可能。ビバ！「クラウドの衝撃」！） ・自分のGoogleアカウントのGoo
CSVから行列データを読み込んで行列計算、結果を書き出す - Qiita
import numpy as np import pandas as pd import csv '''CSVファイルの読み込み''' csvdata = pd.read_csv("./test_data.csv", header=None) csvdata2 = pd.read_csv("./test_data_2.csv", header=None) '''CSVから読んだデータをnumpyの行列に入れる''' myarray = np.array myarray2 = np.array myarray = csvdata.values myarray2 = csvdata2.values print(myarray) print(myarray2) '''行列の掛け算''' result = myarray * myarray2 print(result) '''結果の行列をCSV
pandasの基本(使い方メモ) - Qiita
Pandasとは データ解析を支援する機能を持つPythonのオープンソースライブラリ Pandas DataFrame データを行列で保存 2次元のデータで値，インデックス，列で構成 要素には数値だけでなく文字列を入れることも可能 Pandas Series 1次元の配列としてデータを扱う 要素には数値だけでなく文字列を入れることも可能 使い方 データの変換方法 import pandas as pd Pandasをpdとしてインポート DataFrame.columns データフレームのカラム情報 DataFrame.index データフレームのインデックス情報 import numpy as np import pandas as pd body = np.array([[120,21,32],[12,213,32]]) # DataFrameに変換 df = pd.DataFram
ネストしたリストや辞書をPandasデータフレームに格納 - Qiita
自分でネストしたリストや辞書をPandasデータフレームに格納しようとしてもうまく行かないことが多かった。この度、以下のリンクでJason形式をデータフレームに変換するPandasの機能を読んだ。 以下のやり方でも成功するまでに時間がかかったが、コツは「自分のネストの仕方をリンクのやり方に合わせること」だった。 Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationWhat you can do with signing up
herokuでPythonﾗｲﾌﾞﾗﾘ(pandas,sklearnとか)を使えるようにするための方法 - Qiita
herokuでPythonﾗｲﾌﾞﾗﾘ(pandas,sklearnとか)を使えるようにするための方法PythonHerokupandassklearn ローカル(開発)環境で使うには これは、言わずもがなですが、コマンドからpipでインストールすればいいだけです。 herokuで使うには いくつか、ファイルを編集する必要があります。git pushはできたけど、ブラウザ開いたらModuleNotFoundErrorになった時は、これをする必要があるかもしれません。 まずは、 beautifulsoup4==4.6.1 certifi==2018.4.16 chainer==4.3.1 chardet==3.0.4 cycler==0.10.0 dj-database-url==0.5.0 Django==2.1 django-heroku==0.3.1 filelock==3.0.4 g
PythonでLibreOffice Calcファイルを読み込む - Qiita
実行した環境 Ubuntu Stdio 18.04LTS Python 3.6.5 参考 How to convert OpenDocument spreadsheets to a pandas DataFrame? https://stackoverflow.com/questions/17834995/how-to-convert-opendocument-spreadsheets-to-a-pandas-dataframe pandas.read_excel()と言うExcelを読み込んだり、いろいろ出来る関数があるのを今日知ったのですが、私はUbuntuを使用しているので使えません。残念 それで色々検索していたら、LibreOffice Calcを読み込むパッケージがあると言うことで、インストールしました。 注意） 上記の参考にも書いてあるように、あくまでも実験の段階で、色々な機能
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
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
dataframのindex出の結合 - Qiita
Pythonのみならず、Rでも前処理マンを目指してゆく
[Kaggle]New York City Taxi Fare Predictionのチュートリアル的なもの - Qiita
[Python] pandas データ加工 - Qiita![[Python] pandas データ加工 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/47cd2ac231b81459d42080839b39ef9e12dbc413/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTk4OTcxJTJGcHJvZmlsZS1pbWFnZXMlMkYxNTM3MjI4MzAzP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTNhNTM0M2JjOGM5NDY4N2RhNDhkZjE1NTZjMWQ0MWNi%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dd59d93c2e2c914b350d455da094c99cc%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCUHl0aG9uJTVEJTIwcGFuZGFzJTIwJUUzJTgzJTg3JUUzJTgzJUJDJUUzJTgyJUJGJUU1JThBJUEwJUU1JUI3JUE1JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9MDViYTg3NjEyZTUxN2Y2NjlkZmYxYjJhNjc5N2M5YTg%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBoaWthcnVfJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LXBhZD0wJnM9MTI3MmUwMzc2NmE5N2UxYTQ1YzU1YWE2YTk0ZDFhNWQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D696d52bd9052c3f082dc10de8c7eef98)
[Python] pandas データ結合 - Qiita![[Python] pandas データ結合 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/985bd8528d263fbf065088d8accc13c5a664977e/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTk4OTcxJTJGcHJvZmlsZS1pbWFnZXMlMkYxNTM3MjI4MzAzP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTNhNTM0M2JjOGM5NDY4N2RhNDhkZjE1NTZjMWQ0MWNi%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dd59d93c2e2c914b350d455da094c99cc%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCUHl0aG9uJTVEJTIwcGFuZGFzJTIwJUUzJTgzJTg3JUUzJTgzJUJDJUUzJTgyJUJGJUU3JUI1JTkwJUU1JTkwJTg4JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9YjM0ODFmMGViN2UzNzhkNjU3YTllY2NlZDBjZWJiNmQ%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBoaWthcnVfJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LXBhZD0wJnM9MTI3MmUwMzc2NmE5N2UxYTQ1YzU1YWE2YTk0ZDFhNWQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D2b8fa614289ac793266afcfc3b0843d0)
dataframeをtocsv する際、errorをignoreしたい場合 - Qiita
市区町村一覧・自治体の一覧を取得する（Python） - Qiita
nysol(python) vs pandas pandas より、遅いけどメモリは食わない - Qiita
pandasのapplyに複数の引数を持つ関数を与える - Qiita
[Python] Excelで文字化けしないCSVファイルを書き出す - Qiita![[Python] Excelで文字化けしないCSVファイルを書き出す - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/895ed0ad8153f1dc3aa74b084beba205f675ce86/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZ0eHQ9JTVCUHl0aG9uJTVEJTIwRXhjZWwlRTMlODElQTclRTYlOTYlODclRTUlQUQlOTclRTUlOEMlOTYlRTMlODElOTElRTMlODElOTclRTMlODElQUElRTMlODElODRDU1YlRTMlODMlOTUlRTMlODIlQTElRTMlODIlQTQlRTMlODMlQUIlRTMlODIlOTIlRTYlOUIlQjglRTMlODElOEQlRTUlODclQkElRTMlODElOTkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTQ0OWVmMzg2ZWIxMGJlNTgxZjU1N2YxOTUzOTRlODY4%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQweTRtMyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MDkxNjIyNGNjNjQ5MmVlMmQ0MGYzMjcwOTk0MTMyZmQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D9ed5216679db1f00a0750f59bdf526c9)
DataFrame melt を使って複数列のデータを1列に整形＿SEOの為のPython
pandas-datareaderのis_list_likeがimportできない問題を解決(local,heroku) - Qiita
