はてなブックマーク

本記事は、Pandas の公式ドキュメントのUser Guide - Group by: split-apply-combineを機械翻訳した後、一部の不自然な文章を手直ししたものである。 誤訳の指摘・代訳案・質問等があればコメント欄や編集リクエストでお願いします。 Pandas公式ドキュメント日本語訳記事一覧 データの取得と選択 マルチインデックス・高度な索引 mergeとjoinとconcatenateとcompare テーブルの整形とピボットテーブル テキストデータの操作 欠損データの操作 重複ラベル カテゴリデータ Group by - 分割・適用・結合 Group by - 分割・適用・結合 group byとは、以下の1つまたは複数のステップを含む処理を指します。 分割（Splitting）：ある基準に基づいてデータをグループに分ける。 適用（Applying）：各グループに独

pandas 1.2.0 がリリースされたので、気になった新機能をメモ 興味のない内容や細かい変更修正はスルーしたので、すべての変更はこちら 行名・列名に重複を許さない設定 前提 pandasのIndexは重複したラベルを持つことができる。つまり、データフレームおよびシリーズの行名や列名は一意でなくても良い。 例えば以下のデータフレームdf_dlabelは、行名が'a'の行が２つ、列名が'B'の列が２つある。 df_dlabel = pd.DataFrame(np.arange(9).reshape(3, 3), index=list('aab'), columns=list('ABB')) df_dlabel

import numpy as np import pandas as pd np.random.seed(99) df = pd.DataFrame(index=pd.date_range('2020-01-01', periods=60, freq='D'), data=np.array(list('晴曇雨雪'))[np.random.randint(0, 4, 60)], columns=['天気'], dtype='string') df 天気 2020-01-01 曇 2020-01-02 雪 2020-01-03 曇 2020-01-04 晴 2020-01-05 曇 2020-01-06 晴 2020-01-07 雨 2020-01-08 晴 2020-01-09 曇 2020-01-10 晴 2020-01-11 曇 2020-01-12 雪 2020-01-13 雨 20

データサイエンス100本ノック（構造化データ加工編）のPythonの問題を解いていきます。この問題群は、模範解答ではpandasを使ってデータ加工を行っていますが、私達は勉強がてらにNumPyの構造化配列を用いて処理していきます。 次回記事（#2） はじめに Pythonでデータサイエンス的なことをする人の多くはpandas大好き人間かもしれませんが、実はpandasを使わなくても、NumPyで同じことができます。そしてNumPyの方がたいてい高速です。 pandas大好き人間だった僕もNumPyの操作には依然として慣れていないので、今回この『データサイエンス100本ノック』をNumPyで操作することでpandasからの卒業を試みて行きたいと思います。 今回は８問目までをやっていきます。 今回使うのはreceipt.csvだけみたいです。初期データは以下のようにして読み込みました（データ型

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?