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

0. はじめに やりたいことがあるたびにいちいちGoogleや公式サイトで検索してそれっぽいのを探すのはもう面倒だ。 やっとそれっぽいのを見つけたのに、一行で済むようなことを「plt.なんちゃら」だの「set_なんちゃら」をたくさん並べましたなんてブログはもはや検索妨害だ。 Qiitaにすら僕のためのいい感じのまとめがないなんて…… よく考えたら自分が普段使うようなメソッドなんて限られているじゃないか。 もう自分でまとめるわ。自分のために。 というわけでインポート。