pandas.DataFrame のforループをゆるふわ△改良して300倍高速化する - くないらぼ
主張：高速化は最後のおたのしみにしましょう。 無駄にいじいじして高速化させて満足し、結局その後はほとんど使わなかったなあ、、、が私の日常です。 えらい人も言っていますが、高速化なんてホント最後でいいんです・・・。 今まで何十回後悔したことか。。。（これからもまたやりますが。） pythonであれば numba,cython,swig など、コンパイルしちゃう系の力（パワー）を借りることで、 全く同じアルゴリズムでもざっくり100倍単位で簡単に高速化できます。 しかし、このやり方ではpythonのインタープリターなゆるふわ△言語の良さを（該当コード部分において）捨ててしまいます。結局C/C++に魂を売っているだけです。 私は魂を売ることそれ自体が好きなので良いですが、この行為はpythonの持つ別の面での高速性、つまり "生産性の高さ" を犠牲にしています。 コードの実行スピードが速くなって
NumPy + Pandas + matplotlibでデータプロッティングしてみる - WonderPlanet DEVELOPER BLOG
今回のエンジニアブログを担当する藤岡です。 D3.js等のデータ可視化ライブラリは沢山存在していますが、 このエントリでは、「NumPy + Pandas + matplotlib」でデータプロッティングを行います。 所謂データ分析ツールのフロントエンド側の処理を3つのライブラリで実装してみようかと思います。 「データ分析Python」と呼ばれるものですね。 NumPyとは？ NumPyは数値計算を効率的に行うためのPythonの拡張モジュールです。 多次元配列の扱いを簡単にしてくれたり、大規模な高水準の数学関数ライブラリを提供してくれます。 公式サイト: http://www.numpy.org/ Pandasとは？ Pythonのデータ分析ライブラリで、Rライクな機能を提供してくれるモジュールです。 データ操作の為のDataFrameオブジェクトや、データセットの整形、柔軟な変形機能を
逆引きPandas (Matrix編)
>>> x = pd.DataFrame([[1,0],[-2,3]]) >>> y = pd.DataFrame([[-1,1],[4,2]]) >>> x.dot(y) 0 1 0 -1 1 1 14 4 >>> x * y 0 1 0 -1 0 1 -8 6 x %o% y はわからない 逆行列もnumpyに頼る感じ 行列の次元ごとに演算を適用する applyでaxisで行か列かを選択する。applyはよく使う >>> x 0 1 0 1 0 1 -2 3 >>> x.apply(sum, axis=0) #colsum 0 -1 1 3 dtype: int64 >>> x.apply(sum, axis=1) #rowsum 0 1 1 1 dtype: int64
逆引きPandas (ベクトル編)
pandas本はpandasの話がメインなので逆引きがないのが辛いかなと思う。pandasに慣れると手放せないけど☆
pandasメモ - 盆栽日記
ドキュメントが充実しているのでそこを読めばよいのだが、Ｒで今まで行っていた作業を置き換えていく意味でメモ。 http://pandas.pydata.org/pandas-docs/stable/ 適宜、追記・修正する。 import pandas as pd import matplotlib.pyplot as plt from pandas import DataFrame import xlrd # xlsを読み込む際に必要 import numpy as np import sqlite3 # データフレームを作る smp = {'state' : ['Ohio', 'Ohio', 'Ohio', 'Nebada', 'Nebada'], 'year' : [2000, 2001, 2002, 2001, 2002], 'pop' : [1.5, 1.6, 1.7, 3.5, 4
pandas: powerful Python data analysis toolkit — pandas 0.23.4 documentation
pandas documentation# Date: Jan 20, 2024 Version: 2.2.0 Download documentation: Zipped HTML Previous versions: Documentation of previous pandas versions is available at pandas.pydata.org. Useful links: Binary Installers | Source Repository | Issues & Ideas | Q&A Support | Mailing List pandas is an open source, BSD-licensed library providing high-performance, easy-to-use data structures and data an
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
Amazon.co.jp: Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理: Wes McKinney (著), 小林儀匡 (翻訳), 鈴木宏尚 (翻訳), 瀬戸山雅人 (翻訳), 滝口開資 (翻訳), 野上大介 (翻訳): 本
