In [1]:
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from pandas import Series, DataFrame
In [2]:
from numpy.random import randint
dices = randint(1,7,(5,2))
diceroll = DataFrame(dices, columns=['dice1','dice2'])
diceroll
Out[2]:
配列の index に column 名を指定して取り出します。
In [3]:
diceroll['dice1']
Out[3]:
column 名を属性に指定して取り出します。
In [4]:
diceroll.dice1
Out[4]:
In [5]:
data = {'City': ['Tokyo','Osaka','Nagoya','Okinawa'],
'Temperature': [25.0,28.2,27.3,30.9],
'Humidity': [44,42,np.nan,62]}
cities = DataFrame(data)
cities
Out[5]:
In [6]:
cities[['City', 'Humidity']]
Out[6]:
次のように、単一の列を DataFrame として取り出すこともできます。
In [7]:
cities[['City']]
Out[7]:
次は Series として取り出す場合です。
In [8]:
cities['City']
Out[8]:
配列のスライス記法で取り出す行を指定します。
In [9]:
cities[0:2]
Out[9]:
In [10]:
cities[2:3]
Out[10]:
In [11]:
cities[1:]
Out[11]:
特定の条件を満たす行だけを取り出すこともできます。
In [12]:
cities[cities['Temperature']>28]
Out[12]:
In [13]:
cities
Out[13]:
行はスライス記法、列は column 名のリストで指定します。
In [14]:
cities.ix[1:3, ['City','Humidity']]
Out[14]:
In [15]:
cities
Out[15]:
iterrows メソッドは、各行の index とその行を表わす Series オブジェクトを順に返します。
In [16]:
for index, line in cities.iterrows():
print 'Index:', index
print line, '\n'
DataFrame から抽出したオブジェクトを変更する際は、明示的にコピーを作成します。
In [17]:
humidity = cities['Humidity'].copy()
humidity[2] = 50
humidity
Out[17]:
コピーを変更しても元の DataFrame が変更されることはありません。
In [18]:
cities
Out[18]:
DataFrame の特定要素を変更する際は、loc メソッドで要素を指定します。
In [19]:
cities.loc[2,'Humidity'] = 50
cities
Out[19]:
30より大きい値の Temperature を30に揃える処理の例です。
In [20]:
for index, line in cities.iterrows():
if line['Temperature'] > 30:
cities.loc[index, 'Temperature'] = 30
cities
Out[20]:
条件による行の指定と組み合わせることもできます。
In [21]:
cities.loc[(cities['Temperature']>27)&(cities['Temperature']<29), 'Temperature'] = 28
cities
Out[21]:
In [22]:
cities.loc[2,'Humidity'] = np.nan
cities
Out[22]:
In [23]:
cities = cities.dropna()
cities
Out[23]:
(1) 次の関数 create_dataset() を用いて、num=10 個のデータからなるデータフレーム data を作成します。その後、iterrowsメソッドを利用して、データポイント (x,y) のy値と関数 sin(2πx) の平方根平均二乗誤差 √{sum(sin(2πx) - y)**2 / num} を計算してください。
ヒント：この例では、平方根平均二乗誤差は約0.3になります。
In [24]:
from numpy.random import normal
def create_dataset(num):
data_x = np.linspace(0,1,num)
data_y = np.sin(2*np.pi*data_x) + normal(loc=0, scale=0.3, size=num)
return DataFrame({'x': data_x, 'y': data_y})
(2) (1)のDataFrameから列 'x' だけを取り出したSeriesオブジェクトを変数 x に格納してください。nameプロパティは、'x' とします。
さらに、x**2 （各要素を2乗した値）を要素とするSeriesオブジェクトを作成して、変数 x2 に格納してください。nameプロパティは、'x2' とします。
同様に、x**3、x**4 を要素とするSeriesオブジェクトを変数 x3, x4 に格納します。
(3) (2)で作成した x, x2, x3, x4 を結合して、x, x2, x3, x4を列に持ったDataFrame dataset を作成してください。
ヒント：結果は、次のような DataFrame になります。
In [25]:
from PIL import Image
Image.open("figure01.png")
Out[25]: