Python（基本的なこと005: pandasライブラリの簡単なサンプル）

■pandasのライブラリを試してみる。
前回numpyライブラリを動かしたので、今回それと同じくよく見かけるpandasのライブラリを試してみる。とりあえず公式ページの導入部を見ながら、いろいろと動かしてみた。pandasは、データセットを取り扱うのに適したライブラリで、主なオブジェクトとしてSeriesとDataFrameの2つがあった。まず、Series。下がサンプルコードと動かした結果。

Seriesは１つの列のデータを扱うものらしく、pd.Series([...])で作成できた。データが欠けているところはNaNで補える。単純に表示すると、自動的に行番号も表示される。この行にあたるところはindexという形で呼ばれているようで、定義することもできた。次のコードでindexがa, b, c, d, eとなる5.0のSeriesを入力している。メソッドを試すために、上の行のみを表示するheadを試した（head(2)で上の2行分）。

次にDataFrame。Seriesが1列のデータに対して、こちらは複数列のデータを持つ。列にあたるところはcolumnと呼ばれているよう。下のコードでもindex, columnsで行と列の定義をしている。ここでは、Seriesをいくつか作り、そのデータを使ってDataFrameを作成している。はじめ、Seriesと同じように、pd.DataFrame([...], [...], [...])としてできないか試してみたけど、エラーが出た。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

a = pd.Series([1, 2, 3, 4])
b = pd.Series([5, 6, 7, 8])
c = pd.Series([9, 10, 11, 12])
d = pd.Series([13, 14, 15, 16])
e = pd.Series([17, 18, 19, 20])

#df = pd.DataFrame([1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20])

sa = {"A": a,"B": b,"C": c,"D": d,"E": e}
df = pd.DataFrame(sa)

print(df)
print("===1: head (upper 2 lines)=======================================")
print(df.head(2))
print("===2: tail (lower 3 lines)=======================================")
print(df.tail(3))
print("===3: to_numpy (change to numpy)================================")
print(df.to_numpy())
print("===4: describe (basic statistics)===================================")
print(df.describe())
print("===5: A row=======================================")
print(df["A"])
print("===6: 4th line by index=======================================")
print(df[3:4])
print("===7: 4th line by index=======================================")
print(df.iloc[3])
print("===8: D row change to df size==================")
df.loc[0:4, "D"] = np.array([5] * len(df))
print(df)
print("==========================================")
df["F"] = df["A"] + df["B"]
print(df)

df.plot.scatter(x="A", y="E", alpha=0.5)
plt.show()

ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
ts = ts.cumsum()
ts.plot()
plt.show()
# df.to_csv("foo.csv")

実行結果が下の画像。