こんにちは。
まゆみです。
今回の記事ではデータ分析などに便利なライブラリーPandasについて書いていきます
Pandasはとても便利なライブラリーなので、1記事に書く分量を小分けにしながら、シリーズで記事を書いていこうと思います。
今回の記事は第1回目の記事になります
この記事を読めば
- Pandasライブラリーの概要
- PandasのSeriesとは？(DataFrameとの違い)
- ライブラリーのインポートの仕方(エイリアスとは？)
- PythonのデータをSeriesにしてみる
以上のことが分かります
IDEはjupyter notebook を使っていきますね。
#Pandasでできることの1例
Pandasでできることを言葉で説明する前に、どんなことができるのか実際に実行して見てみましょう。
例えば、PandasにはCSVファイルを読み込むという機能があります。
しかもただ読み込むだけではなく、綺麗にフォーマットした状態にして表示してくれます。
下記のようなCSVファイルを作りました。(データ内容は私が勝手に書いた架空の物なのでよろしくお願いします<(_ _)>)
ちょっと見にくいCSVファイルがPandasライブラリーを使うと
下記のようになります
CSVファイルの1行目をちゃんとコラム名として勝手に認識してくれて、綺麗に見やすくフォーマットしてくれました。
Pandasがデータ分析に必須のアイテムであることがうなずけますね。
#PandasのSeriesとは？
Pandas のSeries について書く前に、Pandasの基本となるデータストラクチャーについて書いていきます。
引用元：pandas ドキュメント
Pandasでは、SeriesとDataFrame が基本となるデータストラクチャーとして使われています。
DataFrame = データ全体
Serieds = 縦の線で区切られた１つ１つのコラム
と認識すれば大丈夫です。
エクセルシートで例えれば、1ページ全体がDataFrameで、縦の列がSeries です。
DataFrame とSeries では使えるメソッドなども変わってくるので、これらの違いはきちんと把握しておいてくださいね。
#Pandasをimport する
import pandas as pd
いつもと同じようにライブラリーをインポートしてください。
インポートの方法には色々ありますが、今回は『エイリアス』と呼ばれる方法でインポートしました。
エイリアスとは別名やニックネームという意味です。
例えば、pandas ライブラリーを使うたびに
pandas.(メソッド名)
と書くより
pd.(メソッド名)
と書く方が、手間が省けるという利点があります。
『pd という名前でpandas をインポートする』ということですね。
pd にあたる部分はあなたの好きにつけても大丈夫なのですが、(例えば 『import pandas as pizza』など) やはり『pd』と習慣に従って書いた方が、他の人があなたのコードを見た時にも何をしているのか分かりやすいと思います。
#PythonのリストをpandasのSeriesで表示する
pandasのSeries とはエクセルシートで言うところの縦の1列だということは先ほどお伝えしました。
エクセルシートの１つ１つのセルに数字でもテキストでも書けるように、pandas のSeries も数字でもテキストでも扱うことができます。
pythonの２つのリストから(１つは、文字列でできたリストでもう１つは数値でできたリスト)それぞれ、Seriesを作ってみました。
それぞれのコードの結果の一番下に書かれているdtypeはdata type の略です。
object は文字列で作ったSeries であり、intは数値で作ったSeries ということになります。
##Pythonの辞書もSeries で表せるの？
先ほどは、Pythonのリストを見やすいSeriesの形で表示させました。
もしPythonの辞書型のデータをkey とvalue を隣り合わせに表示してくれたら便利ですよね？
はい、そのような事もPandas には可能です。
先ほどと同じ手順で
pd.Series(Pythonの辞書型データ)
とすれば、
key の横にそのkey に対応するvalue を表示する形で表示されます
PandasのSeries に書き換えたデータは
dict_series = pd.Series(dictionary)
というように変数に代入することももちろんできます。
#まとめ
今回の記事では、
Pandas ライブラリーの概要と、その根幹となるデータストラクチャーであるSeries について少し書かせていただきました。
次回の記事では、Seriesのデータに使えるアトリビュートについて解説していこうと思います。
どうぞ、お楽しみにっ！