1 この記事は
DataFrame型データの各種操作方法をメモする。
| 題名 | リンク |
|---|---|
| 【python】Pandasの使い方 | LINK |
| 【python】Pandas2の使い方 | LINK |
| 【python】Pandas3の使い方 | LINK |
| 【python】Pandas4の使い方 | LINK |
| 【python】Pandas5の使い方 | LINK |
| 【python】Pandas ,pythonコードメモ 6 | LINK |
2 内容
2-1 日付から第何週なのかを計算する。
sample.py
import datetime
print("2021/5/3(月)が第何週になるかを自動計算する")
datetime.date(2021, 5, 3).isocalendar()
print("帰り値 -> 年,第何週,曜日。月曜日が1になる")
実行結果
#返り値 -> 年,第何週,曜日。月曜日が1になる
(2021, 18, 1)
2-2 Series型データから実データを抽出する
sample.py
import pandas as pd
s1 = pd.Series([70, 45, 80, 60, 90],
index=['国語', '数学', '理科', '社会', '英語'])
print("Series型データを表示する")
print(s1)
print("Series型からindexを抽出する")
print(s1.index)
print("Series型からデータを抽出する")
print(s1.values)
実行結果
Series型データを表示する
国語 70
数学 45
理科 80
社会 60
英語 90
dtype: int64
Series型からindexを抽出する
Index(['国語', '数学', '理科', '社会', '英語'], dtype='object')
Series型からデータを抽出する
[70 45 80 60 90]
2-3 Dataframe型行単位で最大値を取得する
sample.py
import pandas as pd
import numpy as np
dat0 = [
['2019-07-01',70,40,55],
['2019-07-02',1,46,5],
['2019-07-03',200,40,545],
]
df0 = pd.DataFrame(dat0,columns=["A","B","C","D"])
#A,B列をindexに指定する。
df0=df0.set_index(["A"])
display(df0)
print("B,C,D列のMAX値を取得する")
df0['Z（MAX)']=df0[['B','C','D']].apply(np.max,axis=1)
print("B,C,D列のMAX値をとる列名を取得する")
df0['INDEX（MAX)']=df0.columns[ df0[['B','C','D']].apply(np.argmax,axis=1) ]
display(df0)
実行結果
B C D
A
2019-07-01 70 40 55
2019-07-02 1 46 5
2019-07-03 200 40 545
B,C,D列のMAX値を取得する
B,C,D列のMAX値をとる列名を取得する
B C D Z（MAX) INDEX（MAX)
A
2019-07-01 70 40 55 70 B
2019-07-02 1 46 5 46 C
2019-07-03 200 40 545 545 D
2-4 Dataframe型 指定行を削除する。
sample.py
import numpy as np
import pandas as pd
dat = [
['2019-07-01','9990'],
['2019-07-02','9991'],
['2019-07-03','9992'],
['2019-07-04','9993'],
['2019-07-05','9995'],
['2019-07-08','9996']
]
df0 = pd.DataFrame(dat,columns=["A","B"])
display(df0)
display(df0.drop(0)) #0行名を削除する。
実行結果
A B
0 2019-07-01 9990
1 2019-07-02 9991
2 2019-07-03 9992
3 2019-07-04 9993
4 2019-07-05 9995
5 2019-07-08 9996
A B
1 2019-07-02 9991
2 2019-07-03 9992
3 2019-07-04 9993
4 2019-07-05 9995
5 2019-07-08 9996
2-5 Dataframe型をSerie型に変更 & Series型のindexとデータを取り出す
sample.py
import pandas as pd
import numpy as np
dat0 = [
['2019-07-01',70,40,55],
['2019-07-02',1,46,5],
['2019-07-03',200,40,545],
]
df0 = pd.DataFrame(dat0,columns=["A","B","C","D"])
df0=df0.set_index(["A"])
sdf=df0['B'] #DataFrame型Series型に変更する。
#Series型のindexとvalueを取り出す。
print("index:",sdf.index)
print("value:",sdf.values)
実行結果
#Series型のindexとvalueを取り出す。
index: Index(['2019-07-01', '2019-07-02', '2019-07-03'], dtype='object', name='A')
value: [ 70 1 200]
2-6 日付がその年の第何週にあたるかを算出する。
indexを日付型データにする必要がある。
sample.py
import pandas as pd
import numpy as np
dat0 = [
['2019-07-01',70,40,55],
['2019-07-02',1,46,5],
['2019-07-03',200,40,545],
]
df0 = pd.DataFrame(dat0,columns=["A","B","C","D"])
df0["A"]=pd.to_datetime(df0['A']) #日付の文字列の列に対してpd.to_datetime()を適用し、datetime64型に変換する。
df0=df0.set_index(["A"])
display(df0)
print("DataFrameのindexがdatetime64であると、その日付が第何週かを算出できる。")
print("date:"+ str(df0.index[0]))
print("type:"+ str(type(df0.index[0])))
print("year:"+ str(df0.index[0].year))
print("week:"+ str(df0.index[0].week))
print("day:"+ str(df0.index[0].day))
実行結果
B C D
A
2019-07-01 70 40 55
2019-07-02 1 46 5
2019-07-03 200 40 545
date:2019-07-01 00:00:00
type:<class 'pandas._libs.tslibs.timestamps.Timestamp'>
year:2019
week:27
day:1
2-7 条件に合う行を取り出し、要素を書き換える
sample.py
import numpy as np
import pandas as pd
dat = [
[2020,53],
[2021,53],
[2021,53],
[2021,8],
[2021,15],
[2021,7]
]
df0 = pd.DataFrame(dat,columns=["A","B"])
print("初期状態")
display(df0)
print("A列が2021かつB列が53のものに対し、B列を1に書き換える")
df0.loc[(df0.A==2021) & (df0.B==53),"B"]=1
print("書き換え後")
display(df0)
実行結果
初期状態
A B
0 2020 53
1 2021 53
2 2021 53
3 2021 8
4 2021 15
5 2021 7
A列が2021かつB列が53のものに対し、B列を1に書き換える
書き換え後
A B
0 2020 53
1 2021 1
2 2021 1
3 2021 8
4 2021 15
5 2021 7
2-8 List型変数に要素を追加する。& List型を結合させる。
sample.py
#list型に要素を追加する。(append)
tmp=[]
for i in range (0,3):
tmp.append(i)
tmp
#list型を結合させる。(append)
tmp0=[[1,10]]
tmp1=[2,20]
tmp0.append(tmp1)
print(tmp0)
実行結果
#list型に要素を追加する。
[0, 1, 2]
#list型を結合させる。
[[1, 10], [2, 20]]
2-9 累積和を計算する
sample.py
import pandas as pd
import numpy as np
dat0 = [
['2019-07-01',10],
['2019-07-02',20],
['2019-07-03',40],
]
df0 = pd.DataFrame(dat0,columns=["A","B"])
#A,B列をindexに指定する。
df0=df0.set_index(["A"])
df0['cumB'] = df0['B'].cumsum()
display(df0)
実行結果
B cumB
A
2019-07-01 10 10
2019-07-02 20 30
2019-07-03 40 70
2-10 ASSERT文の使い方
sample.py
#assertの使い方、変数の条件が想定外のものになった場合にコードの実行を止める
#assert x in ("A", "B"), 'catch' の意味
#x="A" or "B" の場合は何もしない。xがそれ以外の場合 AssertionErrorを出力してコードの実行を止める。
x="A"
assert x in ("A", "B"), 'xの値はA or B以外なのでAssertionErrorを出力してコードの実行を止める。'
print("xの値はA or Bなのでこのまま進む")
x="B"
assert x in ("A", "B"), 'xの値はA or B以外なのでAssertionErrorを出力してコードの実行を止める。'
print("xの値はA or Bなのでこのまま進む")
x="C"
assert x in ("A", "B"), 'xの値はA or B以外なのでAssertionErrorを出力してコードの実行を止める。'
実行結果
xの値はA or Bなのでこのまま進む
xの値はA or Bなのでこのまま進む
---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
<ipython-input-3-38ea5d074947> in <module>
15
16 x="C"
---> 17 assert x in ("A", "B"), 'xの値はA or B以外なのでAssertionErrorを出力してコードの実行を止める。'
AssertionError: xの値はA or B以外なのでAssertionErrorを出力してコードの実行を止める。