Pythonでのデータ型、形状（シェイプ）

データの形状（シェイプ）やデータ型に関連してPythonのpandasとnumpyを使って、データの形状やデータ型を確認する方法について説明します。

1. データの形状（シェイプ）とは？

データの形状（シェイプ）とは、配列やデータフレームの次元ごとの要素数を示します。例えば、2次元のデータであれば、行数と列数が形状として表現するようになります。

2. クラスのテストの平均点を使ってデータの形状と型を確認する

クラスのテスト点数のデータを使って、データ型や形状を確認する方法を紹介します。以下のコードを実行します。

import numpy as np
import pandas as pd

# クラスのテスト点数データを仮定
np.random.seed(0)  # シードを設定
test_scores = np.random.randint(50, 100, size=10)  # 50〜100の範囲でランダムな点数（10人分）

# データフレームの作成
data = pd.DataFrame({'Test Scores': test_scores})

# データ型の確認
print("データ型:", type(data))  # pandas DataFrame の型

# データフレームの形状の確認
print("データの形状:", data.shape)  # (行数, 列数)

# テスト点数の平均を計算
average_score = data['Test Scores'].mean()
print("クラスのテストの平均点:", average_score)

# 各点数が平均点からどれくらい離れているかを計算（偏差）
data['Deviation from Average'] = data['Test Scores'] - average_score
print("\nデータフレームに偏差を追加:\n", data)

# 1次元配列としての操作
test_scores_array = data['Test Scores'].values  # Test Scores列を1次元配列として取得
print("\nTest Scores の1次元配列:\n", test_scores_array)

# 配列の形状の確認
print("Test Scores 配列の形状:", test_scores_array.shape)

3. コードの解説

1. ランダムなテスト点数の生成

test_scores = np.random.randint(50, 100, size=10)

この行では、50〜100の範囲でランダムに10人分のテスト点数を生成しています。np.random.randint()を使って整数のランダムな配列を作成します。

2. pandasデータフレームの作成

data = pd.DataFrame({'Test Scores': test_scores})

ここでは、pandasライブラリを使って、ランダムに生成したテスト点数をデータフレームに格納しています。このデータフレームは、テスト点数を持つ1列のデータとして、後で操作することができます。

3. データ型と形状の確認

print("データ型:", type(data))  # pandas DataFrame の型
print("データの形状:", data.shape)  # (行数, 列数)

• type(data) で、データ型を確認します。ここでは、dataがpandas.DataFrame型であることがわかります。
• data.shape でデータの形状を確認します。これにより、データが何行何列から成るかがわかります。

4. テスト点数の平均を計算

average_score = data['Test Scores'].mean()
print("クラスのテストの平均点:", average_score)

pandasのmean()関数を使って、テスト点数の平均を計算しています。平均点を求めることで、全体のパフォーマンスを把握することができます。

5. 偏差（平均点との差）の計算

data['Deviation from Average'] = data['Test Scores'] - average_score

ここでは、各テスト点数から平均点を引いた偏差を計算し、新しい列としてデータフレームに追加しています。これにより、各学生が平均点からどれくらい外れているかを確認できます。

6. 1次元配列としての操作

test_scores_array = data['Test Scores'].values
print("\nTest Scores の1次元配列:\n", test_scores_array)

pandasのデータフレームから、特定の列（ここではTest Scores）を1次元配列として取得しています。このように、データフレームの列はNumPyの配列としても操作できます。

7. 配列の形状の確認

print("Test Scores 配列の形状:", test_scores_array.shape)

配列の形状を確認することで、データの次元（行数、列数）を把握することができます。

4. 出力例

実行結果は以下のようになります。

データ型: <class 'pandas.core.frame.DataFrame'>
データの形状: (10, 1)
クラスのテストの平均点: 72.4

データフレームに偏差を追加:
    Test Scores  Deviation from Average
0            54                  -18.4
1            78                    5.6
2            60                  -12.4
3            87                   14.6
4            71                   -1.4
5            92                   19.6
6            88                   15.6
7            88                   15.6
8            83                   10.6
9            65                   -7.4

Test Scores の1次元配列:
 [54 78 60 87 71 92 88 88 83 65]

Test Scores 配列の形状: (10,)