Pythonをはじめてみるメモ

必要に迫られて、数年ぶりのPythonにチャレンジ。
自分用のメモです。

環境構築

PythonじゃなくてAnacondaをインストールするんだった。
ここからダウンロード↓↓↓
https://www.anaconda.com/products/distribution

教科書

前に買ってたこれに沿ってはじめてみる。
https://www.shoeisha.co.jp/book/detail/9784798155067

パッケージの読み込み

基本のパッケージ

import numpy as np
import pandas as pd

使いそうなコマンドメモ

配列の作成は　np.array サイズを確認するときは　配列名.shape

sample_array_2 = np.array(
    [[1,2,3,4,5],[6,7,8,9,10]])
sample_array_2.shape

データの読み込み　pd.read_csv("ファイル名")　pd.read_clipboard()

file_data = pd.read_csv("data(0-49).csv")

file_data = pd.read_clipboard()

データフレームのサイズも　.shape で確認できる。

file_data.shape

列名の取得　.columns

columnname = file_data.columns

列名を確認して、4番から28番までのデータを別データフレームに入れる
※行番号、列番号は0からはじまる

data = file_data.iloc[:,4:28]

全体に欠損値がひとつでも含まれているか確認

print(data.isnull().values.sum() != 0)

行ごとに欠損値をひとつでも含むか判定

print(data.isnull().any(axis=1))

printで配列を省略せずに表示する

pd.set_option('display.max_rows', 最大表示列数)
pd.set_option('display.max_columns', 最大表示行数)

クラスター分析（k-means）

# ライブラリのインポート
from sklearn.cluster import KMeans

clu = KMeans(n_clusters=4) # クラスター数を指定

# dataにクラスタ分析をしてclass列に分類結果を格納
data["class"] = clu.fit_predict(data) 

# 各クラスタのサンプル数を確認
print(data["class"].value_counts())

# 各クラスタの平均点（クラスタ中心）を出力
print(data.groupby("class").mean()

# クラスタ中心の各項目の差を求める
clu_maxmin = clu_center.max(axis=0)-clu_center.min(axis=0)

# クラスタ中心と同じ配列に入れる
a = clu_center.T
a["maxmin"] = clu_maxmin  # colum名を"maxmin"として配列aに追加する

# maxmin の値が大きい順に並べ替える
a.sort_values("maxmin", ascending=False)

グラフ化

# グラフを描画するライブラリ
from matplotlib import pyplot as plt

# グラフをJupiter Notebookに表示させるための指定
%matplotlib inline

# 配列aのデータを、maxmin列の値の大きい順にプロットする
plt.plot(a.sort_values("maxmin", ascending=False))

ランダムサンプリング

sample()でランダムに選んでくれる

# 抽出する行数を指定
data.sample(n=10)

# 割合を指定
data.sample(frac=0.8)

行ごとに中心化をする

それぞれの行のデータが平均値＝0になるように変換したい。
転置して列ごとに中心化し、転置して戻すのが一番早そう。

data2 = data.T - data.T.mean()
data_centered = data2.T