仕事でpandasを使うプロジェクトにアサインしたので
勉強がてらまとめてみよう。
参考文献
サンプルデータ
基本操作
csv読み込み: read_csv()
master = pd.read_csv(csv_file)
DataFrame型
先頭5行表示: head()
master = pd.read_csv(csv_file).head()
件数取得: len()
len(master)
ユニオン結合: concat()
tra_1 = pd.read_csv(csv_file1)
tra_2 = pd.read_csv(csv_file2)
transaction = pd.concat(
[tra_1, tra_2],
ignore_index = True
)
データ数を行方向に増やす(縦に結合する)
ignore_index = True
ignore_index = False
ジョイン結合: merge()
join_data = pd.merge(
base_pd,
add_pd[["transaction_id", "payment_date", "customer_id"]],
on="transaction_id",
how="left"
)
第一引数 ベースとなるDataFrame
第二引数 どのテーブル から どのカラム を追加するか
第三引数 キー
第四引数 どこに追加するか
※ここの関数での第n引数です
横にデータを増やす
joinするときの考え方
①足りない(付加したい)データ列は何か？
②共通するデータ列は何か？
カラム合計: sum()
join_data["price"].sum()
nullチェック: isnull()
join_data.isnull().sum()
欠けているデータ数をカラム毎に数える
数値集計: describe()
join_data.describe()
数値データの集計をしてくれる
| describe | |
|---|---|
| count | データ件数 |
| mean | 平均値 |
| std | 標準偏差 |
| min | 最小値 |
| 25% | 四分位数(25%) |
| 50% | 中央値(50%) |
| 75% | 四分位数(75%) |
| max | 最大値 |
データ型: dtypes
join_data.dtypes
行の参照: iloc
df.iloc[10]
特定のセルの参照: at
data.at[3, "transaction_id"]
カラム名指定
特定のセルの参照: iat
data.iat[3, 5]
インデックス指定