RユーザーのためのPython対応表 [tidyr, ggplot2] #Python

概要

Rユーザーが、Pythonを使う際に、

「Rのアレ、Pythonではどうやるんだっけ？」

というのをまとめてみた感じです。

Pythonユーザーで、「Pythonのアレ、Rでどうやるんだっけ？」って人にも役立つかもしれません。

(dplyr, stringrの対応はこちらも参考にしてみてください)

Rユーザー向け Pythonデータ処理入門

ライブラリ

tidyr => pandas
ggplot2 => seaborn

データはirisのデータセットを利用。（R標準のデータセット、列名を一部変更）

Sepal_Length	Sepal_Width	Petal_Length	Petal_Width	Species
5.1	3.5	1.4	0.2	setosa
4.9	3.0	1.4	0.2	setosa
4.7	3.2	1.3	0.2	setosa
4.6	3.1	1.5	0.2	setosa
5.0	3.6	1.4	0.2	setosa
5.4	3.9	1.7	0.4	setosa
...	...	...	...	...

tidyr

gather

DataFrameをWideからLongにする

iris %>% gather(key, value, -Species) %>% head()

pd.melt(iris, id_vars=['Species'], var_name='key', value_name='value').head()

　　　　Species          key value
1  setosa Sepal_Length   5.1
2  setosa Sepal_Length   4.9
3  setosa Sepal_Length   4.7
4  setosa Sepal_Length   4.6
5  setosa Sepal_Length   5.0
6  setosa Sepal_Length   5.4

spread

DataFrameをLongからWideにする

iris %>% 
    rownames_to_column('id') %>%  # idとなる列がないと "Duplicate identifiers for rows" というエラーが生じる
    gather(key, value, -id, -Species) %>%
    spread(key, value) %>% 
    arrange(as.integer(id)) %>% 
    head()

iris_index = iris.reset_index()  # df.pivot()で列(columns)にする値と行(index)にする値がユニークでないと、 "ValueError: Index contains duplicate entries, cannot reshape" というエラーが生じる
iris_melt2 = pd.melt(iris_index, id_vars=['index', 'Species'], var_name='key', value_name='value')
iris_melt2.pivot(index='index', columns='key', values='value').head()

id Species Petal_Length Petal_Width Sepal_Length Sepal_Width
1  1  setosa          1.4         0.2          5.1         3.5
2  2  setosa          1.4         0.2          4.9         3.0
3  3  setosa          1.3         0.2          4.7         3.2
4  4  setosa          1.5         0.2          4.6         3.1
5  5  setosa          1.4         0.2          5.0         3.6
6  6  setosa          1.7         0.4          5.4         3.9

ggplot2

Histgram

iris %>% ggplot(aes(x=Sepal_Length)) + geom_histogram(fill="blue", alpha=0.5) + theme_bw()

sns.distplot(iris.Sepal_Length, kde=False)  # kde=True で密度曲線

Point Plot

iris %>% ggplot(aes(x=Petal_Width, y=Petal_Length, color=Species)) + geom_point()

sns.jointplot(x="Sepal_Length", y="Petal_Length", data=iris)

Bar Plot

iris %>% ggplot(aes(x=Species, y=Petal_Length, fill=Species)) + stat_summary(fun.y=mean, geom="bar", alpha=0.5) + theme_bw()

sns.barplot(x="Species", y="Petal_Length", data=iris)  # 平均値

Count Plot

iris %>% ggplot(aes(x=Species, fill=Species)) + geom_bar(stat="count", alpha=0.5)

sns.countplot(x="Species", y="Petal_Length", data=iris)  # 個数

Box Plot

iris %>% ggplot(aes(x=Species, y=Sepal_Length, fill=Species)) + geom_boxplot(alpha=0.5)

sns.boxplot(x="Species", y="Sepal_Length", data=iris)