DataFramesを用いたJuliaでのデータ分析(その1)

Julia でのデータ分析

Juliaでのデータ分析をDataFrmaesを使用しながら使用方法について書いていきます．
なおversionは1.5.0

#Pkgのインポート

import

using Pkg;
Pkg.add("DataFrames")
Pkg.add("CSV")
using DataFrames
using CSV

DataFrameの作成

JuliaのDataFramesはpandasのDataframeと同じくテーブル形式のエクセルのようなデータ構造を持ち，各列は数値型・文字列型・ブール型などの様々な型を保持できる．
作成方法は直接作成も出来るし，CSVなどから作成するなどの方法がある．

DataFrame作成

# 直接作成する
df = DataFrame(A = 1:4, B = ["M", "F", "F", "M"])

#dictionaryから作成する
data = Dict("A" => 1:4, "B" => ["M", "F", "F", "M"])
df = DataFrame(data)
# 4×2 DataFrame
│ Row │ A     │ B      │
│     │ Int64 │ String │
├─────┼───────┼────────┤
│ 1   │ 1     │ M      │
│ 2   │ 2     │ F      │
│ 3   │ 3     │ F      │
│ 4   │ 4     │ M      │

#順番をソートして読み込みたい場合
df_BA = DataFrame(data) |> df_ -> permutecols!(df_, [:B,:A]) # B→Aの順
# 4×2 DataFrame
│ Row │ B      │ A     │
│     │ String │ Int64 │
├─────┼────────┼───────┤
│ 1   │ M      │ 1     │
│ 2   │ F      │ 2     │
│ 3   │ F      │ 3     │
│ 4   │ M      │ 4     │

#JuliaのPipe演算子とlambda関数は
5 |> x -> x*3 #15
#のように|>と->で書ける

#CSVファイルから読み込み
df =  CSV.read("path/to/data.csv")

#データの構造

データへのアクセス

データへのアクセスは参照(データを直接参照するのでコピーしない)と
コピー(DataFrame内のデータをコピーする)する方法がある．
参照はdf.col、df."col"、df[!, :col],df[!, "col"]が
コピーはdf[:, :col], df[:, "col"]が該当する．
参照を使用する場合は参照値の変更がもとのDataframeに影響するので注意が必要．

DataFrameアクセス

df.A
df."A"
df[!, :A]
#どれも同じ
[1, 2, 3, 4]

A = df.A #参照
A[1] = -1
df # 値が変わってしまう．

# 4×2 DataFrame
│ Row │ A     │ B      │
│     │ Int64 │ String │
├─────┼───────┼────────┤
│ 1   │ -1    │ M      │
│ 2   │ 2     │ F      │
│ 3   │ 3     │ F      │
│ 4   │ 4     │ M      │

# コピーを作成する場合
A = df[:, :A] #コピー
A[1] = 1 #もとに戻したつもり
df # コピーを作成しているので値はもとに戻らない

# 4×2 DataFrame
│ Row │ A     │ B      │
│     │ Int64 │ String │
├─────┼───────┼────────┤
│ 1   │ -1    │ M      │
│ 2   │ 2     │ F      │
│ 3   │ 3     │ F      │
│ 4   │ 4     │ M      │

###データの追加・削除

• 列データの追加

c = 3:6 #3,4,5,6
df.C = c #長さが既存のデータと一致する必要あり
# 4×3 DataFrame
│ Row │ A     │ B      │ C     │
│     │ Int64 │ String │ Int64 │
├─────┼───────┼────────┼───────┤
│ 1   │ -1    │ M      │ 3     │
│ 2   │ 2     │ F      │ 4     │
│ 3   │ 3     │ F      │ 5     │
│ 4   │ 4     │ M      │ 6     │

• 列データの削除

select!(df, Not(:B)) # !は破壊演算子(dfを書き換える)
df
# 4×2 DataFrame
│ Row │ A     │ C     │
│     │ Int64 │ Int64 │
├─────┼───────┼───────┤
│ 1   │ -1    │ 3     │
│ 2   │ 2     │ 4     │
│ 3   │ 3     │ 5     │
│ 4   │ 4     │ 6     │

#5. 列名・サイズなどの確認
DataFrameの列名はnamesで
縦横の数はsizeで取得

列名取得

names(df)
# ["A", "B"]

# 列名をSymbolとして取得する場合はpropertynamesを使用する
propertynames(df)
#[:A, :B]

# データの大きさを取得
size(df)
#(4, 2)