DataCamp Part2: Intermediate Python
#JAはじめに
前回の続き。 章が進むにつれ、都度忘れるのでメモとして残していく。
Matplotlib
グラフライブラリ。plt.plotでx軸,y軸のデータをセットし、plt.show()でグラフ表示。 傾向がみられる場合、グラフから予測可能
# Import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
# Make a line plot: year on the x-axis, pop on the y-axis
plt.plot(year,pop)
# Display the plot with plt.show()
plt.show()散布図はscatter。xscaleでlogで対数プロットにできる
相関性があるかなど見るときに使用。
(You want to visually assess if longer answers on exam questions lead to higher grades)
# Change the line plot below to a scatter plot
plt.scatter(gdp_cap, life_exp)
# Put the x-axis on a logarithmic scale
plt.xscale('log')
# Show plot
plt.show()ヒストグラム。
binsをうまくセットすることで分布の傾向をbig pictureで見れる。
(You want to visually assess if the grades on your exam follow a particular distribution)
# Build histogram with 5 bins
plt.hist(life_exp,bins=5)
# Show and clean up plot
plt.show()
plt.clf()
# Build histogram with 20 bins
plt.hist(life_exp,bins=20)
# Show and clean up again
plt.show()
plt.clf()グラフにタイトル、ラベルを付ける方法
# Add axis labels
plt.xlabel('xlab')
plt.ylabel('ylab')
# Add title
plt.title('title')グラフの目盛を変える
# Definition of tick_val and tick_lab
tick_val = [1000, 10000, 100000]
tick_lab = ['1k', '10k', '100k']
# Adapt the ticks on the x-axis
plt.xticks(tick_val,tick_lab)散布図のサイズや透明度を変えたり、テキストやグリッドの追加
# Specify c and alpha inside plt.scatter()
plt.scatter(x = gdp_cap, y = life_exp, s = np.array(pop) * 2, c = col, alpha=0.8)
# Additional customizations
plt.text(1550, 71, 'India')
plt.text(5700, 80, 'China')
# Add grid() call
plt.grid(True)Dictionaries & Pandas
Listだとindexで場所を特定し、違うリストで指定できるが、あまり直感的な方法ではない
# List
# Definition of countries and capital
countries = ['spain', 'france', 'germany', 'norway']
capitals = ['madrid', 'paris', 'berlin', 'oslo']
# Get index of 'germany': ind_ger
ind_ger = countries.index('germany')
# Use ind_ger to print out capital of Germany
print(capitals[ind_ger])そこでDictionaly型を使うことで、スマートにデータを取り扱える 具体的には、KeyとValueで辞書型を作成し、keyで値をとる方法である 参照だけでなく、追加・削除も可能
# Definition of dictionary
europe = {'spain':'madrid', 'france':'paris', 'germany':'berlin', 'norway':'oslo' }
# Print out value that belongs to key 'norway'
print(europe['norway'])
# Add italy to europe
europe['italy'] = 'rome'
# Print out italy in europe
print('italy' in europe)
# Remove italy
europe.pop('italy')複雑になるが、辞書の中に辞書をもてる
# Dictionary of dictionaries
europe = { 'spain': { 'capital':'madrid', 'population':46.77 },
'france': { 'capital':'paris', 'population':66.03 },
'germany': { 'capital':'berlin', 'population':80.62 },
'norway': { 'capital':'oslo', 'population':5.084 } }
# Print out the capital of France
print(europe['france']['population'])
# Create sub-dictionary data
data = { 'capital':'rome', 'population':59.83 }
# Add data to europe under key 'italy'
europe['italy'] = dataさて実際にデータを扱うときは行列形式のテーブルデータを取り扱うことが多いので Pandasライブラリを使用してデータ処理を行うことができる
# Pre-defined lists
names = ['United States', 'Australia', 'Japan', 'India', 'Russia', 'Morocco', 'Egypt']
dr = [True, False, False, False, True, True, True]
cpc = [809, 731, 588, 18, 200, 70, 45]
# Import pandas as pd
import pandas as pd
# Create dictionary my_dict with three key:value pairs: my_dict
my_dict = {'country': names, 'drives_right': dr, 'cars_per_cap': cpc}
# Build a DataFrame cars from my_dict: cars
cars = pd.DataFrame(my_dict)
# Definition of row_labels
row_labels = ['US', 'AUS', 'JPN', 'IN', 'RU', 'MOR', 'EG']
# Specify row labels of cars
cars.index = row_labels
# Result(cars)
cars_per_cap country drives_right
US 809 United States True
AUS 731 Australia False
JPN 588 Japan False
IN 18 India False
RU 200 Russia True
MOR 70 Morocco True
EG 45 Egypt Truepandasを使用する利点としてcsvファイルの読み込み関数が備わっている点にある
先ほどのデータを読み込んだものでindex_colで行のラベルをどれにするか指定できる
# Fix import by including index_col
cars = pd.read_csv('cars.csv',index_col=0)それぞれの値にアクセスする際の注意点として、Dataframeでとる場合は[]が二重にする必要がある。
また行指定も可能
# Print out country column as Pandas Series
print(cars['country'])
US United States
AUS Australia
JPN Japan
IN India
RU Russia
MOR Morocco
EG Egypt
Name: country, dtype: object
# Print out country column as Pandas DataFrame
print(cars[['country']])
country
US United States
AUS Australia
JPN Japan
IN India
RU Russia
MOR Morocco
EG Egypt
# Print out DataFrame with country and drives_right columns
print(cars[['country','drives_right']])
country drives_right
US United States True
AUS Australia False
JPN Japan False
IN India False
RU Russia True
MOR Morocco True
EG Egypt True
# Print out first 3 observations
print(cars[0:3])
cars_per_cap country drives_right
US 809 United States True
AUS 731 Australia False
JPN 588 Japan False
ここでlabelベースのアクセス方法であるlocとindexベースのアクセス方法であるilocを紹介する
# Print out observation for Japan
print(cars.loc['JPN'])
print(cars.iloc[2])
cars_per_cap 588
country Japan
drives_right False
Name: JPN, dtype: object
# Print out observations for Australia and Egypt
print(cars.loc[['AUS','EG']])
print(cars.iloc[[1, 6]])
cars_per_cap country drives_right
AUS 731 Australia False
EG 45 Egypt True
# Print out drives_right value of Morocco
print(cars.loc['MOR','drives_right'])
print(cars.iloc[5,2])
True
# Print sub-DataFrame
print(cars.loc[['RU','MOR'],['country','drives_right']])
print(cars.iloc[[4,5],[1,2]])
country drives_right
RU Russia True
MOR Morocco True
# Print out drives_right column as DataFrame
print(cars.loc[:,['drives_right']])
print(cars.loc[:,1)
drives_right
US True
AUS False
JPN False
IN False
RU True
MOR True
EG True
# Print out cars_per_cap and drives_right as DataFrame
print(cars.loc[:,['cars_per_cap','drives_right']])
print(cars.iloc[:,[0,2]])
cars_per_cap drives_right
US 809 True
AUS 731 False
JPN 588 False
IN 18 False
RU 200 True
MOR 70 True
EG 45 True