真魚
メモ
過去で好きな文字たち ベストセラー
2023年の記憶
具体と具体の交わりを見つけるトレーニング
df.sort_values(by = "idx03" , axis = 1 , inplace = True ) ##元のデータフレームの値を並び替え後の値に変更するには 引数inplaceにTrue 今まではindexひとつに対して昇順降順を並び替えていたが sort_indexではまとめて動かせる df.sort_index(ascending = False) ##indexをまとめて並び替えるにはsort_indexをデフォルトでは昇順 ##降順に並び替えたい場合
import pandas as pd df = pd.DataFrame({'col01':[1, 5, 9, 13, 17], 'col02':[2, 6, 10, 14, 18], 'col03':[7, 3, 19, 11, 15], 'col04':[4, 8, 12, 16, 20]}, index=['idx01', 'idx02', 'idx03', 'idx04', 'idx05']) df.sort_values(by = "idx03" , axis =
df.sort_values(by=['金額','時間'],ascending = [True,False,]) 金額は昇順に 時間は降順になる .tail(x) .head(x) テイルは末尾x ヘッドは頭からx それぞれ数値を入力してその数だけ確認できる
df = pd.read_excel('Excelパス',sheet_name = 'シート名') ##シートを指定して読み込める df.sort_values(by = 'カラム名') ##sort_valuesとカラム名で大きい順に並び替え 昇順 df.sort_values(by ='カラム名', ascending = False) ##Falseで降順 Trueで昇順に
df[df['都道府県名'].str.endswith('山')] str.endswithとは特定の文字列で終わるデータを抽出するもの 例 富山 df[df['西暦（年）'] == df['西暦（年）'].max()] maxは指定した列の最大値に当てはまるデータを抽出する この場合'西暦(年）'の最大値に等しい行がデータフレームとして抽出する
df[df['都道府県名'].str.contains('川')] str.containsとは特定の文字列を含む要素を持つ行のデータを抽出するもの 例 神奈川 石川 香川 df[df['都道府県名'].str.startswith('山')] str.startswithとは特定の文字列から始まるデータを抽出するもの 例 山形 山梨 山口
df = df.rename(columns={'西暦（年）': 'year'}) df.query('year == 2015 and 都道府県名 == "東京都"') データフレームのカラム名を 西暦（年）→ year queryを使って year == 2015 → yearが2015 かつ and 都道府県名 == "東京都"→ 都道府県名が東京のデータ これらを指す
ライブラリとは便利な機能 pandasは Pythonでデータ解析やデータ操作、型変換などを行うためのライブラリ 様々な形式のデータを操作するための機能が提供されており、データの読み込みや異なるデータ形式への変換などができる matplotlibは Pythonのグラフ描画ライブラリ 棒グラフや折れ線グラフ、散布図など様々な種類のグラフを描画する機能が提供されている 折れ線グラフを描くには matplotlib.pyplot のplot関数を使う plot関数の第1引数
1課題 ゴール 仮説の設定 2データ収集 3データの確認と理解 4データクリーニングと前処理 5データの分析 1達成すべきゴール データありきではなく目的があってから必要なデータが集められる 明確なゴールが必要 2課題に必要なデータを集める 3よく確認しデータに馴染むことで分析できるようになる 4不正確や欠損などそれらをきれいにクリーニングする 5 1から4を通して分析手法に適合するようにデータを変形させる 1番時間がかかるのが5 習得するのに時間がかかるのもデー
import pandas as pd df = pd.read_csv('パス',encoding = 'shift-jis') df[df['西暦（年）'] == 2015] →データフレーム内の西暦の中の2015に一致するデータ df[df['西暦（年）'] % 10 == 0 ] →西暦を10で割り切れるもの 2000 2010 2020 …etc df[~(df['西暦（年）'] % 10 == 0)] →西暦を10で割り切れないもの 1993 2013 20
平均とは いろんな数値がひろーく存在しているが その中の代表だということ 平均付近に多くの数値が存在してる ヒストグラムは山のようになり裾野には上位と下位の少ないデータがある pandasを使ったCSVファイルの読み込み import pandas as pd →ライブラリから持ってくる df = pd.read_csv('csvファイル' , encoding = '文字コード') dfは読み込んだファイルを入れる変数 csvファイルを読み込むにはread_csv(
なぜ相手の技だけ当たり動けるのか？ ポケモンをプレイしていると常々思う もちろん自分自身だけでなく相手もきっと思っている 電磁波の痺れは試合を左右する 10回中3回痺れた場合 7割動ける 3割動けない 平均とは平にならしたもの 平均が同じなら同じなのか？ A 100 0 100 0 100 B 50 50 50 50 50 双方合計300 ÷ 5 = 60 平均では分からないデータの散らばりを知る 度数分布でわかる A 100 0 100 0 100 0以上1
相関関係とは どちらかの値が上がると、もう片方の値が上がる（下がる）関係 正の相関 気温とアイスの売り上げ 負の相関 気温とおでんの売り上げ 相関係数が１に近い程、相関関係が強い ただ、ハズレ値に注意 例えば、年齢が大きく外れている際 ユーザが入力の際間違っている可能性もある また相関関係があるからと言って全て必要なデータではない 当たり前のデータがあるから、本当に必要なものを使う ショッピングセンターで、商品購入種類と消費額に 正の相関があるのは当たり前だと
ある学校の運動部の男子36人と女子34人が合宿に行き、１つのフロアを貸し切った。 男子のうちメガネをかけているのは12人、女子のうちメガネをかけているのは8人である。 宿泊しているフロアでメガネの落とし物が見つかったとき、それが男子のものである確率を求めなさい。 部員は全部で，36＋34＝70(人) メガネをかけている人だとわかった時点で，12＋8＝20(人)に絞られる その中で男性は12人 12/20=3/5
独立している確率A,B Aが起きてBが起きる可能性は Aが起きる確率 ✖️ Bが起きる確率 で求められる 事象AとBが独立ではないとき 事象Bが起きたという条件のもとで事象Aが起きる確率 これが条件付き確率 AとBが独立ではない場合には 「Bが起きたという条件のもとでAが起きる確率」 P(A|B)はBのときAが起きる確率，P(B|A)はAのときBが起きる確率
自分の過去って一貫性がないんだと改めて痛感 ３年前の自分 ５年前の自分 10年前の自分 絶対違う答えが出てくる 人との出会いや守りたいもの大切にしたい価値観なんて移り変わりゆくもの だと思う。 いや思いたいだけかも知れない。
