Pythonデータサイエンスハンドブック 第2版 ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

15章pandasデータの操作

NumPyの強みの1つが、基本的な算術演算（加算、減算、乗算など）と高度な演算（三角関数、指数関数、対数関数など）のどちらに対しても、要素ごとの演算を素早く実行できる点です。pandasはこの機能の多くをNumPyから継承しており、「6章　NumPy配列の計算：ユニバーサル関数」で紹介したufuncがその鍵となります。

pandasではさらに有用な工夫が追加されています。論理否定や三角関数などの単項演算の場合、ufuncはインデクスと列名をそのまま残します。加算や乗算などの二項演算では、ufuncに渡したオブジェクトは、インデクスが自動的に揃えられます。データ構造の維持や異なるソースのデータの組み合わせなど、生のNumPy配列では潜在的にエラーを起こすやすい作業は、基本的にpandasを使えば確実に実行できるようになります。さらに、1次元のSeriesと2次元のDataFrame間の操作には、明確に定義された規則があることを後で説明します。

15.1　ufunc：インデクスの保存

pandasはNumPyと共に動作するように設計されているため、NumPyのufuncはpandasのSeriesおよびDataFrameオブジェクトに対しても動作します。簡単なSeriesとDataFrameを使用して、この動作を確認しましょう。

In [1]: import pandas as pd import numpy as np In [2]: rng = np.random.default_rng(42) ser = pd.Series(rng.integers(0, 10, 4)) ser Out[2]: 0 0 1 7 2 6 3 4 dtype: int64 ...