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

94

2

章 

NumPy

の基礎

構造化配列の便利な点は、インデクスまたは名前のいずれかで値を参照できるようになったこと

です。

In[6]: # Get all names

すべての

name

を表示する

data['name']

Out[6]: array(['Alice', 'Bob', 'Cathy', 'Doug'],

dtype='<U10')

In[7]: # Get first row of data

最初の行を表示する

data[0]

Out[7]: ('Alice', 25, 55.0)

In[8]: # Get the name from the last row

最後の行の

name

を表示する

data[-1]['name']

Out[8]: 'Doug'

ブール値マスキングと組み合わせれば、年齢による絞り込みなど、より洗練された操作も可能と

なります。

In[9]: # Get names where age is under 30 age

が

30

以下の

name

を表示する

data[data['age'] < 30]['name']

Out[9]: array(['Alice', 'Doug'],

dtype='<U10')

これより複雑な操作が必要な場合は、次の章で説明する

pandas

パッケージの使用を検討してく

ださい。

pandas

には、

NumPy

配列上に構築された構造体である

DataFrame

オブジェクトが用意さ

れており、ここで示した以上の便利で多彩なデータ操作機能を提供します。 ...