May 2018
Intermediate to advanced
556 pages
13h 21m
Japanese
book
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
by Jake VanderPlas, 菊池 彰
Content preview from 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
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
3.4
pandas
データの操作
115
この
2
つの規則は
NumPy
配列の構文と似ており、
pandas
の規則には正確に適合しないかもしれ
ませんが、非常に有用です。
3.4
pandas
データの操作
NumPy
の最も重要な機能の
1
つは、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、簡単な要素単位演算を提供している点で
す。
pandas
はこの機能の多くを
NumPy
から継承しており、「2.3 NumPy 配列の計算：ユニバーサ
ル関数」で紹介した
ufuncs
が鍵となります。
さらに
pandas
では有用な機能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に対し
て、
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。元の
NumPy
配列ではエラーを起こす
可能性が
高いタスクである、データの構造を維持したり、異なるソースからのデータを組み合わせ
る作業は、基本的に
pandas
を使えば安全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
の間の操作には、明確に定義された規則があることを後で説明します。
3.4.1
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 ufunc
は
pandas
の
Series
および
DataFrame
オブ