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
3.7
データセットの連結：
concat
と
append
141
Panel
データ
pandas
には、未だ取り上げていないいくつかの基本的なデータ構造、すなわち
pd.Panel
と
pd.Panel4D
オブジェクトがあります。これらは、
Series
（
1
次元）および
DataFrame
（
2
次元）
の
3
次元および
4
次元に対する一般拡張として考えることができます。
Series
と
DataFrame
の
インデクスと操作に精通すれば、
Panel
と
Panel4D
も比較的簡単に使用できます。特に、「3.3
インデクスとデータの選択」で説明した
ix
、
loc
、および
iloc
インデクス属性は、これらの
上位構造にも容易に拡張されます。
多くの場合で、多重インデクスは高次元のデータに対して有用で概念的にも簡単な表現で
す。そのため、本書ではこれらの
Panel
構造について詳しく説明しません。さらに、
Panel
データは基本的に高密度のデータ表現ですが、多重インデクスは基本的には疎なデータ表現
です。次
元の数が増えるにつれて、高密度表現は多くの実世界データセットでの効率が悪く
なります。しかし、特殊なアプリケーションでは、こうした構造が有効な場合もあります。
Panel
と
Panel4D
の構造について詳しく知りたい場合は、「3.14 参考資料」を参照してくだ
さい。
3.7
データセットの連結：
concat
と
append
興味深い研究成果の多くは、異なるデータソースの組み合わせによりもたらされるものです。組
み合わせ操作には、
2
つの異なるデー