Pandas & NumPy Academy · レッスン

便利なSeriesメソッド

Q: 「便利なSeriesメソッド」レッスンは無料ですか？

はい。「便利なSeriesメソッド」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Pandas & NumPy Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Pandas & NumPy Academyコースには全4レッスンが含まれています。

Q: Pandas & NumPy Academyを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのPandas & NumPy Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン4/4です。

Q: 「便利なSeriesメソッド」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

Q: このPandas & NumPy Academyレッスンでコードを書いて実行できますか？

はい。すべてのPandas & NumPy Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

describe()、value_counts()、unique()、map()を使って、Seriesをすばやく要約・変換します。

レッスン 4/413 ステップ

「便利なSeriesメソッド」はCoddyKit上の無料Pandas & NumPy Academyレッスンです。これはレッスン4/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはPandas & NumPy Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Pandas & NumPy Academyコースには全4レッスンが含まれています。

describe()による簡単な要約

s.describe()は、count、平均、標準偏差、最小値、25パーセンタイル（Q1）、中央値（Q2）、75パーセンタイル（Q3）、最大値という統計要約を1回の呼び出しで生成します。文字列のSeriesでは、代わりにcount、unique、top、frequencyを返します。データセットを初めて調べる際に、列の分布の概要を最も速く把握できる方法です。

import pandas as pd

ages = pd.Series([25, 32, 19, 45, 28, 31, 22, 40])
print(ages.describe())
# count     8.000000
# mean     30.250000
# std       8.406...
# min      19.000000
# 25%      24.250000
# 50%      29.500000
# 75%      34.750000
# max      45.000000

度数表のためのvalue_counts()

s.value_counts()は、一意な値をインデックスとし、それぞれの出現回数をデータとする新しいSeriesを返します。結果は出現回数の降順に並びます。normalize=Trueを渡すと、実際の件数ではなく割合を取得できます。カテゴリ列の分布を把握するには、まずこのメソッドを実行するのが一般的です。

import pandas as pd

colors = pd.Series(['red', 'blue', 'red', 'green', 'blue', 'red'])
print(colors.value_counts())
# red      3
# blue     2
# green    1
print(colors.value_counts(normalize=True).round(2))
# red      0.50  blue  0.33  green  0.17

unique()とnunique()

s.unique()は、重複しない値を最初に出現した順序で格納したNumPy配列を返します（頻度順に並べるvalue_countsとは異なります）。s.nunique()は、重複しない値の個数を整数で返します。これは列のカーディナリティです。どちらもデフォルトではNaNを除外します。NaNを個別の値として数えるには、nunique(dropna=False)を使用してください。

import pandas as pd

s = pd.Series(['apple', 'banana', 'apple', 'cherry', 'banana'])
print(s.unique())    # ['apple' 'banana' 'cherry']
print(s.nunique())   # 3

要素ごとの変換に使うmap()

s.map()は、関数、辞書、または別のSeriesを各要素に適用します。辞書を渡すと、各値が対応する辞書の値に置き換えられ、辞書にない値はNaNになります。関数を渡した場合は、要素ごとに適用されます。mapは、カテゴリラベルの再コード化やルックアップテーブルの適用に適しています。

import pandas as pd

grades = pd.Series(['A', 'B', 'C', 'A', 'B'])
gpa = {'A': 4.0, 'B': 3.0, 'C': 2.0}
print(grades.map(gpa))
# 0    4.0
# 1    3.0
# 2    2.0
# 3    4.0
# 4    3.0

カスタム関数に使うapply()

s.apply(func)は、Pythonの呼び出し可能オブジェクトを各要素に適用し、その結果をまとめます。map()とは異なり、スカラー以外のオブジェクトを返す可能性がある、より複雑な関数に適しています。単純な要素ごとの変換にはmap()またはベクトル化式を優先し、ロジックが直接ベクトル化するには複雑すぎる場合にapply()を使用してください。

import pandas as pd

sentences = pd.Series(['Hello world', 'Pandas is great', 'Data science'])
word_counts = sentences.apply(lambda x: len(x.split()))
print(word_counts)
# 0    2
# 1    3
# 2    2

sort_values()とsort_index()

s.sort_values()は、データ値でSeriesを昇順に並べ替えて返します（降順にするにはascending=Falseを渡します）。s.sort_index()はインデックスラベルで並べ替えます。どちらもデフォルトでは元のSeriesを変更しません。その場で変更するにはinplace=Trueを渡しますが、処理を連結する現代的なPandasコードではあまり推奨されません。

import pandas as pd

s = pd.Series([30, 10, 50, 20], index=['d', 'a', 'c', 'b'])
print(s.sort_values())
# a    10
# b    20
# d    30
# c    50
print(s.sort_index())
# a    10
# b    20
# c    50
# d    30

メンバーシップテストに使う isin()

s.isin(values)は、要素が指定したリストまたは集合に含まれる位置でTrueになるboolean Seriesを返します。複数の|条件を記述するよりも読みやすく、大きな集合に対しては大幅に高速です。特定のグループに属する行をフィルタリングしたり、検索リストに一致するレコードを識別したりする場合によく使われます。

import pandas as pd

countries = pd.Series(['DE', 'US', 'FR', 'UK', 'US', 'DE'])
nordics = ['DE', 'FR']
print(countries.isin(nordics))
# 0     True  1    False  2     True  3    False  4    False  5     True
print(countries[countries.isin(nordics)])

範囲のフィルタリングに使う between()

s.between(left, right, inclusive='both')は、値が範囲[left, right]内にある位置でTrueになるboolean Seriesを返します。デフォルトでは両端点を含みます。(s >= left) & (s <= right)と書くより簡潔で、意図も明確に伝わります。年齢層や価格帯など、数値範囲のフィルタリングに便利です。

import pandas as pd

scores = pd.Series([45, 72, 83, 91, 55, 68])
pass_mask = scores.between(60, 100)
print(pass_mask)
# 0    False  1    True  2    True  3    True  4    False  5    True
print(scores[pass_mask].values)  # [72 83 91 68]

すばやい確認に使う head() と tail()

s.head(n)は最初のn個の要素（デフォルトは5個）を返し、s.tail(n)は最後のn個を返します。長いSeriesを扱う際、何千行も出力せずに先頭と末尾を確認するために頻繁に使います。これらは新しいSeries（スライス）を返すため、元のSeriesは変更されません。

import pandas as pd

s = pd.Series(range(100))
print(s.head(3))
# 0    0
# 1    1
# 2    2
print(s.tail(3))
# 97    97
# 98    98
# 99    99

名前の変更に使う rename()

s.rename('new_name')は、name属性が異なる新しいSeriesを返します。インデックスラベルの名前を変更するには、dictまたは関数を渡します：s.rename(index={'old': 'new'})。SeriesをDataFrameに結合する前の名前変更は重要です。Seriesのnameが列見出しになるためです。生の値を再代入するのではなく、必ずrename()を使ってください。

import pandas as pd

s = pd.Series([1, 2, 3], index=['a', 'b', 'c'], name='original')
renamed = s.rename('updated').rename(index={'a': 'x', 'b': 'y', 'c': 'z'})
print(renamed)
# x    1
# y    2
# z    3
# Name: updated

idxmin() と idxmax()

s.idxmin()は最小値のインデックスラベルを返し、s.idxmax()は最大値のラベルを返します。インデックスが日付や商品名など意味のあるラベルを持つ場合、argmin/argmaxより便利です。単なる位置番号ではなく、実際の識別子を取得できるためです。

import pandas as pd

scores = pd.Series({'Alice': 88, 'Bob': 73, 'Carol': 95, 'Dan': 60})
print('Best:', scores.idxmax(), scores.max())   # Carol 95
print('Worst:', scores.idxmin(), scores.min())  # Dan   60

理解度チェック

このレッスンで学んだ、便利なSeriesメソッドについて理解度を確認しましょう。

対話的なレッスンで答える

レッスンのまとめ

このレッスンでは、describe()を使うと1回の呼び出しで統計的な要約を取得できること、value_counts()を使うと一意な値の度数表を作成できること、そしてmap()はdictを使って値を変換し、apply()は各要素にカスタム関数を実行することを学びました。次はDataFrameを扱います。DataFrameは、Pandasでデータ分析を行う際の二次元データの中心的な構造です。

無料で開始

AI チューターと学ぶ Python — 無料

ブラウザでリアルコードを書いて実行し、24/7 の AI チューターから瞬時にサポートを受け、ウェブまたはアプリで続きから学習できます。

コース: 30
レッスン: 120

無料で学習を始めるコース全体を表示

よくある質問