Python-データラングリング

データラングリングでは、データを分析したり、別のデータセットで使用できるようにするために、マージ、グループ化、連結などのさまざまな形式でデータを処理します。Pythonには、分析目標を達成するためにこれらのラングリングメソッドをさまざまなデータセットに適用する機能が組み込まれています。この章では、これらの方法を説明するいくつかの例を見ていきます。

データのマージ

PythonのPandasライブラリは、単一の関数を提供します。 merge、DataFrameオブジェクト間のすべての標準データベース結合操作のエントリポイントとして-

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True)

ここで、2つの異なるDataFrameを作成し、それらに対してマージ操作を実行してみましょう。

# import the pandas library
import pandas as pd
left = pd.DataFrame({
         'id':[1,2,3,4,5],
         'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
         'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame(
         {'id':[1,2,3,4,5],
         'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
         'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print left
print right

その output 次のとおりです-

Name  id   subject_id
0   Alex   1         sub1
1    Amy   2         sub2
2  Allen   3         sub4
3  Alice   4         sub6
4  Ayoung  5         sub5

    Name  id   subject_id
0  Billy   1         sub2
1  Brian   2         sub4
2  Bran    3         sub3
3  Bryce   4         sub6
4  Betty   5         sub5

データのグループ化

データセットのグループ化は、データセットに存在するさまざまなグループの観点から結果が必要なデータ分析で頻繁に必要になります。Panadasには、データをさまざまなグループにロールできるメソッドが組み込まれています。

以下の例では、データを年ごとにグループ化し、特定の年の結果を取得します。

# import the pandas library
import pandas as pd

ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
         'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
         'Rank': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],
         'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
         'Points':[876,789,863,673,741,812,756,788,694,701,804,690]}
df = pd.DataFrame(ipl_data)

grouped = df.groupby('Year')
print grouped.get_group(2014)

その output 次のとおりです-

Points  Rank     Team    Year
0     876     1   Riders    2014
2     863     2   Devils    2014
4     741     3   Kings     2014
9     701     4   Royals    2014

データの連結

パンダは簡単に組み合わせるためのさまざまな設備を提供します Series, DataFrame、および Panelオブジェクト。以下の例では、concat関数は、軸に沿って連結操作を実行します。さまざまなオブジェクトを作成して連結を行いましょう。

import pandas as pd
one = pd.DataFrame({
         'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
         'subject_id':['sub1','sub2','sub4','sub6','sub5'],
         'Marks_scored':[98,90,87,69,78]},
         index=[1,2,3,4,5])
two = pd.DataFrame({
         'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
         'subject_id':['sub2','sub4','sub3','sub6','sub5'],
         'Marks_scored':[89,80,79,97,88]},
         index=[1,2,3,4,5])
print pd.concat([one,two])

その output 次のとおりです-

Marks_scored     Name   subject_id
1             98     Alex         sub1
2             90      Amy         sub2
3             87    Allen         sub4
4             69    Alice         sub6
5             78   Ayoung         sub5
1             89    Billy         sub2
2             80    Brian         sub4
3             79     Bran         sub3
4             97    Bryce         sub6
5             88    Betty         sub5