Enregistrement d'apprentissage (6ème jour) #Set type #Dictionary type #Conversion automatique de l'ensemble de taples de liste #ndarray type #Pandas (type DataFrame)

contenu de l'étude

Définir le type

Un type de données qui peut stocker plusieurs données, similaires aux listes et aux taples. Il présente les caractéristiques suivantes.

Exemple de description
a = {1,0,2,9,8,3,7,5,4,6}
print('a = ',a)

b = {2,4,4,6,5,2,1,0,8,7,9,3,6}
print('b = ', b)

Résultat d'exécution

a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} b = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

Quel que soit l'ordre dans lequel les données sont spécifiées, comme le résultat de l'exécution, elles seront triées et sorties.

Sorte de dictionnaire

Un type de données qui peut stocker plusieurs données ainsi que des listes, des taples et des ensembles. Il présente les caractéristiques suivantes.

Dans les listes et les tapples, plusieurs données ont été spécifiées par index, mais dans le dictionnaire, elles sont spécifiées par étiquette.

Exemple de description
c = {'l1':12, 'l2':45, 'l3':36, 'l4':58}

print('c = ', c)
print("c['l2'] = ", c['l2'])
print("c['l4'] = ", c['l4'])
print(c.keys())
print(c.values())

Résultat d'exécution

c = {'l1': 12, 'l2': 45, 'l3': 36, 'l4': 58} c['l2'] = 45 c['l4'] = 58 dict_keys(['l1', 'l2', 'l3', 'l4']) dict_values([12, 45, 36, 58])

Conversion mutuelle de listes, taples et ensembles

Les listes, taples et ensembles peuvent être convertis les uns aux autres en utilisant les méthodes list (), tuple () et set (), respectivement.

Exemple de description
# Un programme qui utilise la conversion mutuelle pour supprimer les données en double d'une liste
d = [0,2,6,4,2,8,0,2]

e = list(set(d))
print('e = ', e)

Résultat d'exécution

e = [0, 2, 4, 6, 8]

type ndarray

Type de données de base utilisé dans «Numpy» d'un logiciel de calcul numérique typique.

Exemple de description
# Création du type ndarray
import numpy

f = [0, 1, 2, 3]
 g = numpy.array (f) # Créer un type ndarray à partir de la liste
print('g = ', g)

h = [1, 2]
i = [2, 3]
j = [3, 4]
 k = numpy.array ([h, i, j]) # Créer un type ndarray bidimensionnel
print('k = ', k)

 l = numpy.array (a, dtype = numpy.float16) #Créer ndarray en spécifiant le type de données
print('l = ', l)

Résultat d'exécution

g = [0 1 2 3] k = [[1 2] [2 3] [3 4]] l = [0. 1. 2. 3.]

De plus, diverses opérations numériques peuvent être effectuées sur des données et des listes de type ndarray en utilisant les fonctions fournies par Numpy. Les représentatives sont présentées ci-dessous.

import numpy

m = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 n = numpy.median (m) # median
 o = numpy.mean (m) # valeur moyenne
 p = numpy.std (m) # écart type
 q = numpy.var (m) # Distribué

print(n)
print(o)
print(p)
print(q)

Résultat d'exécution

4.5 4.5 2.8722813232690143 8.25

Pandas

Type de données de base

Type de DataFrame

Créez comme suit.

Exemple de description
import pandas

r = pandas.DataFrame([1, 11.1], [2, 22.2], [3, 33.3])

Vous pouvez spécifier des indices de colonne et de ligne avec respectivement «column» et «index».

Exemple de description
r.colums = ['C1', 'C2']
r.index = ['A', 'B', 'C']

Comme pour le type d'index, vous pouvez spécifier l'indice pour obtenir les données de la colonne.

Exemple de description
 s = r ['C1'] # Extraire uniquement les données de la première colonne
 t = s ['A'] # Extraire les données dans la première colonne et la première ligne

Recommended Posts

Enregistrement d'apprentissage (6ème jour) #Set type #Dictionary type #Conversion automatique de l'ensemble de taples de liste #ndarray type #Pandas (type DataFrame)
Liste des opérations de base de Python3 list, tapple, dictionnaire, set
Fiche d'apprentissage 4 (8e jour)
Fiche d'apprentissage 3 (7e jour)
Fiche d'apprentissage 5 (9e jour)
Fiche d'apprentissage 6 (10e jour)
Fiche d'apprentissage 8 (12e jour)
Fiche d'apprentissage 1 (4e jour)
Fiche d'apprentissage 7 (11e jour)
Fiche d'apprentissage 2 (6e jour)
Fiche d'apprentissage 16 (20e jour)
Dossier d'apprentissage 22 (26e jour)
Résumé du tri Python (liste, type de dictionnaire, série, DataFrame)
Dossier d'apprentissage n ° 21 (25e jour)
Fiche d'apprentissage 13 (17e jour) Kaggle3
Dossier d'apprentissage n ° 10 (14e jour)
Fiche d'apprentissage 12 (16e jour) Kaggle2
Dossier d'apprentissage n ° 24 (28e jour)
Dossier d'apprentissage n ° 23 (27e jour)
Dossier d'apprentissage n ° 25 (29e jour)
Dossier d'apprentissage n ° 26 (30e jour)
Dossier d'apprentissage n ° 20 (24e jour)
Dossier d'apprentissage n ° 14 (18e jour) Kaggle4
Dossier d'apprentissage n ° 15 (19e jour) Kaggle5
Fiche d'apprentissage 11 (15e jour) Participation de Kaggle
Pour accélérer python, résumez la quantité de calcul du type de collection (liste / tuple / dictionnaire / ensemble) pour chaque objectif.
Conversion de type de plusieurs colonnes de pandas DataFrame avec un type en même temps