Pythonでのデータ分析と視覚化？

---

Pythonは、主にnumpy、pandas、matplotlib、seabornなどのデータ分析と視覚化のための多数のライブラリを提供します。このセクションでは、numpyの上に構築されたオープンソースライブラリであるデータ分析と視覚化のためのpandasライブラリについて説明します。

>

これにより、迅速な分析とデータのクリーニングと準備を行うことができます。Pandasには、以下で説明する多数の組み込みの視覚化機能も用意されています。

インストール

パンダをインストールするには、ターミナルで以下のコマンドを実行します-

pipinstall pandas

Orweにはanacondaがあり、使用できます

condainstall pandas

パンダ-DataFrames

パンダを使用する場合、データフレームは主要なツールです。

コード-

import numpy as np
import pandas as pd
from numpy.random import randn
np.random.seed(50)
df = pd.DataFrame(randn(6,4), ['a','b','c','d','e','f'],['w','x','y','z'])
df

出力

	w	x	y	z
a	-1.560352	-0.030978	-0.620928	-1.464580
b	1.411946	-0.476732	-0.780469	1.070268
c	-1.282293	-1.327479	0.126338	0.862194
d	0.696737	-0.334565	-0.997526	1.598908
e	3.314075	0.987770	0.123866	0.742785
f	-0.393956	0.148116	-0.412234	-0.160715

パンダ-欠測データ

欠測データのインパンダを処理するための便利な方法をいくつか見ていきます。インパンダは自動的にゼロまたはナンで埋められます。

import numpy as np
import pandas as pd
from numpy.random import randn
d = {'A': [1,2,np.nan], 'B': [9, np.nan, np.nan], 'C': [1,4,9]}
df = pd.DataFrame(d)
df

出力

	A	B	C
0	1.0	9.0	1
1	2.0	NaN	4
2	NaN	NaN	9

したがって、上記には3つの欠落値があります。

df.dropna()

	A	B	C
0	1.0	9.0	1

df.dropna(axis = 1)

	C
0	1
1	4
2	9

df.dropna(thresh = 2)

	A	B	C
0	1.0	9.0	1
1	2.0	NaN	4

df.fillna(value = df.mean())

	A	B	C
0	1.0	9.0	1
1	2.0	9.0	4
2	1.5	9.0	9

パンダ-データのインポート

ローカルマシン（私の場合）に保存されているcsvファイルを読み取るか、Webから直接フェッチできます。

#import pandas library
import pandas as pd

#Read csv file and assigned it to dataframe variable
df = pd.read_csv("SYB61_T03_Population Growth Rates in Urban areas and Capital cities.csv",encoding = "ISO-8859-1")

#Read first five element from the dataframe
df.head()

出力

データフレームまたはcsvファイルの行と列の数を読み取ります。

#Countthe number of rows and columns in our dataframe.
df.shape

出力

(4166,9)

パンダ-データフレーム数学

データフレームの操作は、パンダの統計用のさまざまなツールを使用して実行できます

#To computes various summary statistics, excluding NaN values
df.describe()

出力

# computes numerical data ranks
df.rank()

出力

.....

.....

パンダ-プロットグラフ

import matplotlib.pyplot as plt
years = [1981, 1991, 2001, 2011, 2016]

Average_populations = [716493000, 891910000, 1071374000, 1197658000, 1273986000]

plt.plot(years, Average_populations)
plt.title("Census of India: sample registration system")
plt.xlabel("Year")
plt.ylabel("Average_populations")
plt.show()

出力

上記のデータの散布図：

plt.scatter(years,Average_populations)

ヒストグラム：

import matplotlib.pyplot as plt

Average_populations = [716493000, 891910000, 1071374000, 1197658000, 1273986000]

plt.hist(Average_populations, bins = 10)
plt.xlabel("Average_populations")
plt.ylabel("Frequency")

plt.show()

出力