Pythonデータ型と型変換
Pythonデータ型と型変換の実行方法の概要。
Pythonデータ型
Pythonで変数を作成または宣言する場合、変数はさまざまなデータ型を保持できます。
Pythonには、次の組み込みデータ型があります。
- str
- int、float、complex
- リスト、タプル
- dict
- セット
- ブール
- byte、bytearray
テキストタイプ:str
str
データ型は、文字列を宣言するときに使用されます 変数。
例:
x = "some string"
y = str("another string")
数値型:int、float、complex
数値変数を作成する場合は、 int
を使用します 、 float
またはcomplex
。
例:
//int
a = 5
b = int(5)
//float
c = 5.5
d = float(5.5)
//complex
e = 1j
f = complex(1j)
シーケンスタイプ:リスト、タプル
シーケンス型変数を作成するには、 list
を使用します またはtuple
。
リスト
注文して変更可能なコレクションです。重複メンバーを許可します。タプル
注文され、変更できないコレクションです。重複メンバーを許可します。
例:
//list
colors = ['red', 'green', 'blue']
colors_list = list(('red', 'green', 'blue'))
//tuple
fruits = ('apple', 'orange', 'banana')
fruits_tuple = list(('apple', 'orange', 'banana'))
マッピングタイプ:dict
マップまたは辞書を作成するには、 dict
を使用します 。
辞書 順序付けられておらず、変更可能で、インデックスが付けられているコレクションです。データはキーと値のペアです。
例:
people = {"name": "John", "age": "45"}
people_dict = dict(name="John", age=45)
セットタイプ:セット
セットコード> 順序付けされておらず、インデックスが付けられていないコレクションです。
セットを作成するには、 set
を使用します 。
例:
status_codes = {"200", "300", "400", "500"}
status_codes = set(("200", "300", "400", "500"))
ブール型:bool
bool
キーワードは、ブールデータ型の変数を作成するために使用されます。
is_valid = False
valid = bool(is_valid)
バイナリタイプ:byte、bytearray
バイナリデータ型は次のように作成できます:
//bytes
a = b"some_text"
b = bytes(5)
//bytearray
c = bytearray(3)
変数の型を取得するには、変数を type()
内にラップします。 機能。
例:
colors = ['red', 'green', 'blue']
colors_list = list(('red', 'green', 'blue'))
print(type(colors_list))
print(colors_list)
fruits = ('apple', 'orange', 'banana')
fruits_tuple = tuple(('apple', 'orange', 'banana'))
print(type(fruits_tuple))
print(fruits_tuple)
出力:
<class 'list'>
['red', 'green', 'blue']
<class 'tuple'>
('apple', 'orange', 'banana')
Pythonデータ型変換
Pythonは、あるデータ型を別のデータ型に直接変換する型変換関数を定義しています。これは非常に便利です。
以下にいくつかの例を示します。
intからfloatに変換
x = 5
y = float(x)
print(y)
出力:
5.0
x = 5.0
y = int(x)
print(y)
出力:
5
s = "devqa"
t = list(s)
print(t)
出力:
['d', 'e', 'v', 'q', 'a']
s = "devqa"
t = tuple(s)
print(t)
出力:
('d', 'e', 'v', 'q', 'a')
s = "devqa"
t = set(s)
print(t)
出力:
{'d', 'e', 'a', 'v', 'q'}
-
Pythonデータの分析と視覚化
Pandasは、データサイエンスと分析で最も人気のあるPythonライブラリの1つです。 Pandasライブラリは、データの操作、分析、およびクリーニングに使用されます。これは、純粋にCで記述された低レベルのNumPyを高レベルで抽象化したものです。このセクションでは、アナリストまたはデータサイエンティストとして知っておく必要のある最も重要な(最も頻繁に使用される)ことをいくつか取り上げます。 ライブラリのインストール pipを使用して必要なライブラリをインストールできます。コマンド端末で以下のコマンドを実行するだけです: pip intall pandas DataFrameとシリーズ
-
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