Python

matplotlibで棒グラフを作成すると、棒の表示順序はデフォルトではデータの並び順に従います。そのため、値の大きさ順（昇順・降順）など、意図した順序で棒を並べたい場合は、プロット前にデータをソートしておく必要があります。pandasのsort_values()メソッドを使えば、特定の列を基準にデータを並べ替えてから棒グラフを描画できます。以下に具体的な手順とコード例を示します。 実装手順 figureサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 名前（names）と点数（marks）の2列を持つデータフレーム df を作成します。 現在のfigureに1つ目

PandasのDataFrameで、すべての列名に一括してプレフィックス（接頭辞）を追加したい場合は、add_prefix()メソッドを使用します。このメソッドは、指定した文字列を各列名の先頭に付加した新しいDataFrameを返します。元のDataFrame自体は変更されない点に注意してください。 基本の手順 まず、必要なPandasライブラリをインポートします。 import pandas as pd 次に、4つの列（Car、Cubic_Capacity、Reg_Price、Units_Sold）を持つDataFrameを作成します。 dataFrame = pd.DataFrame

matplotlibの散布図では、scatter()メソッドのedgecolorsパラメータを使うことで、点（マーカー）の境界線の色を簡単に設定できます。以下に具体的な手順を示します。 手順 figureサイズを設定し、サブプロット間および周囲の余白を調整します。 サンプルデータの数を格納する変数「N」を初期化します。 numpyを使ってx・yのデータポイントを作成します。 scatter()メソッドでデータをプロットし、edgecolors=redのように指定して点の境界線を赤色に設定します。あわせてlinewidthパラメータで境界線の太さも調整できます。 show()メソッドを呼び出し

Pythonのグラフ描画ライブラリ「Networkx」と可視化ライブラリ「Matplotlib」を組み合わせると、ラティス（格子状）のグラフやネットワーク図を簡単に描画できます。この記事では、2次元格子グラフを作成して表示するまでの手順を解説します。 描画の手順 Networkxを使ってラティスやグラフを描画するには、以下の手順に従います。 networkx と pyplot をインポートします。 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 nx.grid_2d_graph(3, 3) を使って、2次元の格子グラフを生成します。この格子グラフでは、各ノード

Python・NumPy・Matplotlibを組み合わせることで、特定の条件に合致するデータ領域を非表示にした「マスク付きサーフェスプロット」を簡単に作成できます。マスク処理には numpy.ma.masked_where 関数を使用し、条件を満たす部分を描画から除外します。 以下の手順に従って実装していきましょう。 実装手順 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 新しい図（figure）を作成するか、既存の図をアクティブにします。 サブプロット構成の一部として、図に3D用の軸（ax）を追加します。 座標ベクトル pi と theta から mes

Matplotlibを使ってプロットのフェイスカラー（軸の背景色）を変更するには、以下の手順に従います。図のサイズを設定し、サブプロット間および周囲の余白を調整します。NumPyを使用してxとyのデータポイントを作成します。figureオブジェクトとサブプロットのセットを作成します。plot()メソッドを使い、色を黄色（yellow）、線幅を7に指定してxとyのデータポイントをプロットします。set_facecolor()メソッドを使用して、軸（axes）のフェイスカラーを設定します。図を表示するには、show()メソッドを使用します。コード例from matplotlib import py

はじめにmatplotlibでは、複数の点（頂点）から構成される最大のポリゴン（多角形）を簡単に描画できます。matplotlib.patchesモジュールに含まれるPolygonクラスを使えば、頂点の座標リストを渡すだけで多角形を図に追加できます。この記事では、具体的な手順とサンプルコードをわかりやすく解説します。実装の手順matplotlib.patchesから「Polygon」をインポートします。図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。ポリゴンの頂点となるデータポイントのリストを作成します。Polygonインスタンスを生成します。figureとサブプ

sort_index() メソッドは、DataFrameやSeriesのインデックスを昇順・降順に並べ替えるために使用されます。パラメータを何も指定しない場合、インデックスはデフォルトで昇順にソートされます。 基本構文 DataFrame.sort_index(axis=0, ascending=True) 主なパラメータは以下の通りです。 axis: ソート対象の軸を指定します（0または index で行インデックス、1または columns で列ラベル） ascending: True（昇順）または False（降順）を指定します。デフォルトは True 実装手順 まず、必要なライブラ

pandasでは、DataFrame内に含まれる特定の値を簡単に検索できます。本記事ではilocを使用して、条件に一致する値を取得し、その行全体を表示する方法を解説します。 1. ライブラリのインポート まず、必要なライブラリをインポートします。 import pandas as pd 2. サンプルDataFrameの作成 次に、4つの列（車名・排気量・登録価格・販売台数）を持つDataFrameを作成します。 dataFrame = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cub

Pandasのfillna()メソッドを使うと、DataFrame内の欠損値（NaN）を任意の定数値で簡単に置き換えることができます。valueパラメータに置き換えたい値を指定するだけで、すべてのNaNを一括して埋められます。まずは、必要なライブラリをエイリアス付きでインポートしましょう。 import pandas as pd import numpy as np 次に、「Car」と「Units」の2つの列を持つDataFrameを作成します。NumPyのnp.nanを使って、意図的に欠損値を設定しています。 dataFrame = pd.DataFrame( { C

モード(最頻値)とは、データの集合の中で最も多く出現する値のことです。Pandasではfillna()メソッドにモードを指定することで、欠損値(NaN)をその列の最頻値で補完できます。必要なライブラリのインポートまず、必要なライブラリをそれぞれ別名(エイリアス)付きでインポートしましょう。import pandas as pd import numpy as npDataFrameの作成次に、「Car」と「Units」の2つの列を持つDataFrameを作成します。NumPyのnp.NaNを使用して、意図的に欠損値(NaN)を設定しています。dataFrame = pd.DataFrame(

Pandas DataFrameにlocでリストを追加する方法 DataFrame.locは、ラベルやブール配列を指定して行・列のグループにアクセスするためのプロパティです。この機能を利用すると、リスト形式のデータを新しい行としてDataFrameの末尾に簡単に追加できます。 本記事では、locを使ってPandas DataFrameにリストを1行追加する手順を、具体的なサンプルコードと実行結果とともに解説します。 1. DataFrameを作成する まず、チームランキングのデータをリスト形式で用意し、それをもとにDataFrameを作成します。 import pandas as pd #

あるリストの各要素が、別のリスト（検索対象リスト）に含まれているかどうかに応じて、元のリストを0と1だけで構成される「マスク」に変換したいケースはよくあります。このような処理には、Pythonのリスト内包表記を使うのが最もシンプルで読みやすい方法です。 サンプルコード 以下に具体的な実装例を示します。 my_list = [5, 6, 1, 9, 11, 0, 4] print(The list is :) print(my_list) search_list = [2, 10, 6, 3, 9] result = [1 if element in search_list else 0

中央値（メジアン）とは、データを昇順に並べたときに中央に位置する値のことで、データ全体を「上半分」と「下半分」に分ける基準となる統計量です。外れ値の影響を受けにくいため、欠損値（NaN）の補完方法として平均値よりも適しているケースが多くあります。Pandasでは、fillna() メソッドを使い、引数に median() の結果を指定することで、欠損している列の値を簡単に中央値で埋めることができます。1. 必要なライブラリをインポートするまずは、PandasとNumPyをそれぞれ別名（エイリアス）付きでインポートします。import pandas as pd import numpy as n

複数のDataFrameを連結するにはconcat()メソッドを使用します。さらに、連結後の重複行を除外したい場合は、drop_duplicates()メソッドを組み合わせることで簡単に実現できます。基本の手順まず、必要なライブラリをインポートします。import pandas as pd次に、連結対象となる2つのDataFrameを作成します。# DataFrame1を作成 dataFrame1 = pd.DataFrame( { Car: [BMW, Jaguar, Audi, Mustang], Units: [100, 150, 110, 80]

Pythonでは、セット（set）に含まれる要素だけをリストから抽出したい場面がよくあります。そのような場合、シンプルな for ループと条件分岐（if文）を組み合わせるだけで簡単に実現できます。サンプルコード以下に具体的な実装例を示します。my_list = [5, 7, 2, 7, 2, 4, 9, 8, 8] print(The list is :) print(my_list) search_set = {6, 2, 8} my_result = [] for element in my_list: if element in search_set: my_r

2つの文字列の中から、両方に共通して含まれる単語を取り除きたいケースはよくあります。そのような場合には、2つの文字列を引数として受け取る関数を定義し、文字列を空白で分割したうえで、リスト内包表記を使って結果をフィルタリングするのが効果的です。 この記事では、辞書を使って単語の出現回数をカウントし、共通しない単語だけを抽出する方法を、サンプルコードと実行結果とともにわかりやすく解説します。 サンプルコード 以下が実際の実装例です。 def common_words_filter(my_string_1, my_string_2): my_word_count = {} for wo

PythonのPandasでは、リストを新しい行としてDataFrameに追加できます。代表的な方法はappend()メソッドとloc()メソッドの2つです。本記事では、それぞれの使い方をサンプルコード付きでわかりやすく解説します。なお、append()メソッドはPandas 1.4以降で非推奨となり、Pandas 2.0で削除されました。現在のバージョンを使っている場合は、後半で紹介するpd.concat()またはloc()を使用してください。準備：ライブラリのインポートとデータ作成まず、必要なライブラリをインポートします。import pandas as pd次に、チームのランキングデータ

Pythonで行列（マトリックス）にカスタム境界線を追加したい場合、シンプルなリストの反復処理を利用することで、目的の境界線を簡単に追加できます。ここでは、各行の先頭と末尾に記号「|」を付けて、視覚的に見やすい形式で行列を出力する方法を紹介します。サンプルコード以下にその実装例を示します。my_list = [[2, 5, 5], [2, 7, 5], [4, 5, 1], [1, 6, 6]] print(The list is :) print(my_list) print(The resultant matrix is :) border = | for sub in my_li

Pythonでセット（set）のリストの中から重複しているセットを見つけたい場合、標準ライブラリの「Counter」と「frozenset」を組み合わせるとシンプルに実装できます。通常のsetはミュータブル（変更可能）なためハッシュを持たず、Counterの要素として直接扱うことができません。そこで、イミュータブル（変更不可能）でハッシュ可能なfrozensetに変換することで、出現頻度の集計が可能になります。 サンプルコード 以下に具体的な実装例を示します。 from collections import Counter my_list = [{4, 8, 6, 1}, {6, 4, 1,