NumPyの基礎

NumPyは、科学計算やデータ解析に最適な高速な配列演算を提供するライブラリです。

配列の基本属性

• ndim：配列の次元数
• shape：各次元のサイズを示すタプル
• size：配列の要素数
• dtype：配列のデータ型
• itemsize：各要素のバイト数

配列の作成と操作

import numpy as np

# 1次元配列の作成
data = np.array([10, 20, 30, 40, 50])
print("1次元配列:", data)

# 2次元配列の作成
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("2次元配列:", matrix)

# 配列の計算
print("配列の計算結果:", data * 2)

# 配列のアクセス
print("2次元配列の第2行第1列:", matrix[1, 0])
print("2次元配列の第1行:", matrix[0, :])

配列の計算

import numpy as np

# 配列の生成
arr = np.arange(10)
print("生成された配列:", arr)

# 基本統計量の計算
print("平均値:", np.mean(arr))
print("標準偏差:", np.std(arr))
print("合計:", np.sum(arr))

2次元配列の操作

import numpy as np

# 正規分布に従う2次元配列の生成
X = np.random.randn(3, 4)
print("X:", X)

# 単位行列の生成
Y = np.eye(4)
print("Y:", Y)

# 行列の積
result = np.dot(X, Y)
print("行列の積:", result)

Pandasの基礎

Seriesの作成と操作

import pandas as pd

# Seriesの作成
data = pd.Series([100, 200, 300, 400], index=['A', 'B', 'C', 'D'])
print("Seriesの値:", data.values)
print("Seriesのインデックス:", data.index)

# インデックスによるアクセス
print("インデックス 'B' と 'D' にアクセス:", data[['B', 'D']])

DataFrameの作成と操作

import pandas as pd

# DataFrameの作成
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': ['a', 'b', 'c']
})

# 列のアクセス
print("列 'A' にアクセス:", df['A'])

# 行列のアクセス
print("行番号1、列番号0にアクセス:", df.iloc[1, 0])

# 条件によるアクセス
print("列 'B' が 'a' である行にアクセス:", df[df['B'] == 'a'])

NumPyとPandasの応用

データの前処理

import pandas as pd

# Excelファイルの読み込み
data = pd.read_excel('air_quality.xlsx')

# 0をNaNに置換
data = data.replace(0, np.nan)

# 新しい列の作成
data['year'] = data['date'].apply(lambda x: x.year)
data['month'] = data['date'].apply(lambda x: x.month)

基本分析

import pandas as pd

# グループ化と平均値の計算
grouped = data[['AQI', 'PM2.5']].groupby(data['year'])
print("各年の平均値:", grouped.mean())

# 空気質の最上位3日を抽出
def top(df, n=3):
    return df.sort_values(by='AQI', ascending=False)[:n]

result = data.groupby(data['year']).apply(top)
print("最上位3日のデータ:", result)

可視化

import matplotlib.pyplot as plt

# 折線グラフの作成
plt.figure(figsize=(10, 5))
plt.plot(data['AQI'], color='black', linestyle='-', linewidth=0.5)
plt.title('年間AQIの時系列変化')
plt.xlabel('日付')
plt.ylabel('AQI')
plt.show()