sage/Sageでpandasを使ってみる
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
単語検索
|
最終更新
|
ヘルプ
]
開始行:
[[FrontPage]]
#contents
2014/01/26からのアクセス回数 &counter;
ここで紹介したSageワークシートは、以下のURLからダウンロー...
http://www15191ue.sakura.ne.jp:8000/home/pub/35/
また、Sageのサーバを公開しているサイト（http://www.sagenb...
アップロードし、実行したり、変更していろいろ動きを試すこ...
* Sageでpandasを使ってみる [#ybd5c844]
manningのMEAP（プレリリース）からデータサイエンティスト育...
がでていますが、これをSageを使って試してみようと思い、Rの...
ggplotで使われているpandasの存在を知りました。
pandasを一言で表現するとRのDataFrameとRDBのSQLを一つにし...
** pandasの基礎 [#v8975d44]
最初に必要なライブラリーをimportします。
sageへの入力:
#pre{{
import numpy as np
import pandas as pd
from ggplot import *
}}
*** DataFrame [#x40e0959]
pandasには、たくさんの機能がありますが、DataFrameの基本的...
DataFrameの作成には、DataFrame関数に列をキーとするマップ...
sageへの入力:
#pre{{
df = pd.DataFrame({ 'A': [4, 3, 1, 2], 'B': ['foo', 'bar'...
df
}}
sageからの出力:
#pre{{
A B C
0 4 foo True
1 3 bar True
2 1 foo False
3 2 bar False
[4 rows x 3 columns]
}}
作成されたDataFrameの情報は、info関数で得ることができます...
sageへの入力:
#pre{{
df.info()
}}
sageからの出力:
#pre{{
<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 3 columns):
A 4 non-null values
B 4 non-null values
C 4 non-null values
dtypes: bool(1), object(2)
}}
DataFrameから列を取り出すには、pythonのマップアクセスと同...
で取り出す方法とドット（.）の後にキーワードを付けて指定（...
（Rユーザは、変数名をドットで区切ることが多いので注意が必...
sageへの入力:
#pre{{
print df['B']
print df.B
}}
sageからの出力:
#pre{{
0 foo
1 bar
2 foo
3 bar
Name: B, dtype: object
0 foo
1 bar
2 foo
3 bar
Name: B, dtype: object
}}
データフレームの一部を取り出すには、ixを使うのが便利です。
以下の例を出力してみます。
- 0行目を取り出す
- 0行目のA列の要素を取り出す
- 0行から1行のA列からB列（範囲指定では2とCを含まないので...
sageへの入力:
#pre{{
print df.ix[0]
print df.ix[0, 'A']
print df.ix[0:2, 'B':'C']
}}
sageからの出力:
#pre{{
A 4
B foo
C True
Name: 0, dtype: object
4
B C
0 foo True
1 bar True
2 foo False
[3 rows x 2 columns]
}}
RのDataFrameと同様に条件に抽出もできます。以下の例では、...
sageへの入力:
#pre{{
print df[ df.A > 1]
}}
sageからの出力:
#pre{{
A B C
0 4 foo True
1 3 bar True
3 2 bar False
[3 rows x 3 columns]
}}
また列を指定してのソートも簡単です
sageへの入力:
#pre{{
df.sort('A')
}}
sageからの出力:
#pre{{
A B C
2 1 foo False
3 2 bar False
1 3 bar True
0 4 foo True
[4 rows x 3 columns]
}}
Sageでの出力は、タブ表示の関係で列と値の関係が見にくいの...
html.table関数を使って整形する例を示します。
sageへの入力:
#pre{{
html.table(df.values.tolist(), header=df.columns.tolist())
}}
sageからの出力:
&ref(table1.png);
** Aggregatin plotting time seriesをsageで試す [#w28740de]
DataFrameの基本が何となく分かったところで、ggplotの作者yh...
[[Aggregating & plotting time series in python>http://blo...
をSageで試してみます。
使用するデータは、ggplotに付属のアメリカ合衆国の肉のデー...
meatにどのようなデータが入っているのかinfo関数でみてみま...
sageへの入力:
#pre{{
meat.info()
}}
sageからの出力:
#pre{{
<class 'pandas.core.frame.DataFrame'>
Int64Index: 827 entries, 0 to 826
Data columns (total 8 columns):
date 827 non-null values
beef 827 non-null values
veal 827 non-null values
pork 827 non-null values
lamb_and_mutton 827 non-null values
broilers 635 non-null values
other_chicken 143 non-null values
turkey 635 non-null values
dtypes: datetime64[ns](1), float64(7)
}}
*** データの加工 [#sff1875f]
infoの結果、broilers, other_chicken, turkeyは、データ数が...
あることが分かりました。
そこで、欠損値のあるデータから閾値を800として、dropna関数...
（dropnaは欠損値処理の関数なので、その例として使っている...
残念ながら、sageにインストールしたpandasでは、axis指定が...
代用しました。
meatは時系列データなので、date列をindexにします。
sageへの入力:
#pre{{
#meat =meat.dropna(axis=1, thresh=800)
meat = meat.T.dropna(thresh=800).T
ts = meat.set_index(['date'])
}}
データの指定レコードを出力する関数がheadで、終わりはtail...
sageへの入力:
#pre{{
ts.head(10)
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
date
1944-01-01 751 85 1280 89
1944-02-01 713 77 1169 72
1944-03-01 741 90 1128 75
1944-04-01 650 89 978 66
1944-05-01 681 106 1029 78
1944-06-01 658 125 962 79
1944-07-01 662 142 796 82
1944-08-01 787 175 748 87
1944-09-01 774 182 678 91
1944-10-01 834 215 777 100
[10 rows x 4 columns]
}}
sageへの入力:
#pre{{
ts.tail()
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
date
2012-07-01 2200.8 9.5 1721.8 12.5
2012-08-01 2367.5 10.1 1997.9 14.2
2012-09-01 2016 8.8 1911 12.5
2012-10-01 2343.7 10.3 2210.4 14.2
2012-11-01 2206.6 10.1 2078.7 12.4
[5 rows x 4 columns]
}}
*** 集計処理 [#b05e4309]
groupbyとsum関数を使うことで、年毎に集計した結果を簡単に...
sageへの入力:
#pre{{
ts.groupby(ts.index.year).sum().head(10)
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1944 8801 1629 11502 1001
1945 9936 1552 8843 1030
1946 9010 1329 9220 946
1947 10096 1493 8811 779
1948 8766 1323 8486 728
1949 9142 1240 8875 587
1950 9248 1137 9397 581
1951 8549 972 10190 508
1952 9337 1080 10321 635
1953 12055 1451 8971 715
[10 rows x 4 columns]
}}
また集計された結果もDataFrameなので、ix関数を使って絞り込...
以下の例では、1940年代のデータのみをthe1940sにセットして...
sageへの入力:
#pre{{
the1940s = ts.groupby(ts.index.year).sum().ix['1940-01-01...
}}
sageへの入力:
#pre{{
the1940s
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1944 8801 1629 11502 1001
1945 9936 1552 8843 1030
1946 9010 1329 9220 946
1947 10096 1493 8811 779
1948 8766 1323 8486 728
1949 9142 1240 8875 587
[6 rows x 4 columns]
}}
ユーザの定義した関数をgroupbyに指定することができます。
次の例では、floor_decade関数を使ってyearから10年単位に切...
sageへの入力:
#pre{{
def floor_decade(date_value):
"Take a date. Returns the decade."
return (date_value.year // 10)*10
}}
sageへの入力:
#pre{{
pd.to_datetime('2013-10-09')
}}
sageからの出力:
#pre{{
Timestamp('2013-10-09 00:00:00', tz=None)
}}
sageへの入力:
#pre{{
floor_decade(_)
}}
sageからの出力:
#pre{{
2010
}}
floor_decadeを使って簡単に10年毎の集計を求めることができ...
sageへの入力:
#pre{{
ts.groupby(floor_decade).sum()
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1940 55751.0 8566.0 55737.0 5071.0
1950 119161.0 12693.0 98450.0 6724.0
1960 177754.0 8577.0 116587.0 6873.0
1970 228947.0 5713.0 132539.0 4256.0
1980 230100.0 4278.0 150528.0 3394.0
1990 243579.0 2938.0 173519.0 2986.0
2000 260540.7 1685.3 208211.3 1964.7
2010 76391.5 371.9 66491.2 455.6
[8 rows x 4 columns]
}}
*** 図化 [#ofa4b3a2]
reset_index関数でindexを解除し、値にnameで指定された列名...
sageへの入力:
#pre{{
the1940s.sum().reset_index(name='meat sums in the 1940s')
}}
sageからの出力:
#pre{{
index meat sums in the 1940s
0 beef 55751
1 veal 8566
2 pork 55737
3 lamb_and_mutton 5071
[4 rows x 2 columns]
}}
by_decadeに10年毎の集計結果を入れ、indexの名前をyearとし...
sageへの入力:
#pre{{
by_decade=ts.groupby(floor_decade).sum()
by_decade.index.name = 'year'
by_decade
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
year
1940 55751.0 8566.0 55737.0 5071.0
1950 119161.0 12693.0 98450.0 6724.0
1960 177754.0 8577.0 116587.0 6873.0
1970 228947.0 5713.0 132539.0 4256.0
1980 230100.0 4278.0 150528.0 3394.0
1990 243579.0 2938.0 173519.0 2986.0
2000 260540.7 1685.3 208211.3 1964.7
2010 76391.5 371.9 66491.2 455.6
[8 rows x 4 columns]
}}
reset_indexでyearがindexからyear列に変更します。
sageへの入力:
#pre{{
by_decade=by_decade.reset_index(); by_decade
}}
sageからの出力:
#pre{{
year beef veal pork lamb_and_mutton
0 1940 55751.0 8566.0 55737.0 5071.0
1 1950 119161.0 12693.0 98450.0 6724.0
2 1960 177754.0 8577.0 116587.0 6873.0
3 1970 228947.0 5713.0 132539.0 4256.0
4 1980 230100.0 4278.0 150528.0 3394.0
5 1990 243579.0 2938.0 173519.0 2986.0
6 2000 260540.7 1685.3 208211.3 1964.7
7 2010 76391.5 371.9 66491.2 455.6
[8 rows x 5 columns]
}}
ggplotを使ってby_decadeのbeefの値を棒グラフに表示します。
sageへの入力:
#pre{{
ggplot(by_decade,aes('year',weight='beef'))+ \
geom_bar()+ \
scale_y_continuous(labels='comma')+ \
ggtitle('Head of Cattle Slaughtered by Decade')
}}
sageからの出力:
#pre{{
<ggplot: (36185553)>
}}
sageへの入力:
#pre{{
ggsave('sample1.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample1.png);
melt関数を使ってid_varsでyearをIDとし、列名をvariable列に...
sageへの入力:
#pre{{
by_decade_long=pd.melt(by_decade,id_vars="year"); by_deca...
}}
#pre{{
year variable value
0 1940 beef 55751
1 1950 beef 119161
2 1960 beef 177754
3 1970 beef 228947
4 1980 beef 230100
[5 rows x 3 columns]
}}
ggplotのaesでweightにvalue, colourにvariableを指定するこ...
棒グラフができました。
sageへの入力:
#pre{{
ggplot(aes(x='year',weight='value',colour='variable'),dat...
geom_bar()+ \
ggtitle("Meat Production by Decade")
}}
sageからの出力:
#pre{{
<ggplot: (30542969)>
}}
sageへの入力:
#pre{{
ggsave('sample2.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample2.png);
*** 時系列の傾向をみる [#ked3f1b1]
今度は、meatデータの時系列での傾向をみてみましょう。
meatデータをロードし直し、geom_lineで時系列でプロットしま...
sageへの入力:
#pre{{
from ggplot import meat
meat_lng = pd.melt(meat, id_vars=['date'])
ggplot(aes(x='date', y='value', colour='variable'), data=...
}}
sageからの出力:
#pre{{
<ggplot: (9921013)>
}}
sageへの入力:
#pre{{
ggsave('sample3.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample3.png);
stat_smoothのスムージング処理で、時系列データの傾向をプロ...
sageへの入力:
#pre{{
ggplot(aes(x='date', y='value', colour='variable'), data=...
stat_smooth(span=0.10) + \
ggtitle("Smoothed Livestock Production")
}}
sageからの出力:
#pre{{
<ggplot: (9926157)>
}}
sageへの入力:
#pre{{
ggsave('sample4.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample4.png);
** コメント [#e5830c21]
#vote(おもしろかった[5],そうでもない[0],わかりずらい[0])
皆様のご意見、ご希望をお待ちしております。
- pandas のインストール方法を載せていただくと助かります。...
#comment_kcaptcha
終了行:
[[FrontPage]]
#contents
2014/01/26からのアクセス回数 &counter;
ここで紹介したSageワークシートは、以下のURLからダウンロー...
http://www15191ue.sakura.ne.jp:8000/home/pub/35/
また、Sageのサーバを公開しているサイト（http://www.sagenb...
アップロードし、実行したり、変更していろいろ動きを試すこ...
* Sageでpandasを使ってみる [#ybd5c844]
manningのMEAP（プレリリース）からデータサイエンティスト育...
がでていますが、これをSageを使って試してみようと思い、Rの...
ggplotで使われているpandasの存在を知りました。
pandasを一言で表現するとRのDataFrameとRDBのSQLを一つにし...
** pandasの基礎 [#v8975d44]
最初に必要なライブラリーをimportします。
sageへの入力:
#pre{{
import numpy as np
import pandas as pd
from ggplot import *
}}
*** DataFrame [#x40e0959]
pandasには、たくさんの機能がありますが、DataFrameの基本的...
DataFrameの作成には、DataFrame関数に列をキーとするマップ...
sageへの入力:
#pre{{
df = pd.DataFrame({ 'A': [4, 3, 1, 2], 'B': ['foo', 'bar'...
df
}}
sageからの出力:
#pre{{
A B C
0 4 foo True
1 3 bar True
2 1 foo False
3 2 bar False
[4 rows x 3 columns]
}}
作成されたDataFrameの情報は、info関数で得ることができます...
sageへの入力:
#pre{{
df.info()
}}
sageからの出力:
#pre{{
<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 3 columns):
A 4 non-null values
B 4 non-null values
C 4 non-null values
dtypes: bool(1), object(2)
}}
DataFrameから列を取り出すには、pythonのマップアクセスと同...
で取り出す方法とドット（.）の後にキーワードを付けて指定（...
（Rユーザは、変数名をドットで区切ることが多いので注意が必...
sageへの入力:
#pre{{
print df['B']
print df.B
}}
sageからの出力:
#pre{{
0 foo
1 bar
2 foo
3 bar
Name: B, dtype: object
0 foo
1 bar
2 foo
3 bar
Name: B, dtype: object
}}
データフレームの一部を取り出すには、ixを使うのが便利です。
以下の例を出力してみます。
- 0行目を取り出す
- 0行目のA列の要素を取り出す
- 0行から1行のA列からB列（範囲指定では2とCを含まないので...
sageへの入力:
#pre{{
print df.ix[0]
print df.ix[0, 'A']
print df.ix[0:2, 'B':'C']
}}
sageからの出力:
#pre{{
A 4
B foo
C True
Name: 0, dtype: object
4
B C
0 foo True
1 bar True
2 foo False
[3 rows x 2 columns]
}}
RのDataFrameと同様に条件に抽出もできます。以下の例では、...
sageへの入力:
#pre{{
print df[ df.A > 1]
}}
sageからの出力:
#pre{{
A B C
0 4 foo True
1 3 bar True
3 2 bar False
[3 rows x 3 columns]
}}
また列を指定してのソートも簡単です
sageへの入力:
#pre{{
df.sort('A')
}}
sageからの出力:
#pre{{
A B C
2 1 foo False
3 2 bar False
1 3 bar True
0 4 foo True
[4 rows x 3 columns]
}}
Sageでの出力は、タブ表示の関係で列と値の関係が見にくいの...
html.table関数を使って整形する例を示します。
sageへの入力:
#pre{{
html.table(df.values.tolist(), header=df.columns.tolist())
}}
sageからの出力:
&ref(table1.png);
** Aggregatin plotting time seriesをsageで試す [#w28740de]
DataFrameの基本が何となく分かったところで、ggplotの作者yh...
[[Aggregating & plotting time series in python>http://blo...
をSageで試してみます。
使用するデータは、ggplotに付属のアメリカ合衆国の肉のデー...
meatにどのようなデータが入っているのかinfo関数でみてみま...
sageへの入力:
#pre{{
meat.info()
}}
sageからの出力:
#pre{{
<class 'pandas.core.frame.DataFrame'>
Int64Index: 827 entries, 0 to 826
Data columns (total 8 columns):
date 827 non-null values
beef 827 non-null values
veal 827 non-null values
pork 827 non-null values
lamb_and_mutton 827 non-null values
broilers 635 non-null values
other_chicken 143 non-null values
turkey 635 non-null values
dtypes: datetime64[ns](1), float64(7)
}}
*** データの加工 [#sff1875f]
infoの結果、broilers, other_chicken, turkeyは、データ数が...
あることが分かりました。
そこで、欠損値のあるデータから閾値を800として、dropna関数...
（dropnaは欠損値処理の関数なので、その例として使っている...
残念ながら、sageにインストールしたpandasでは、axis指定が...
代用しました。
meatは時系列データなので、date列をindexにします。
sageへの入力:
#pre{{
#meat =meat.dropna(axis=1, thresh=800)
meat = meat.T.dropna(thresh=800).T
ts = meat.set_index(['date'])
}}
データの指定レコードを出力する関数がheadで、終わりはtail...
sageへの入力:
#pre{{
ts.head(10)
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
date
1944-01-01 751 85 1280 89
1944-02-01 713 77 1169 72
1944-03-01 741 90 1128 75
1944-04-01 650 89 978 66
1944-05-01 681 106 1029 78
1944-06-01 658 125 962 79
1944-07-01 662 142 796 82
1944-08-01 787 175 748 87
1944-09-01 774 182 678 91
1944-10-01 834 215 777 100
[10 rows x 4 columns]
}}
sageへの入力:
#pre{{
ts.tail()
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
date
2012-07-01 2200.8 9.5 1721.8 12.5
2012-08-01 2367.5 10.1 1997.9 14.2
2012-09-01 2016 8.8 1911 12.5
2012-10-01 2343.7 10.3 2210.4 14.2
2012-11-01 2206.6 10.1 2078.7 12.4
[5 rows x 4 columns]
}}
*** 集計処理 [#b05e4309]
groupbyとsum関数を使うことで、年毎に集計した結果を簡単に...
sageへの入力:
#pre{{
ts.groupby(ts.index.year).sum().head(10)
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1944 8801 1629 11502 1001
1945 9936 1552 8843 1030
1946 9010 1329 9220 946
1947 10096 1493 8811 779
1948 8766 1323 8486 728
1949 9142 1240 8875 587
1950 9248 1137 9397 581
1951 8549 972 10190 508
1952 9337 1080 10321 635
1953 12055 1451 8971 715
[10 rows x 4 columns]
}}
また集計された結果もDataFrameなので、ix関数を使って絞り込...
以下の例では、1940年代のデータのみをthe1940sにセットして...
sageへの入力:
#pre{{
the1940s = ts.groupby(ts.index.year).sum().ix['1940-01-01...
}}
sageへの入力:
#pre{{
the1940s
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1944 8801 1629 11502 1001
1945 9936 1552 8843 1030
1946 9010 1329 9220 946
1947 10096 1493 8811 779
1948 8766 1323 8486 728
1949 9142 1240 8875 587
[6 rows x 4 columns]
}}
ユーザの定義した関数をgroupbyに指定することができます。
次の例では、floor_decade関数を使ってyearから10年単位に切...
sageへの入力:
#pre{{
def floor_decade(date_value):
"Take a date. Returns the decade."
return (date_value.year // 10)*10
}}
sageへの入力:
#pre{{
pd.to_datetime('2013-10-09')
}}
sageからの出力:
#pre{{
Timestamp('2013-10-09 00:00:00', tz=None)
}}
sageへの入力:
#pre{{
floor_decade(_)
}}
sageからの出力:
#pre{{
2010
}}
floor_decadeを使って簡単に10年毎の集計を求めることができ...
sageへの入力:
#pre{{
ts.groupby(floor_decade).sum()
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
1940 55751.0 8566.0 55737.0 5071.0
1950 119161.0 12693.0 98450.0 6724.0
1960 177754.0 8577.0 116587.0 6873.0
1970 228947.0 5713.0 132539.0 4256.0
1980 230100.0 4278.0 150528.0 3394.0
1990 243579.0 2938.0 173519.0 2986.0
2000 260540.7 1685.3 208211.3 1964.7
2010 76391.5 371.9 66491.2 455.6
[8 rows x 4 columns]
}}
*** 図化 [#ofa4b3a2]
reset_index関数でindexを解除し、値にnameで指定された列名...
sageへの入力:
#pre{{
the1940s.sum().reset_index(name='meat sums in the 1940s')
}}
sageからの出力:
#pre{{
index meat sums in the 1940s
0 beef 55751
1 veal 8566
2 pork 55737
3 lamb_and_mutton 5071
[4 rows x 2 columns]
}}
by_decadeに10年毎の集計結果を入れ、indexの名前をyearとし...
sageへの入力:
#pre{{
by_decade=ts.groupby(floor_decade).sum()
by_decade.index.name = 'year'
by_decade
}}
sageからの出力:
#pre{{
beef veal pork lamb_and_mutton
year
1940 55751.0 8566.0 55737.0 5071.0
1950 119161.0 12693.0 98450.0 6724.0
1960 177754.0 8577.0 116587.0 6873.0
1970 228947.0 5713.0 132539.0 4256.0
1980 230100.0 4278.0 150528.0 3394.0
1990 243579.0 2938.0 173519.0 2986.0
2000 260540.7 1685.3 208211.3 1964.7
2010 76391.5 371.9 66491.2 455.6
[8 rows x 4 columns]
}}
reset_indexでyearがindexからyear列に変更します。
sageへの入力:
#pre{{
by_decade=by_decade.reset_index(); by_decade
}}
sageからの出力:
#pre{{
year beef veal pork lamb_and_mutton
0 1940 55751.0 8566.0 55737.0 5071.0
1 1950 119161.0 12693.0 98450.0 6724.0
2 1960 177754.0 8577.0 116587.0 6873.0
3 1970 228947.0 5713.0 132539.0 4256.0
4 1980 230100.0 4278.0 150528.0 3394.0
5 1990 243579.0 2938.0 173519.0 2986.0
6 2000 260540.7 1685.3 208211.3 1964.7
7 2010 76391.5 371.9 66491.2 455.6
[8 rows x 5 columns]
}}
ggplotを使ってby_decadeのbeefの値を棒グラフに表示します。
sageへの入力:
#pre{{
ggplot(by_decade,aes('year',weight='beef'))+ \
geom_bar()+ \
scale_y_continuous(labels='comma')+ \
ggtitle('Head of Cattle Slaughtered by Decade')
}}
sageからの出力:
#pre{{
<ggplot: (36185553)>
}}
sageへの入力:
#pre{{
ggsave('sample1.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample1.png);
melt関数を使ってid_varsでyearをIDとし、列名をvariable列に...
sageへの入力:
#pre{{
by_decade_long=pd.melt(by_decade,id_vars="year"); by_deca...
}}
#pre{{
year variable value
0 1940 beef 55751
1 1950 beef 119161
2 1960 beef 177754
3 1970 beef 228947
4 1980 beef 230100
[5 rows x 3 columns]
}}
ggplotのaesでweightにvalue, colourにvariableを指定するこ...
棒グラフができました。
sageへの入力:
#pre{{
ggplot(aes(x='year',weight='value',colour='variable'),dat...
geom_bar()+ \
ggtitle("Meat Production by Decade")
}}
sageからの出力:
#pre{{
<ggplot: (30542969)>
}}
sageへの入力:
#pre{{
ggsave('sample2.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample2.png);
*** 時系列の傾向をみる [#ked3f1b1]
今度は、meatデータの時系列での傾向をみてみましょう。
meatデータをロードし直し、geom_lineで時系列でプロットしま...
sageへの入力:
#pre{{
from ggplot import meat
meat_lng = pd.melt(meat, id_vars=['date'])
ggplot(aes(x='date', y='value', colour='variable'), data=...
}}
sageからの出力:
#pre{{
<ggplot: (9921013)>
}}
sageへの入力:
#pre{{
ggsave('sample3.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample3.png);
stat_smoothのスムージング処理で、時系列データの傾向をプロ...
sageへの入力:
#pre{{
ggplot(aes(x='date', y='value', colour='variable'), data=...
stat_smooth(span=0.10) + \
ggtitle("Smoothed Livestock Production")
}}
sageからの出力:
#pre{{
<ggplot: (9926157)>
}}
sageへの入力:
#pre{{
ggsave('sample4.png', dpi=50)
}}
#pre{{
Saving 11.0 x 8.0 in image.
}}
&ref(sample4.png);
** コメント [#e5830c21]
#vote(おもしろかった[5],そうでもない[0],わかりずらい[0])
皆様のご意見、ご希望をお待ちしております。
- pandas のインストール方法を載せていただくと助かります。...
#comment_kcaptcha
ページ名:
SmartDoc
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
