Python，pandasの基礎②　～pandasのデータ構造「Series」における計算～

どうも！僕です！
つか〇です！

pandasのデータ構造「Series」の基本的な操作について紹介します．
多くのことが，今後紹介する「DataFrame」にも通用するので，しっかり基礎を押さえていきましょう！

比較演算子によるフィルタリング，掛け算等，数学的関数の適用

pandasは，NumPyと同様にループを使わずに各要素ごとに計算を行うことができます．
NumPyについては，「NumPyの基礎①　～NumPyとは？NumPyの構造，扱いを知ろう！！編～」で紹介しています．

一方で，pandasでは，ラベル付けしたインデックスとデータの値との関係は保持されます．
以下の例で見ていきましょう．

まず，下記のようにpandasとpandasのSeriesをインポートして，Series構造を持つ配列を作成します．
数値は適当に変えちゃってOKです！

import pandas as pd
from pandas import Series

obj2 = pd.Series([6, -9, 2, 1, 5], index=["b", "e", "a", "d", "c"])
obj2

b    6
e   -9
a    2
d    1
c    5
dtype: int64

この，Series構造のデータに関して，3より大きい値を持つ行を取得してみましょう！

obj2[obj2 > 3]

出力は以下のようになります．

b    6
c    5
dtype: int64

3より大きいデータを持つ行だけ取得できましたね．
このとき，インデックスラベルとデータの関係は保持されたままとなっていることもわかります．

それでは，スカラー値との掛け算も見ていきましょう．
3を掛けましょう！
みんなでアホになりましょう．

はい．

では，やりましょう．

obj2 * 3

b    18
e   -27
a     6
d     3
c    15
dtype: int64

すべてに3がかかりましたね．
すべてアホになれましたね．最高です！
ちなみに3150（最高）も3の倍数ですね！

続いて，数学で用いられる関数を適用してみましょう！
今回は，exp()メソッドを使ってみましょう．
expは，「exponential」で，数学で使う指数関数ですね．
「eの〇乗」とかいうやつです．

では，やってみましょう．

import numpy as np
np.exp(obj2)

b    403.428793
e      0.000123
a      7.389056
d      2.718282
c    148.413159
dtype: float64

合っているかどうかを確かめるのは面倒ですが，webで計算ツールを探して確認してみてください．
CASIOさんのサイトから確認できます．
https://keisan.casio.jp/exec/system/1260353091

で，先ほどのコードを見てもらうと，NumPyでの処理を行ってます．
NumPyの関数や，NumPy風の操作を行った場合でも，pandasでは，データとインデックスの関係が保持されます．

今回は，exp()で行いましたが，ほかにもいろいろあるので，自分で探して適用してみましょう！

pandasでの演算操作について軽く触れてみました．
上記のように直感的に計算を行えるのがいいところです．
やっぱ，for文でループ処理を書かなくていいってのは楽ですね！

pandasの詳しい内容については，「Pythonによるデータ分析入門」がお勧めです．
データ分析での使い方をわかりやすく解説しています．

独学だけではこぼしてしまう内容も結構載っているので，お勧めです．

一緒にpandasをマスターして，データ分析を武器に世界を変えていきましょう！！