科学の箱

科学・IT・登山の話題

Python

スライスとインデックスを組み合わせてデータを抜き出す

投稿日:

行列からデータを取得する際には、インデックスを利用すことはわかった。このインデックスの種類としては整数、スライス、配列、ブーリアンがある。これらを組み合わせて柔軟に配列から要素を抜き出すことができる。

今回はYamada, Takahashi, Suzuki, Kawakamiに紐づくデータを用意する。各データは7項目から成り立つ。また一人には複数のデータが紐づいているとする。

まずは名前用の配列を用意する。

# ラベル用配列
name = np.array(["Yamada", "Takahashi", "Suzuki", "Kawakami","Yamada"])
print(name)
# ['Yamada' 'Takahashi' 'Suzuki' 'Kawakami' 'Yamada']

次にデータ用の配列を用意する。データ数は5であり、7項目ある。合計25個のデータを用意して、shapeで5×7にしてあげる。

data = np.random.random(35)
data = data.reshape(5,7)
print(data)
# [[0.34424184 0.62308632 0.77090286 0.11197278 0.56711419 0.82823042
  0.40272551]
 [0.97235281 0.15912985 0.52458126 0.39268775 0.58444596 0.28289483
  0.88226724]
 [0.4269921  0.70174719 0.35377691 0.74882525 0.35059669 0.10852082
  0.79938528]
 [0.78825568 0.23561709 0.85584193 0.50858051 0.93876539 0.55676888
  0.46110362]
 [0.30714079 0.72800077 0.74949162 0.06922578 0.89872415 0.69173606
  0.93505941]]

 

さていまYamadaの3~5番目のデータのみを抜き出すとする。

単純に考えると、まずYamadaのデータのみ抜き出す。そしてスライスをすればよい。

# Yamadaを抜き出すためのブーリアン型
b_name = name == "Yamada" 
print(b_name)
# [ True False False False  True]

print(data[b_name])
# array([[0.34424184, 0.62308632, 0.77090286, 0.11197278, 0.56711419,
        0.82823042, 0.40272551],
       [0.30714079, 0.72800077, 0.74949162, 0.06922578, 0.89872415,
        0.69173606, 0.93505941]])

data_x = data[b_name]
print(data_x[:,3:5])
# array([[0.11197278, 0.56711419],
       [0.06922578, 0.89872415]])

 

さてこの操作はブーリアン型とスライスを合わせることで、一つにまとめることができる。

print(data[b_name, 3:5])
# [[0.11197278 0.56711419]
 [0.06922578 0.89872415]]

 

さらにブーリアン配列もinlineにすると以下のようになる。

print(data[name=="Yamada", 3:5])
# [[0.11197278 0.56711419]
 [0.06922578 0.89872415]]

 

メタ情報

inarticle



メタ情報

inarticle



-Python
-

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

タプルの操作

タプルはPythonで提供されているデータ構造の一つ。タプルは固定長で変更できない複数の値の集合である。 タプルオブジェクト (tuple object) — Python 3.8.0 ドキュメント …

no image

pandaの基本中の基本操作

numpyとpandaのインポート import numpy as np import pandas as pd 前準備 labels = [‘a’, ‘b’, ‘c’] mydata = [10,2 …

no image

jupyterで補完機能をつかう

まずはnbextentionsをインストール conda install -y -c conda-forge jupyter_contrib_nbextensions 次にnbextentionsタブ …

no image

グラフの軸を操作する

概要 ここでは以下の項目について取り扱う 軸にラベルを設定する ー xlabel, ylabel 軸の最小値、最大値を設定する ー xlim, ylim, xaxis 軸にメモリを設定する ー xti …

no image

Pythonで文字列を生成するときの方法についてまとめる

Pythonで文字列を生成するときには様々な方法があるのでまとめる。 まず最も基本となるのは生成したい文字をシングルクォーテーションもしくはダブルクォーテーションで囲む方法である。どちらの方法を使って …

2019年9月
« 8月   10月 »
 1
2345678
9101112131415
16171819202122
23242526272829
30  

side bar top



アーカイブ

カテゴリー