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

SIGNATE お弁当の需要予測-5

相関の概要を見てみる。これによりどの変数を利用して回帰するかを考える。 sns.heatmap(d_train_w.corr(),cmap=’coolwarm’) Related posts:配列を利 …

no image

automated the boring – day9

https://automatetheboringstuff.com/chapter17/ >>> from PIL import Image &gt …

no image

空の配列を生成

numpy.empty()を使うと要素が初期化されていない配列を生成できる。要素に入る値はその時により変わるので必ず初期化後には明示的に値を設定する必要がある。 numpy.empty print(n …

no image

カテゴリデータのビジュアル

カテゴリ別データのビジュアル 参考)https://www.kaggle.com/omarelgabry/a-journey-through-titanic?scriptVersionId=44779 …

no image

django install

まずはdjangoをインストールする pip install django   Versionを確認する python -m django –version はじめてのプロジェク …

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