kharuka2016のブログ

日々の出来事を書き留めておくブログ

pandas-形の違うデータの計算-

入門 Python 3

入門 Python 3

目次

前提条件

OS:Windows 10 64-bit, version 1607

Anaconda 4.4.0(Python 3.6 version 64-bit)インストール

NumPyのインストール

手順概要

1.コマンドプロンプトでIPython Notebookを起動します。

2.形の違うデータの計算

手順

1.コマンドプロンプトでIPython Notebookを起動します。

ipython notebook

2.形の違うデータの計算

2.1.numpy、panadasとpandasからSeriesとDataFrameをインポートします。

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

2.2.Seriesを作成します。

ser1=Series([0,1,2],index=['A','B','C'])
ser1

Out:

A    0
B    1
C    2
dtype: int64
ser2=Series([3,4,5,6],index=['A','B','C','D'])
ser2

Out:

A    3
B    4
C    5
D    6
dtype: int64

f:id:kharuka2016:20170807191907p:plain

2.3.Seriesの和を求めます。

ser1+ser2

Out:

A    3.0
B    5.0
C    7.0
D    NaN
dtype: float64

2.4.DataFrameを作成します。(リスト内包表記)

dframe1=DataFrame(np.arange(4).reshape((2,2)),columns=list('AB'),index=['NYC','LA'])
dframe1

Out:

   A   B
NYC 0  1
LA  2  3

2.5.DataFrameを作成します。

dframe=DataFrame(np.arange(4).reshape((2,2)),columns=['A','B'],index=['NYC','LA'])
dframe

Out:

   A   B
NYC 0  1
LA  2  3

f:id:kharuka2016:20170807191912p:plain

2.6.DataFrameを作成します。(リスト内包表記)

dframe2=DataFrame(np.arange(9).reshape((3,3)),columns=list('ADC'),index=['NYC','SF','LA'])
dframe2

Out:

   A   D   C
NYC 0  1  2
SF  3  4  5
LA  6  7  8

2.7.DataFrameの和を求めます。

dframe1+dframe2

Out:

   A   B   C   D
LA  8  NaN NaN NaN
NYC 0  NaN NaN NaN
SF  NaN NaN NaN NaN

2.8.DataFrameの和を求めます。(fill_value=0を指定することで、dframe1 or dframe2のどちらかに値があれば0を代入します。)

dframe1.add(dframe2,fill_value=0)

Out:

   A   B   C   D
LA  8  3  8  7
NYC 0  1  2  1
SF  3  NaN 5  4

f:id:kharuka2016:20170807191916p:plain

2.9.DataFrameの行indexを指定してSeriesに代入します。

ser3=dframe2.ix[0]
ser3

Out:

A    0
D    1
C    2
Name: NYC, dtype: int32

2.10.DataFrameとSeriesの引き算をします。

dframe2-ser3

Out:

 A   D   C
NYC 0   0   0
SF  3   3   3
LA  6   6   6

f:id:kharuka2016:20170807191920p:plain

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

参考:

udemy 実践Pythonデータサイエンス

www.udemy.com

今日の相場の格言

株で勝つ!  相場格言400 (日経ビジネス人文庫)

株で勝つ! 相場格言400 (日経ビジネス人文庫)

辛抱強く待つことができる人はどんなことでも達成できる

~Everything comes to him who waits.~

目先の利益に惑わされて投機に走りたい気持ちはわかります。しかし、中長期バリュー投資をするのであればしっかりと腰を据えて投資しましょう。

待っている間にも企業研究や世界情勢の情報を集めたりと、次の売買チャンスに備えてより一層時間を有効に使えます。

関連記事:

kharuka2016.hatenablog.com

株を買うなら最低限知っておきたい ファンダメンタル投資の教科書

株を買うなら最低限知っておきたい ファンダメンタル投資の教科書

pandas-データを取り出す-

入門 Python 3

入門 Python 3

目次

前提条件

OS:Windows 10 64-bit, version 1607

Anaconda 4.4.0(Python 3.6 version 64-bit)インストール

NumPyのインストール

手順概要

1.コマンドプロンプトでIPython Notebookを起動します。

2.データを取り出す

手順

1.コマンドプロンプトでIPython Notebookを起動します。

ipython notebook

2.データを取り出す

2.1.numpy、panadasとpandasからSeriesとDataFrameをインポートします。

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

2.2.Seriesを作成します。

ser1=Series(np.arange(3),index=['A','B','C'])
ser1=2*ser1
ser1

Out:

A    0
B    2
C    4
dtype: int32

2.3.indexを指定してデータを取り出します。

ser1['B']

Out:

2

2.4.スライス参照してデータを取り出します。

ser1[0:3]

Out:

A    0
B    2
C    4
dtype: int32

f:id:kharuka2016:20170807164636p:plain

2.5.リストで指定してデータを取り出します。

ser1[['A','B']]

Out:

A    0
B    2
dtype: int32

2.6.条件を指定してデータを取り出します。

ser1[ser1>3]=10
ser1

Out:

A     0
B     2
C    10
dtype: int32

2.7.DataFrameを作成します。

dframe=DataFrame(np.arange(25).reshape((5,5)),index=['NYC','LA','SF','DC','Chi'],columns=['A','B','C','D','E'])
dframe

Out:

   A   B   C   D   E
NYC 0  1  2  3  4
LA  5  6  7  8  9
SF  10 11 12 13 14
DC  15 16 17 18 19
Chi 20 21 22 23 24

f:id:kharuka2016:20170807164640p:plain

2.8.indexを指定してデータを取り出します。

dframe['B']

Out:

NYC     1
LA      6
SF     11
DC     16
Chi    21
Name: B, dtype: int32

2.9.リストで指定してデータを取り出します。

dframe[['B','C']]

Out:

   B   C
NYC 1  2
LA  6  7
SF  11 12
DC  16 17
Chi 21 22

2.10.条件を指定してデータを取り出します。

dframe[dframe['C']>8]

Out:

   A   B   C   D   E
SF  10 11 12 13 14
DC  15 16 17 18 19
Chi 20 21 22 23 24

f:id:kharuka2016:20170807164647p:plain

2.11.真偽判定をします。

dframe>10

Out:

   A   B   C   D   E
NYC FALSE   FALSE   FALSE   FALSE   FALSE
LA  FALSE   FALSE   FALSE   FALSE   FALSE
SF  FALSE   TRUE    TRUE    TRUE    TRUE
DC  TRUE    TRUE    TRUE    TRUE    TRUE
Chi TRUE    TRUE    TRUE    TRUE    TRUE

f:id:kharuka2016:20170807164656p:plain

2.12.行ラベルを指定してデータを取り出します。

dframe.loc['LA']

Out:

A    5
B    6
C    7
D    8
E    9
Name: LA, dtype: int32

2.13.行indexを指定してデータを取り出します。

dframe.ix[1]

Out:index

A    5
B    6
C    7
D    8
E    9
Name: LA, dtype: int32

f:id:kharuka2016:20170807164701p:plain

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

参考:

udemy 実践Pythonデータサイエンス

www.udemy.com

はてなブログ記事の「トップに戻る」

はてなブログ Perfect GuideBook

はてなブログ Perfect GuideBook

読みやすいブログ作成のため「トップに戻る」機能を追加してみました。

参考記事通りに本当にコピー&ペーストで実装出来るので簡単です。

参考:

mitopi.hatenablog.jp

blog.mshimfujin.net

今日の相場の格言

株で勝つ!  相場格言400 (日経ビジネス人文庫)

株で勝つ! 相場格言400 (日経ビジネス人文庫)

安く買って高く売れ

~Buy low, sell high.~

商売の基本です。リーマンショック後、アベノミクス相場の上昇相場の初期から中期にかけて買い、日経平均株価が2万円前後の今頃売るのがセオリーです。

今は株式投資を休むか、割安に放置されているお宝株を見つけ出すしか無いでしょう。割安お宝株を探すのはValue投資の醍醐味ですね。

関連記事:

kharuka2016.hatenablog.com

株を買うなら最低限知っておきたい ファンダメンタル投資の教科書

株を買うなら最低限知っておきたい ファンダメンタル投資の教科書

Microsoft Azure DNSゾーンの作成

Azureテクノロジ入門2016 (マイクロソフト関連書)

Azureテクノロジ入門2016 (マイクロソフト関連書)

目次

1. Microsoft Azureのポータルにサインインします。

Microsoft Azure

2. DNSゾーンの作成

2.1.NEW、ネットワーキング、DNSゾーンの順にクリックします。

f:id:kharuka2016:20170807142231p:plain

2.2.各項目を入力して作成をクリックします。

f:id:kharuka2016:20170807142236p:plain

2.3.レコードセットをクリックします。

f:id:kharuka2016:20170807142240p:plain

2.4.各項目(名前:@、種類:TXT、値:MS=ms********)を入力してOKをクリックします。

f:id:kharuka2016:20170807142246p:plain

Azureテクノロジ入門 2016

Azureテクノロジ入門 2016

Microsoft Azure, Cloud and Enterprise Symbol(プレゼンで使える素材集)2017年8月7日時点

VisioCafeにないマイクロソフトの素材はこちらで入手できます。

Microsoft Azure, Cloud and Enterprise Symbol / Icon Set - Visio stencil, PowerPoint, PNG, SVG

Version:2.6

参考:

Download Microsoft Azure, Cloud and Enterprise Symbol / Icon Set - Visio stencil, PowerPoint, PNG, SVG from Official Microsoft Download Center

外資系エリートのシンプルな伝え方

外資系エリートのシンプルな伝え方