RとPython(NumPy)の対応

• 対応表
  • NumPy for R users: http://mathesaurus.sourceforge.net/r-numpy.html
• Rのdata.frameに相当する事を実現するには
  • 作成：NumPyのarrayで，各列にclassを指定できる (structured arrays)
    • http://docs.scipy.org/doc/numpy/user/basics.rec.html

> import numpy as np
> C0=[1,2,3]
> C1=['M','F','M']
> C2=[3.3,4.4,5.5]
> x=np.array(zip(C0,C1,C2),dtype=[('id', '<i4'), ('gender', '|S1'), ('value', '<f8')])
> x[1]
(2, 'F', 4.4)

> print(x[x['gender']=='M'])
[(1, 'M', 3.3) (3, 'M', 5.5)]

• • Viewを切る

>>> print(x[[1,2]])
[(2, 'F', 4.4) (3, 'M', 5.5)]
>>> print(x[['gender','value']])
[('M', 3.3) ('F', 4.4) ('M', 5.5)]
>>> print(x[[1,2]][['gender','value']])
[('F', 4.4) ('M', 5.5)]
> print(x[[1,2],['gender','value']])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: invalid literal for long() with base 10: 'gender'
> print(x[[1,2],[0,2]])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: too many indices for array

• 最後の2つが動いてくれないのがいまいち．

• Join:xとyを特定のキーを基に結合

>y=np.array(zip([1,2,4],[6.6,7.7,8.8]),dtype=[('id','i4'),('height','f8')])
>from numpy.lib import recfunctions as rfn
>rfn.join_by('id',x,y) # inner join相当 = xとyの両方にあるもののみ返す
>rfn.join_by('id',x,y, jointype="outer") # outer join相当 = xとyのいずれかにあるものを全て返す．埋まらない値は"-"が入る

• 列結合：cbind相当(c_)....どうやるんだろう．vstackとかhstack動かないし，c_も動かない

• ファイルの読み込み：

dtype=[('id','i4'), ('height', 'f8')]
ary=np.genfromtxt(fil, dtype=dtype, skip_header=1)

• • csvなら，delimiter="," をgenfromtxtのオプションで付ける
  • header行がなければ，skip_header=1は要らない

• ファイルの書き出し：
  • とりあえず標準出力に変数aryの中身をタブ区切りで書き出すなら

>print "\t".join(ary.dtype.names)
>for i in range(ary.shape[0]):
>    print "\t".join([str(x) for x in ary[i]])    

• もう少し複雑にviewを切る
  • 値での絞り込み

>ary[ary['id']==1] 

• • stringのID一覧などで絞るとき用．もう少し簡単にできないものか．

>tf = [x in ["M","F"] for x in ary['gender']]
>ary[np.array(tf)]