pandasのSeries

ラベル付きの配列

pandas の Series は、各値にラベルが付いた1次元の配列で、ラベルは Series のインデックスに保持されます。位置1がマイクロソフトだと覚える代わりに prices["MSFT"] と尋ねます。Series には name があり、NumPy 配列と同じように dtype を持ち、配列全体の演算も同様に使えるので、prices * 2、prices.mean()、prices > 180 はすべて動きます。pandas は慣習で import pandas as pd とインポートし、前のトピックで学んだ NumPy の上に作られています。

import pandas as pd

prices = pd.Series([184.25, 410.2, 171.0], index=["AAPL", "MSFT", "GOOG"], name="price")
print(prices)
# AAPL    184.25
# MSFT    410.20
# GOOG    171.00
# Name: price, dtype: float64

print(prices["AAPL"], prices.iloc[1])    # 184.25 410.2   by label, by position
print(prices.index.tolist())             # ['AAPL', 'MSFT', 'GOOG']
print(prices[prices > 180])              # keeps AAPL and MSFT, labels intact
print(prices.mean(), prices.idxmax())    # 255.15 MSFT

# A dict also builds a Series: keys become the index
print(pd.Series({"AAPL": 1, "MSFT": 2}))

アライメント：演算は位置ではなくラベルで対応づけられる

2つの Series を組み合わせると、pandas はまずラベルで揃えます。片方にしかないラベルは結果で NaN（not a number、欠損値の印）になり、結果のインデックスは両方のインデックスの和集合です。異なる口座にあるポジションの合算にはまさに必要な動作です。a.add(b, fill_value=0) を使うと、欠けたラベルを NaN ではなく0として扱います。ラベルでの読み取りも NumPy とは異なります。s["MSFT"] はラベル、s.iloc[1] は位置で、存在しないラベルは KeyError になります。

import pandas as pd

a = pd.Series([100, 200], index=["AAPL", "MSFT"])
b = pd.Series([50, 10], index=["MSFT", "GOOG"])

print(a + b)
# AAPL      NaN
# GOOG      NaN
# MSFT    250.0

print(a.add(b, fill_value=0))
# AAPL    100.0
# GOOG     10.0
# MSFT    250.0

# Selecting by a list of labels, and asking for one that is missing
prices = pd.Series([184.25, 410.2], index=["AAPL", "MSFT"])
print(prices.reindex(["MSFT", "TSLA"]).tolist())   # [410.2, nan]

並べ替え・順位付け・基準化

s.sort_values(ascending=False) は値で並べ替え、ラベルも一緒に動かします。s.sort_index() はラベル順、s.abs() は絶対値です。並べ替えとスライスで大きな動きが見つかります。r.abs().sort_values(ascending=False).index[:3] は絶対リターンが大きい3つのラベルを返します。価格水準の異なる資産を比べるには、開始時点を100に基準化します：s / s.iloc[0] * 100（インデックスと名前は保たれます）。欠損値（NaN）は sum や mean などが読み飛ばし、s.isna() で位置を調べられます。

import pandas as pd

r = pd.Series([0.01, -0.03, 0.02], index=["x", "y", "z"])
print(r.abs().sort_values(ascending=False))
# y    0.03
# z    0.02
# x    0.01
# dtype: float64

prices = pd.Series([184.25, 410.2, 171.0], index=["AAPL", "MSFT", "GOOG"], name="price")
print(prices / prices.iloc[0] * 100)           # rebased to 100 at the first value
# AAPL    100.000000
# MSFT    222.632293
# GOOG     92.808684
# Name: price, dtype: float64

gappy = pd.Series([1.0, None, 3.0])
print(gappy.sum(), gappy.mean(), gappy.isna().tolist())   # 4.0 2.0 [False, True, False]

import pandas as pd

# A stray space and a lower-case letter make "the same" symbol two labels
raw = pd.Series([1, 2], index=["AAPL", "aapl "])
print(raw.index.is_unique)                     # True: they look different

raw.index = raw.index.str.strip().str.upper()  # clean the labels
print(raw.index.is_unique)                     # False: now both are "AAPL"
print(raw["AAPL"].tolist())                    # [1, 2]   a duplicate label returns a Series

merged = raw.groupby(level=0).sum()            # combine duplicates (groupby comes soon)
print(merged.to_dict())                        # {'AAPL': 3}

• pd.Series(values, index=labels, name=...)。ラベルは s["A"]、位置は s.iloc[0] で読む
• 演算はラベルで揃う（和集合のインデックス、欠けは NaN）。a.add(b, fill_value=0) は欠けを0にする
• sort_values・abs・idxmax・s / s.iloc[0] * 100。結果は新しい Series で、元は変わらない

次は pandas の DataFrame です。1つのインデックスを共有する Series でできた表です。

ラボ：採点される内容

• price_series で価格にシンボルのラベルを付ける25点
• total_exposure で2つの口座をラベルごとに合算する25点
• top_movers で最も大きく動いた銘柄を見つける25点
• rebase_to_100 で各価格を100基準にそろえる25点