Pandasxフーリエ
pandas階層インデックス
まずjupyter notebookにライブラリを導入します
1.複数行インデックスの作成暗黙構造で最も一般的な方法は、DataFrame構造関数のindexパラメータに2つ以上の配列 を渡すことです.
Seriesは多層インデックスを作成することもできます
DataFrame 2段カラムインデックスの作成
構造pdを表示する.MultiIndex
配列の使用
構造pdを表示する.MultiIndex使用配列
tupleの使用
productを使うのが一番簡単で、お勧めです.
複数カラムインデックス
行インデックスindexに加えて、カラムインデックスcolumnsも同様の方法で多層インデックスを作成できます.productの使用が最も簡単で、推奨 複数カラムインデックス
3.多層索引オブジェクトの索引とスライス操作
1)Seriesの操作【重要】Seriesにとって、直接中括弧[]と使用する.loc()はまったく同じなので、中括弧インデックスとスライスを推奨します.(1)インデックス
#3.多層インデックスオブジェクトのインデックスとスライス操作
以上が3つの異なる方法の取期中の値です
2)DataFrameの操作
(1)カラム名を直接使用してカラムインデックスを行うことができます(2)ローインデックスを使用するにはix(),loc()などの関数を使用する必要があります【極めて重要】loc()関数を使用することをお勧めします.ローインデックスを使用する場合、1レベルのローインデックスが複数ある場合、2レベルのローインデックスに問題が発生します.つまり、二次インデックスを直接インデックスすることはできません.二次インデックスを一次インデックスにしてからインデックスする必要があります.
インデックススタック
5.集約操作
注意】axis【テクニック】とunstack()を逆に指定する必要があります.集約するとき、axisがどれに等しいか、どれが保持されます.いわゆる集約操作:平均数、分散、最大値、最小値......
フーリエ
最後に、出力された画像は以下のようになります.
まずjupyter notebookにライブラリを導入します
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
1.複数行インデックスの作成
Seriesは多層インデックスを作成することもできます
In[]:
s = Series(np.random.randint(0,150,size=6),index=[['a','a','b','b','c','c'],[' ',' ',' ',' ',' ',' ']])
s
Out[]:
a 59
43
b 28
99
c 92
58
dtype: int32
In[]:
df = DataFrame(s,columns=['python'])
df
Out[]:
python
a 59
43
b 28
99
c 92
58
DataFrame 2段カラムインデックスの作成
```python
In[]:
df1 = DataFrame(np.random.randint(0,150,size=(4,6)),
index = list(' '),
columns=[['python','python','math','math','En','En'],[' ',' ',' ',' ',' ',' ']])
df1
Out[]:
python math En
45 48 74 142 81 22
27 61 7 146 42 129
25 36 99 14 143 62
9 107 146 33 31 0
構造pdを表示する.MultiIndex
配列の使用
構造pdを表示する.MultiIndex
# pd.MultiIndex
- ** **
```python
In[]:
df2 = DataFrame(np.random.randint(0,150,size=(4,6)),
index = list(' '),
columns=[['python','python','math','math','En','En'],[' ',' ',' ',' ',' ',' ']])
df2
Out[]:
python math En
139 55 22 14 77 95
9 90 131 114 78 131
26 86 27 117 142 91
53 1 128 67 12 63
<div class="se-preview-section-delimiter"></div>
tupleの使用
- ** tuple**
```python
In[]:
df3 = DataFrame(np.random.randint(0,150,size=(4,6)),
index = list(' '),
columns =pd.MultiIndex.from_tuples([('python',' '),('python',' '),
('math',' '),('math',' '),
('En',' '),('En',' ')]))
df3
Out[]:
python math En
32 72 2 102 136 128
124 0 145 83 69 50
120 128 84 129 130 134
143 70 76 112 124 75
<div class="se-preview-section-delimiter"></div>
productを使うのが一番簡単で、お勧めです.
複数カラムインデックス
行インデックスindexに加えて、カラムインデックスcolumnsも同様の方法で多層インデックスを作成できます.
index， columns
```python
In[]:
df4 = DataFrame(np.random.randint(0,150,size=(8,12)),
columns = pd.MultiIndex.from_product([[' ',' '],
[' ',' ',' ',' ',' ',' ']]),
index = pd.MultiIndex.from_product([[' ',' '],
[' ',' '],
[' ',' ']]))
df4
Out[]:
61 90 97 6 118 127 143 35 79 4 90 54
96 128 146 107 148 62 68 7 104 103 78 2
67 14 115 81 33 76 123 26 45 100 138 91
32 85 149 47 15 33 8 131 138 45 95 91
65 83 100 17 63 115 74 8 116 121 107 42
125 93 146 25 99 115 134 5 13 72 119 119
4 144 114 79 22 47 44 111 116 124 11 54
16 109 1 104 62 128 104 1 16 19 97 38
<div class="se-preview-section-delimiter"></div>
3.多層索引オブジェクトの索引とスライス操作
1)Seriesの操作【重要】Seriesにとって、直接中括弧[]と使用する.loc()はまったく同じなので、中括弧インデックスとスライスを推奨します.(1)インデックス
#3.多層インデックスオブジェクトのインデックスとスライス操作
1）Series
【 】 Series ， [] .loc() ， ， 。
(1)
```python
In[]: s
Out[]:
a 59
43
b 28
99
c 92
58
dtype: int32
<div class="se-preview-section-delimiter"></div>
```python
In[]:
s['a',' ']
Out[]:
59
In[]:
# ，
s[['a','b']]
Out[]:
a 59
43
b 28
99
dtype: int32
In[]:
s.a.
Out[]:
59
In[]:
s['a'][[' ',' ']][' ']
Out[]:
59
以上が3つの異なる方法の取期中の値です
In[]:
s.loc['a']
Out[]:
59
43
dtype: int32
In[]:
#iloc
s.iloc[:5]
Out[]:
a 59
43
b 28
99
c 92
dtype: int32
2)DataFrameの操作
(1)カラム名を直接使用してカラムインデックスを行うことができます(2)ローインデックスを使用するにはix(),loc()などの関数を使用する必要があります【極めて重要】loc()関数を使用することをお勧めします.ローインデックスを使用する場合、1レベルのローインデックスが複数ある場合、2レベルのローインデックスに問題が発生します.つまり、二次インデックスを直接インデックスすることはできません.二次インデックスを一次インデックスにしてからインデックスする必要があります.
In[]:
df4
Out[]:
61 90 97 6 118 127 143 35 79 4 90 54
96 128 146 107 148 62 68 7 104 103 78 2
67 14 115 81 33 76 123 26 45 100 138 91
32 85 149 47 15 33 8 131 138 45 95 91
65 83 100 17 63 115 74 8 116 121 107 42
125 93 146 25 99 115 134 5 13 72 119 119
4 144 114 79 22 47 44 111 116 124 11 54
16 109 1 104 62 128 104 1 16 19 97 38
In[]:
df4[' '][[' ',' ']]
Out[]:
90 61
128 96
14 67
85 32
83 65
93 125
144 4
109 16
In[]:
df4.loc[' ',' ',' '][' ',' ']
Out[]:
61
90
97
6
118
127
143
35
79
4
90
54
Name: ( , , ), dtype: int32
In[]:
#iloc
df4.iloc[0]
Out[]:
61
90
97
6
118
127
143
35
79
4
90
54
Name: ( , , ), dtype: int32
In[]:
# . , , ,
#
df4. . . . .
Out[]:
61
In[]:
a=df4[' ']
a
Out[]:
143 35 79 4 90 54
68 7 104 103 78 2
123 26 45 100 138 91
8 131 138 45 95 91
74 8 116 121 107 42
134 5 13 72 119 119
44 111 116 124 11 54
104 1 16 19 97 38
インデックススタック
stack()
unstack()
【 】 stack() ，level ， ， 。
【 】 unstack() ，level ， ， 。
5.集約操作
注意】axis【テクニック】とunstack()を逆に指定する必要があります.集約するとき、axisがどれに等しいか、どれが保持されます.いわゆる集約操作:平均数、分散、最大値、最小値......
フーリエ
import numpy as np
from PIL import Image
# fft ，
from numpy.fft import fft, ifft
import matplotlib.pyplot as plt
# ： ， ，
# ： ， ，
# ： ， ，
# ： ->
cat = plt.imread('./cat.jpeg')
#
cat.tobytes()
#
# 2
# uint8 255
cat_data = np.fromstring(cat.tobytes(),np.int8)
cat_data
Out[]:
array([ -25, -70, -125, ..., -68, 95, 62], dtype=int8)
cat_fft = fft(cat_data)
# --
cat_fft
Out[]:
array([-1569123. +0.j ,
-7005918.98362136+12604783.28030717j,
-2819481.22749804 +8877463.78907501j, ...,
622731.5619853 -2775345.73593521j,
-2819481.22749811 -8877463.789075j ,
-7005918.98362145-12604783.28030712j])
#
cond=np.abs(cat_fft) < 1e5
#
cat_fft[cond] = 0
#
cat_ifft = ifft(cat_fft)
cat_ifft
Out[]:
array([-31.23561646+8.36461177e-13j, 39.44677252-4.54933103e-13j,
-31.5575318 -3.42927554e-13j, ..., -17.97882673+8.64438000e-13j,
56.94689652-3.02996114e-13j, -4.95576222-8.46613566e-13j])
#
cat_real = np.real(cat_ifft)
cat_real
Out[]:
array([-31.23561646, 39.44677252, -31.5575318 , ..., -17.97882673,
56.94689652, -4.95576222])
#jpg,
cat_result = np.int8(cat_real)
cat_result
Out[]:
array([-31, 39, -31, ..., -17, 56, -4], dtype=int8)
luokuo = Image.frombytes(mode='RGB', size=(730,456), data=cat_result)
luokuo
最後に、出力された画像は以下のようになります.