Python初心者向け：DataFrameのデータ選択を基本から解説

▶ データ分析を基本から学びたい場合は、以下の記事をご覧ください。

Python初心者の方向けに、データ分析の基礎知識を身につけるための学習ステップをご紹介します。最初は細部にこだわらず、概要を把握したら実際にデータを扱ってみるのがよいです。とにかく実際のデータに触れるために、大前提となる最低限の知識を身につけるのが一番です。

この記事はこんな方におススメです

pythonによるデータ分析を学び始めたばかりでpandasライブラリの基本を学びたい方
DataFrameのデータ選択方法について基本を学びたい方
「DataFrameについての基本」を速習したい方

はじめに

今回はpandasのデータ構造の１つであるDataFrameのデータ選択方法を基本から解説していきます。DataFrameのデータ選択方法もいくつもあるため、１つずつ整理して理解を深めていきましょう。

DataFrameのデータ選択

辞書のイメージで

まず、辞書のイメージでデータを選択する方法をご紹介します。Seriesのときには、見出し（index）を指定してデータを選択しました。DataFrameでは列方向の見出し（columns）を使ってデータを選択することができます。各列がSeriesオブジェクトとなっていて、これが列方向の見出し（columns）と対応しています。

例をみてみましょう。まずはサンプルのDataFrameを作りましょう。

▶ pandasのデータ構造やDataFrameの作り方を学ぶ場合は以下の記事をどうぞ。

Python初心者向け：Pandasのデータ構造を基本から解説

Pythonでデータ分析を始める方向けにpandasライブラリを基本から解説します。まずはpandasのデータ構造を学びましょう。Serires、DataFrame、Indexのデータ構造がありますが、今回はSeriresとDataFrameの基本を解説していきます。

# DataFrameの列となるSeriesを作成
animals=pd.Series(['らくだ','ねこ','きりん','しまうま','らいおん'])
zoos=pd.Series(['うえの','うえの','あさひやま','ズーラシア','こどもどうぶつえん'])
ages=pd.Series([8,4,2,6,1])

# DataFrameを作成
animal_df=pd.DataFrame({'なまえ':animals,'どうぶつえん':zoos,'年齢':ages})
animal_df

このコードで次のサンプルデータができます。

このDataFrameから「どうぶつえん」のデータのみを抽出してみましょう。DataFrameの作り方からもわかるように、DataFrameはSeriesの集まりと考えることができます。辞書型と同じように角括弧でcolumns名を指定することで、Seriesを抽出できます。

animal_df['どうぶつえん']

0          うえの
1          うえの
2        あさひやま
3        ズーラシア
4    こどもどうぶつえん
Name: どうぶつえん, dtype: object

2次元配列と同じように

次に2次元配列として考えてみましょう。この場合は、Seriesのところでも紹介したように、loc属性、iloc属性を使います。これは別の記事にまとめてあるので、これを参照してください。

▶ loc、iloc属性を使ったデータ選択は以下の記事をご覧ください。

Python初心者向け：loc,ilocの使い方を基本から解説

Python初心者でもわかるようにloc, ilocの使い方を説明していきます。locもilocも行、列を指定してデータを取り出します。両者の違いはlocは行を番号で指定し、ilocは行をindexで指定します。これを押さえておけばすぐに使いこなせるようになります。

その他の規則

「辞書のイメージ」のところで、列を参照する方法を扱いましたが、スライスは「行」を参照します。これもややこしい部分ですが、はじめにこういうルールとなっていることを注意して学んでおけば大丈夫です。この動きを確認しておきましょう。

animal_df[1:4]

この結果は次のようになります。

行の見出し（index）が数字の場合もみておきましょう。

# 行のインデックスを文字列にする
animal_df2=animal_df.copy()
animal_df2.index=['どうぶつ1','どうぶつ2','どうぶつ3','どうぶつ4','どうぶつ5']
animal_df2

このDataFrameでスライスをしてみましょう。

animal_df2['どうぶつ2':'どうぶつ5']

この結果がどうなるか想像できますか？

Seriesのときに紹介した注意事項と同じように、スライスは見出し（index）が数字の時と文字列の時で挙動が違うので注意しましょう。数字の時は「:」のあとの見出し（数字）を含まない、文字列のときは「:」のあとの見出し（文字列）を含む、となるので注意してください。

最後にマスキング処理ですが、これは次の形となります。dfというDataFrameがあるとして、

df[条件式]

の形でデータを抽出することができます。この場合も列に対してではなく、行に対して解釈されます。一つだけ例を見ておきましょう。

animal_df[animal_df['年齢']>3]

まとめ

いかがでしたか？今回はDataFrameのデータ選択方法についてご紹介しました。

DataFrameは、Seriesオブジェクトを辞書として管理しているという解釈ができ、角括弧[ ] でcolumnsをお指定してデータ選択することができる。
loc, iloc属性を持っていて、この属性を用いたデータ選択ができる
スライスでは行の参照ができる。行方向の見出し（index）が数字か文字列かで挙動が違うので注意が必要

▶ Seriesのデータ選択はこちらの記事をお読みください。

Python初心者向け：Seriesのデータ選択を基本から解説

pandasのデータ構造であるSeriesとDataFrameのデータ選択方法を基本から解説します。いくつかの方法があるのですが、はじめの理解があやふやだと後で混乱してしまうでしょう。SeriesとDataFrameに分けて、順に整理していきましょう。

▶ データ分析を基本から学びたい場合は、以下の記事をごらんください。

Pythonでデータ分析をするための基礎知識を学ぶステップ