pandasでのDataFrameの作り方編集方法

Pythonで表(行列データ、DataFrame)が作れるようになる
DataFrameからの情報の取得方法が身につく
PythonでExcel業務を自動化する前知識が身につく

(本記事のコードを作成した開発環境はGoogle Colaboratory Python 3.7.13 となります。)

PythonではExcelで扱うような行列データをDataFrame(データフレーム)といい、このDataFrameを扱うのにPandasというライブラリーを使用します。

Pandasを使えば行列データ(DataFrame)の編集、ソート、vlookupのような結合といったExcelでできることはもちろん、統計量の表示なんかも簡単にできたりします。

PythonでExcel業務を自動化するためには必須のライブラリーになります。本記事では、Pandasを使ってのDataFrameの作成、編集、各情報の取得などを行って行きたいと思います。

Pandasを使えば、ExcelデータやCSV、行列のテキストの取り込みもできますが、それは別記事で紹介したいと思います。

DataFrameについて
DataFrameの作り方
index名、column名の変更
DataFrameから値、行、列を取得する
DataFrameの値の変更
行と列を入れ替える
DataFrameの情報を取得

DataFrameについて

DataFrameでは「行＝rows」、「列＝columns」といいます。構造としてはExcelと同じなので感覚的に見方がわかると思います。

コードを書くときに「行」を表すのには「rows」となりますが、「行名」を表すときには「index」となります。ここはややこしいと思います。ソートを掛けるときは「index」で指示しますが、表示する行数を指示する時は「rows」を使うイメージです。

DataFrameの作り方

pandasを下記のコードでインポートします。

import pandas as pd

1	import pandas as pd

GoogleColaboratoryを使用していればPandasは最初っから入っているようなので「!pip」でインストールする必要はありません。

クラス「DataFrame」を使ってDataFrameオブジェクトを作成していきます。クラス「DataFrame」の引数は5つあります。

pd.DataFrame( 第1引数 , 第2引数 , 第3引数 , 第4引数 , 第5引数 )

引数番号	引数名	必須/任意	備考
第1引数	data	必須	データとなる値を入れる
第2引数	index	任意	index名を設定指定がない場合は0から順番にラベリングされる
第3引数	columns	任意	columns名を設定指定がない場合は0から順番にラベリングされる
第4引数	dtype	任意	データ型を指定(1つのデータ型しか設定できない) 指定しない場合は自動で選ばれる
第5引数	copy	任意	オブジェクトを生成する時にコピーを作るかを決める　初期値はFalseでコピーを作らない設定

(今回、第4引数のdtypeと第5引数のcopyは解説を省略します。)

実際にDataFrameを作ってみましょう。

df1 = pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]])
df1

1 2	df1 = pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]]) df1

上記のコードでは変数「df1」に作成したDataFrameオブジェクトを代入しています。このように、DataFrameの第1引数のdataの値を入れられればDataFrameオブジェクトを簡単に作ることができます。

続きて第2引数のindexと第3引数のcolumnsを指定してみたいと思います。

                     ###### 第1引数(data) ######   #### 第2引数(index)###   ### 第3引数(columns)###
df2 = pd.DataFrame( [[1,2,3],[4,5,6],[7,8,9]] , ["idx1","idx2","idx3"] , ["col1","col2","col3"])
df2

###### 第1引数(data) ###### #### 第2引数(index)### ### 第3引数(columns)###

df2 = pd.DataFrame( [[1,2,3],[4,5,6],[7,8,9]] , ["idx1","idx2","idx3"] , ["col1","col2","col3"])

df2

上記のようにすればdataの値、index名、columns名を一緒に設定することができます。

ただ、私はこの書き方ではコードが読みずらいため、

引数名＝で指示すれば引数の記入順番が無視できる
「 , 」の後に改行できる

ことを利用して下記のように書くようにしています。

df2 = pd.DataFrame(data = [[1,2,3],[4,5,6],[7,8,9]],
                  columns = ["col1","col2","col3"],
                  index = ["idx1","idx2","idx3"])
df2

df2 = pd.DataFrame(data = [[1,2,3],[4,5,6],[7,8,9]],

columns = ["col1","col2","col3"],

index = ["idx1","idx2","idx3"])

df2

皆さんもコードが見やすくなるように工夫してみましょう。

index名、column名の変更

index名、column名を変える方法は2種類あります。

index、columnsメソッドを使ってもとある情報に上書きする方法
renameメソッドを使って変更するよ方法

❶ index、columnsメソッドを使ってDataFrameno情報に上書きする方法

上記で作成した変数「df2」のindex名及びcolumns名を変更してみたいと思います。

#コード1
df2.index = ["行1","行2","行3"]
df2

#コード2
df2.columns = ["列1","列2","列3"]
df2

#コード1

df2.index = ["行1","行2","行3"]

df2

#コード2

df2.columns = ["列1","列2","列3"]

df2

このように変更したいDataFrameにindexもしくはcolumnsメソッドをつけてlistで指示することで変更することができます。この時、listの要素の数が変更したいDataFrameと一致していないとエラーが発生します。

➋ renameメソッドを使って変更するよ方法

❶と同じように renameメソッドでもindex名及びcolumns名を変更してみたいと思います。

#コード1
df2 = df2.rename(index = {"idx1":"行1","idx2":"行2","idx3":"行3"} )
df2


#コード2
df2.rename(columns = {"col1":"列1","col2":"列2","col3":"列3"},inplace = True )
df2

#コード1

df2 = df2.rename(index = {"idx1":"行1","idx2":"行2","idx3":"行3"} )

df2

#コード2

df2.rename(columns = {"col1":"列1","col2":"列2","col3":"列3"},inplace = True )

df2

index、columnsメソッドでは上書きする形でDataFrameを変更できましたが、renameメソッドでは「df = 」のように違う変数を最初に設定して変更後のDataFrameを再度、変数に代入するか(#コード1)、引数inplaceに「True」を入れなければ(#コード2)変更されません。

しかし、index名及びcolumns名を同時に変更することができます。

df3 = df2.rename(columns = {"col1":"列1","col2":"列2","col3":"列3"},
               index = {"idx1":"行1","idx2":"行2","idx3":"行3"} )
df3

df3 = df2.rename(columns = {"col1":"列1","col2":"列2","col3":"列3"},

index = {"idx1":"行1","idx2":"行2","idx3":"行3"} )

df3

DataFrameから値、行、列を取得する

❶ 値の取得

DataFrameの中から任意の座標の値を取得してみたいと思います。座標の指示方法には2種類あります。

１．行名、列名で指示
２．行数、列数で指示

行名と列名で指示したいときはlocメソッド、行数と列数で指示したい場合はilocメソッドで行います。試しに先に出したDataFrame「df3」の真ん中の値「5」をlocメソッド、ilocメソッドを使って取得します。

#DataFrame名.loc [ "index名" , "columns名" ] 
df3.loc[  "行2" ,  "列2"  ]

####出力内容###
5
############



#DataFrame名.iloc [ index番号 , columns番号 ] 
df3.iloc[  1 , 1  ]

####出力内容###
5
############

#DataFrame名.loc [ "index名" , "columns名" ]

df3.loc[ "行2" , "列2" ]

####出力内容###

############

#DataFrame名.iloc [ index番号 , columns番号 ]

df3.iloc[ 1 , 1 ]

####出力内容###

############

ilocメソッドでindex番号 , columns番号を指示する時の注意点として数えは「0」から始まることを覚えておく必要があります。一番左上が原点になりますがこの部分の座標は[０,０]になります。そのため、行2、列2の座標が[1,1]になるのです。

➋ 行、列の取得

スライス( ： )とlocメソッドもしくはilocメソッドを使うことで、一部の指定した行もしくは列をDataFrameとして取得することができます。下記にlocメソッドを使った例を掲載します。

#DataFrame名.loc [ "index名" , "columns名" ] 
df3.loc[  "行2" ,  "列2"  ]

1 2	#DataFrame名.loc [ "index名" , "columns名" ] df3.loc[ "行2" , "列2" ]

ちなみにindexもしくはcolumnsを指定しないと全行もしくは全列取得されます。

df3.loc [ : , "列2":"列3" ]

1	df3.loc [ : , "列2":"列3" ]

DataFrameの値の変更

locメソッドもしくはilocメソッドを使って、変更箇所を指定し、代入することでDataFrameの値を変更することができます。例として「df3」の真ん中の値「5」をlocメソッドで「50」に変更してみたいと思います。

df3.loc["行2","列2"]=50
df3

1 2	df3.loc["行2","列2"]=50 df3

また、スライス( ： )と変更内容をlistで指示することで行、列単位で変更することも可能です。

#コード1
df3.loc["行3",:]= [70,80,90]
df3


#コード2
df3.loc[:,"列1"]= ["東京","埼玉","千葉"]
df3

#コード1

df3.loc["行3",:]= [70,80,90]

df3

#コード2

df3.loc[:,"列1"]= ["東京","埼玉","千葉"]

df3

行と列を入れ替える

pandasでは行と列の入れ替えもすごく簡単にできます。入れ替えたいDataFrameの後ろに「T」を付けるだけです。

df3.T

df3.T

DataFrameの情報を取得

最後にDataFrame自体の各情報の確認方法をまとめました。情報を取得するDataFrameは下記の「df3」とします。

列数と行数の取得

DataFrame名.shape

df3.shape

####出力内容####
(3, 3)
#############

df3.shape

####出力内容####

(3, 3)

#############

index名、column名の取得

DataFrame名.index
DataFrame名.columns
index名もしくはcolumns名とそのデータタイプ(dtype)が出力されます。

df3.index

###出力内容###
Index(['行1', '行2', '行3'], dtype='object')
###########


df3.columns

###出力内容###
Index(['列1', '列2', '列3'], dtype='object')
###########

df3.index

###出力内容###

Index(['行1', '行2', '行3'], dtype='object')

###########

df3.columns

###出力内容###

Index(['列1', '列2', '列3'], dtype='object')

###########

列ごとのデータ型を確認できる

DataFrame名.dtypes

df3.dtypes

1	df3.dtypes

全体的に見たいとき

DataFrame名.info()

df3.info()

1	df3.info()

「non-null」というのは欠損値(空欄の箇所)でないデータ数を示しています。

下の例のようにわざと欠損値を作った「df4」というDataFrameをinfoメソッドで確認するとcolumnsのcol3の「non-null」の値が2になっており1つ欠損値「NaNとなっている値」があることがわかります。

#コード1
df4 = pd.DataFrame(data = [[1,3],[4,5,6,],[7,8,9,]],
                  columns = ["col1","col2","col3"],
                  index = ["idx1","idx2","idx3"],)
df4



#コード2
df4.info()