Pandasのデータフレーム構造を徹底解説：Values、Columns、Indexの理解と操作

2024年5月18日

URLをコピーしました！

1. はじめに

データ分析を行う際に、データを効率的に操作・管理するためにはPandasのデータフレームを理解することが非常に重要です。PandasはPythonのデータ分析ライブラリであり、データフレームはその中心的な構造です。本記事では、データフレームの基本構造であるValues（値）、Columns（列）、Index（インデックス）について詳しく解説します。

リンク

2. データフレームの基本構造

Pandasのデータフレームには、3つの主要な構成要素があります。それぞれの要素はデータフレームの操作や理解において重要な役割を果たします。

Values（値）

データフレームのValuesは実際のデータが格納されている部分です。行と列の交差点にある各セルに値が入っています。これらの値は数値、文字列、日付などさまざまなデータ型を持つことができます。

import pandas as pd

# データフレームの作成
data = {
    '名前': ['太郎', '花子', '次郎'],
    '年齢': [15, 16, 15],
    '得意科目': ['数学', '英語', '理科']
}
df = pd.DataFrame(data)

# 値の表示
print("Values (値):")
print(df.values)

上記のコードでは、df.valuesを使ってデータフレームのすべての値を表示しています。結果は次のようになります：

Values (値):
[['太郎' 15 '数学']
 ['花子' 16 '英語']
 ['次郎' 15 '理科']]

Columns（列）

Columnsはデータフレームの垂直方向の部分で、各列には名前が付いています。列は同じデータ型のデータを持ち、データのカテゴリや属性を表します。

# 列名の表示
print("Columns (列):")
print(df.columns)

このコードはデータフレームの列名を表示します。結果は次のようになります：

Columns (列):
Index(['名前', '年齢', '得意科目'], dtype='object')

Index（インデックス）

Indexはデータフレームの行を識別するラベルです。デフォルトでは0から始まる整数のシーケンスが使われますが、カスタムのインデックスを設定することもできます。インデックスを使うことで、行の特定やデータの参照が容易になります。

# インデックスの表示
print("Index (インデックス):")
print(df.index)

# インデックスの設定
df.set_index('名前', inplace=True)
print("新しいインデックスを設定したデータフレーム:")
print(df)

このコードはデータフレームのインデックスを表示し、「名前」列を新しいインデックスとして設定しています。結果は次のようになります：

Index (インデックス):
RangeIndex(start=0, stop=3, step=1)

新しいインデックスを設定したデータフレーム:
     年齢 得意科目
名前
太郎   15    数学
花子   16    英語
次郎   15    理科

3. データフレームの具体例

次に、具体的なデータフレームの例を使って、各構成要素を表示し、解説します。

import pandas as pd

# データフレームの作成
data = {
    '名前': ['太郎', '花子', '次郎'],
    '年齢': [15, 16, 15],
    '得意科目': ['数学', '英語', '理科']
}
df = pd.DataFrame(data)

# 値の表示
print("Values (値):")
print(df.values)

# 列名の表示
print("Columns (列):")
print(df.columns)

# インデックスの表示
print("Index (インデックス):")
print(df.index)

# インデックスの設定
df.set_index('名前', inplace=True)
print("新しいインデックスを設定したデータフレーム:")
print(df)

4. データフレーム操作の基本

列の選択と操作

特定の列を選択し、そのデータを操作する方法を学びます。

# 列の選択
print("'年齢'列のデータ:")
print(df['年齢'])

結果は次のようになります：

'年齢'列のデータ:
名前
太郎    15
花子    16
次郎    15
Name: 年齢, dtype: int64

行の選択と操作

特定の行を選択し、そのデータを操作する方法を学びます。

# 行の選択
print("'太郎'の行のデータ:")
print(df.loc['太郎'])

結果は次のようになります：

'太郎'の行のデータ:
年齢    15
得意科目    数学
Name: 太郎, dtype: object

新しい列の追加

データフレームに新しい列を追加する方法を学びます。

# 新しい列の追加
df['点数'] = [80, 90, 85]
print("新しい列を追加したデータフレーム:")
print(df)

結果は次のようになります：

新しい列を追加したデータフレーム:
     年齢 得意科目  点数
名前
太郎   15    数学  80
花子   16    英語  90
次郎   15    理科  85

インデックスのリセットと再設定

インデックスをリセットし、再設定する方法を学びます。

# インデックスのリセット
df.reset_index(inplace=True)
print("インデックスをリセットしたデータフレーム:")
print(df)

# インデックスの再設定
df.set_index('名前', inplace=True)
print("インデックスを再設定したデータフレーム:")
print(df)

結果は次のようになります：

インデックスをリセットしたデータフレーム:
   名前  年齢 得意科目  点数
0  太郎   15    数学  80
1  花子   16    英語  90
2  次郎   15    理科  85

インデックスを再設定したデータフレーム:
     年齢 得意科目  点数
名前
太郎   15    数学  80
花子   16    英語  90
次郎   15    理科  85

5. .locと.ilocの違いと活用

Pandasのデータフレームには、行や列を選択するための2つの重要な方法があります。それが.locと.ilocです。それぞれの違いと使い方を説明します。

.locの説明と例

.locはラベルベースでデータを選択します。インデックスや列の名前を使ってデータにアクセスします。

# 名前が'太郎'の行を選択
print(".locを使って'太郎'の行を選択:")
print(df.loc['太郎'])

# '年齢'列を選択
print(".locを使って'年齢'列を選択:")
print(df.loc[:, '年齢'])

結果は次のようになります：

.locを使って'太郎'の行を選択:
年齢      15
得意科目    数学
点数      80
Name: 太郎, dtype: object

.locを使って'年齢'列を選択:
名前
太郎    15
花子    16
次郎    15
Name: 年齢, dtype: int64

.ilocの説明と例

.ilocは位置ベースでデータを選択します。行番号や列番号を使ってデータにアクセスします。

# 1番目の行を選択（0から始まる）
print(".ilocを使って1番目の行を選択:")
print(df.iloc[0])

# 1番目の列を選択
print(".ilocを使って1番目の列

を選択:")
print(df.iloc[:, 1])

結果は次のようになります：

.ilocを使って1番目の行を選択:
年齢      15
得意科目    数学
点数      80
Name: 太郎, dtype: object

.ilocを使って1番目の列を選択:
名前
太郎    数学
花子    英語
次郎    理科
Name: 得意科目, dtype: object

6. まとめ

Pandasのデータフレームは、データ分析を行う上で非常に強力なツールです。データフレームの基本構造であるValues、Columns、Indexを理解することで、データの操作や管理がより効果的に行えるようになります。また、.locと.ilocを使い分けることで、必要なデータを簡単に選択できます。データフレームの操作をマスターして、データ分析のスキルを向上させましょう。

リンク