【Pandas】DataFrameの要素へアクセスする方法

Pandas
2024/11/19
この記事は約7分で読めます。

こんにちは、JS2IIUです。DataFrameの一部分要素を取り出して操作することはPandasを使うにあたって必要となってきます。使い方を把握して、使いこなせるようにしていきましょう。今回もよろしくお願いします。

はじめに

Pandasは、Pythonでデータ分析や処理を行う際の必須ライブラリです。その基本構造であるDataFrameは、行と列のラベル付きデータを格納する2次元のデータ構造で、多くの場面で利用されています。データに効率的にアクセスすることは、データ分析の基本スキルです。

この記事では、DataFrameの要素にアクセスする方法を詳しく解説します。特に以下のトピックを中心に扱います。

  • ラベルベースのアクセス方法（.loc）とインデックスベースのアクセス方法（.iloc）
  • カラムや行への個別アクセスと条件に基づくフィルタリング
  • 高速な要素アクセスを可能にする.atと.iat

これらを正確に使い分けることで、効率的かつ柔軟にデータを操作できるようになります。

DataFrameの要素アクセス方法

Pandasには、さまざまな方法でDataFrameの要素へアクセスできます。それぞれの使い方と特長を理解しておくと、状況に応じた適切な選択が可能になります。

1. .loc（ラベルベースのアクセス）

  • 概要: 行や列の「ラベル」を使用してアクセスします。
  • 用途: 行名や列名が分かっている場合に便利です。スライスや条件式によるフィルタリングも可能です。

2. .iloc（インデックスベースのアクセス）

  • 概要: 行や列の「位置」を使用してアクセスします（0から始まる整数インデックス）。
  • 用途: ラベルが不明でも、行・列の番号が分かっている場合に使用します。

3. .at（単一要素への高速アクセス）

  • 概要: 行と列のラベルを指定して1つの要素に高速にアクセスします。
  • 用途: ラベル指定で、頻繁に単一要素を参照・更新する場合。

4. .iat（インデックスベースの高速アクセス）

  • 概要: 行と列の位置を指定して1つの要素に高速にアクセスします。
  • 用途: インデックス指定で、頻繁に単一要素を参照・更新する場合。

サンプルコード

以下は、さまざまな要素アクセス方法を使った例です。

import pandas as pd

# サンプルデータを作成
data = {
    "Name": ["Alice", "Bob", "Charlie", "David"],
    "Age": [25, 30, 35, 40],
    "Score": [85, 90, 95, 100]
}
df = pd.DataFrame(data)

# 1. .loc を使ったラベルベースのアクセス
row_by_label = df.loc[1]  # ラベル（行名）で行を取得
col_by_label = df.loc[:, "Age"]  # ラベルで列を取得
filtered_by_condition = df.loc[df["Score"] > 90]  # 条件フィルタリング

# 2. .iloc を使ったインデックスベースのアクセス
row_by_index = df.iloc[2]  # 行インデックスで取得
col_by_index = df.iloc[:, 1]  # 列インデックスで取得
sliced_data = df.iloc[1:3, 0:2]  # スライスで部分取得

# 3. .at を使った単一要素へのアクセス
single_value_at = df.at[0, "Name"]  # ラベルでアクセス

# 4. .iat を使った単一要素へのアクセス
single_value_iat = df.iat[2, 2]  # インデックスでアクセス

# 結果を表示
print("DataFrame:\n", df)
print("\n.locでラベルベースの行取得:\n", row_by_label)
print("\n.locでラベルベースの列取得:\n", col_by_label)
print("\n.locで条件フィルタリング:\n", filtered_by_condition)
print("\n.ilocでインデックスベースの行取得:\n", row_by_index)
print("\n.ilocでスライス取得:\n", sliced_data)
print("\n.atで単一要素取得:", single_value_at)
print("\n.iatで単一要素取得:", single_value_iat)

コードの解説

サンプルデータの作成

  • pd.DataFrameを使って、名前・年齢・スコアを含むデータを作成します。

.locの使用

  • df.loc[1]でラベル1に該当する行を取得します。
  • df.loc[:, "Age"]でAge列全体を取得します。
  • df.loc[df["Score"] > 90]で、Scoreが90より大きい行をフィルタリングします。

.ilocの使用

  • df.iloc[2]で3番目の行（インデックス2）を取得します。
  • df.iloc[:, 1]で2番目の列（インデックス1）を取得します。
  • df.iloc[1:3, 0:2]で特定範囲の部分データを取得します。

.atと.iatの使用

  • .atはラベルを使って単一の要素に高速アクセスします（例: df.at[0, "Name"]）。
  • .iatはインデックスを使って単一の要素に高速アクセスします（例: df.iat[2, 2]）。

実行結果

上記のコードを実行すると、以下のような結果が得られます。

DataFrame:
       Name  Age  Score
0    Alice   25     85
1      Bob   30     90
2  Charlie   35     95
3    David   40    100

.locでラベルベースの行取得:
 Name     Bob
Age       30
Score     90
Name: 1, dtype: object

.locでラベルベースの列取得:
 0    25
1    30
2    35
3    40
Name: Age, dtype: int64

.locで条件フィルタリング:
       Name  Age  Score
2  Charlie   35     95
3    David   40    100

.ilocでインデックスベースの行取得:
 Name    Charlie
Age          35
Score        95
Name: 2, dtype: object

.ilocでスライス取得:
       Name  Age
1      Bob   30
2  Charlie   35

.atで単一要素取得: Alice

.iatで単一要素取得: 95

まとめ

  • .locと.ilocを使い分けることで、ラベルベースとインデックスベースの柔軟なアクセスが可能です。
  • 条件フィルタリングを活用すれば、データ分析が効率的に行えます。
  • .atと.iatは高速に単一要素にアクセスするために最適です。

参考リンク

今回も少しだけPRです。

Pandasについて詳しく知りたいかた、もっと使いこなしたい方におすすめの本です。数年前に購入しましたが、今も手元に置いて時々見返しています。

「pandasクックブック Pythonによるデータ処理のレシピ」Theodore Petrou著、黒川利明訳。

最後まで読んでいただきありがとうございます。73

コメント

タイトルとURLをコピーしました