pandas: DataFrame

immutable

生成

属性

行名のインデックス（ラベル）を取得または設定

code:python

print(df.index) # 出力: RangeIndex(start=0, stop=3, step=1)

列名を取得または設定

code:python

print(df.shape) # 出力: (3, 2)

各列のデータ型を取得

code:python

print(df.dtypes) # 出力:

# A int64

# B int64

# dtype: object

操作

列の参照

列のラベルを指定して列を取得

code:python

# 0 1

# 1 2

# 2 3

# Name: A, dtype: int64

行の参照

行をインデックス番号で指定して取得

code:python

# A 1

# B 4

# Name: 0, dtype: int64

複数行・複数列の参照

スライスやリストで複数行・列を指定して取得

code:python

# A B

# 0 1 4

# 1 2 5

条件に基づくフィルタリング

条件を満たす行を取得

code:python

# A B

# 1 2 5

# 2 3 6

新しい列の追加

計算結果やデータを用いて新しい列を追加

code:python

print(df) # 出力:

# A B C

# 0 1 4 5

# 1 2 5 7

# 2 3 6 9

列の削除

色々ある

code:py

# col2とcol3を削除

カラム削除時に元のDataFrameを保持するか、直接変更するかを選べる（inplace=True）。

複数カラムをまとめて削除したいときにも使いやすい

code:py

# col2を削除

# または

条件に基づいてカラムを削除できる。特定のカラムを除外する操作が可能。

条件付きでカラムを削除したいときや、特殊なフィルタリングを行いたい場合に有効。

code:py

# col2を削除して、そのデータを取得

col2_data = df.pop('col2')

カラムを削除すると同時に、そのカラムのデータを取得する

del

code:py

Pythonの標準的な方法

破壊的

転置

code:pu

df.T

すべての列が同じデータ型ではない場合に転置を使うと、列のデータ型は無視される

転置をして、更に転置をして戻すと、元の型情報が失われる

順番を変えられる

色々オプションが有る

カラム名の変更

code:py

df = df.rename(columns={'old_name1': 'new_name1', 'old_name2': 'new_name2'})

演算

要素ごとの演算

各要素に対してスカラー値の演算を行う

code:python

print(df * 2) # 出力:

# A B C

# 0 2 8 10

# 1 4 10 14

# 2 6 12 18

列ごとの演算

各列同士での演算を行う

code:python

print(df) # 出力:

# A B C D

# 0 1 4 5 4

# 1 2 5 7 10

# 2 3 6 9 18

結合・操作

code:python

df = pd.DataFrame({

})

print(df) # 出力:

# A B C

# 0 1 10 1

# 1 2 20 4

# 2 3 30 9

保存・読み込み

code:python

df.to_csv('output.csv', index=False)

code:python

df.to_excel('output.xlsx', index=False)

- Excel形式での保存は、ビジネス用途でよく使用される

code:python

df = pd.read_excel('input.xlsx')

print(df)

code:python

df.to_json('output.json')

- JSON形式での保存は、Webアプリケーションとのデータ連携などに使用される

code:python

df = pd.read_json('input.json')

print(df)