【完全保存版】pandasの基本的なデータ操作まとめ

はじめに

Pythonのデータ分析ライブラリ「pandas」は、データの読み込みから加工、分析まで幅広く活用できます。本記事では、pandasの基本的なデータ操作について、わかりやすくまとめました。データ分析を始める上で知っておきたい操作方法を網羅していますので、ぜひ参考にしてください。

Table of Contents

pandasは、Pythonでデータ分析を行うための強力なライブラリです。主な特徴は以下の通りです。

import pandas as pd

# CSVファイルを読み込む
df = pd.read_csv('data.csv')

# Excelファイルを読み込む
df = pd.read_excel('data.xlsx')

# CSVファイルとして書き出す
df.to_csv('output.csv', index=False)

# Excelファイルとして書き出す
df.to_excel('output.xlsx', index=False)

# 辞書からデータフレームを作成
data = {'名前': ['太郎', '花子', '次郎'],
        '年齢': [25, 30, 22]}
df = pd.DataFrame(data)
print(df)

出力：

    名前  年齢
0  太郎  25
1  花子  30
2  次郎  22

# 先頭5行を表示
print(df.head())

# 末尾5行を表示
print(df.tail())

# データの情報を表示
print(df.info())

# 統計量を表示
print(df.describe())

# '名前'列を選択
names = df['名前']
print(names)

# '名前'と'年齢'列を選択
df_selected = df[['名前', '年齢']]
print(df_selected)

# インデックスが0の行を選択
row = df.loc[0]
print(row)

# 年齢が25以上のデータを抽出
df_filtered = df[df['年齢'] >= 25]
print(df_filtered)

# 年齢の昇順で並べ替え
df_sorted = df.sort_values('年齢')
print(df_sorted)

# '年齢'の降順、'名前'の昇順で並べ替え
df_sorted = df.sort_values(['年齢', '名前'], ascending=[False, True])
print(df_sorted)

import numpy as np

data = {'名前': ['太郎', '花子', '次郎'],
        '年齢': [25, np.nan, 22]}
df = pd.DataFrame(data)

# 欠損値の数を確認
print(df.isnull().sum())

# 欠損値を含む行を削除
df_dropped = df.dropna()

# 欠損値を平均値で補完
df_filled = df.fillna(df['年齢'].mean())

# '得点'列を追加
df['得点'] = [85, 90, 78]

# '年齢'を2倍した値を'年齢×2'列として追加
df['年齢×2'] = df['年齢'] * 2

# 新しい行を追加
df = df.append({'名前': '四郎', '年齢': 24, '得点': 82}, ignore_index=True)

# '名前'でグループ化して'得点'の平均を計算
df_grouped = df.groupby('名前')['得点'].mean()
print(df_grouped)

# データフレームを縦に結合
df_combined = pd.concat([df1, df2])

# 共通のキーでデータフレームをマージ
df_merged = pd.merge(df_left, df_right, on='キー列')

pandasを使った基本的なデータ操作について解説しました。これらの操作を習得することで、データの読み込みから加工、分析まで一連の流れを効率的に進めることができます。

ご注意：本記事は情報提供を目的としており、特定の行動を推奨するものではありません。実際のデータ分析においては、データの性質や目的に応じて適切な方法を選択してください。