Pandasのデータ構造
Pandasでは、データの入出力、抽出、並べ替えなどの処理をすることができる。
Pandasでは、主に以下の２つのデータ構造が定義されている。
- Series：ラベル付きの１次元配列
- DataFrame：ラベル付きの２次元配列。スプレッドシートやデータベースのテーブルや辞書のようなもの。
pandas.Series()
まず、Seriesオブジェクトを作ってみる
import pandas as pd
s = pd.Series([10 , 4, 7, 34, 6])
s
#結果
#0 10
#1 4
#2 7
#3 34
#4 6
#dtype: int64
date_range()を使って日付をインデックスにすることもできる。
import pandas as pd
s = pd.Series([10 , 4, 7, 34, 6], index=date_range('1/1/2016', periods=5))
s
#結果
#2016-01-01 10
#2016-01-02 4
#2016-01-03 7
#2016-01-04 34
#2016-01-05 6
#Freq: D, dtype: int64
pandas.DataFrame()
次に、DataFrameオブジェクトを作ってみる。
適当に果物屋さんの売上のようなものでやってみましょうか。
import pandas as pd
fruit_sales = {'Fruits': ['Apple', 'Orange', 'Grape', 'Peach', 'Lemon'],
'Price': [100, 120, 150, 130, 90],
'Sold': [14, 40, 23, 25, 12]}
df = pd.DataFrame(fruit_sales)
df
#結果
# Fruits Price Sold
#0 Apple 100 14
#1 Orange 120 40
#2 Grape 150 23
#3 Peach 130 25
#4 Lemon 90 12
もちろん、インデックスを指定することもできる。
set_index()を使って、Fruitsをインデックスにしてみましょう。
import pandas as pd
fruit_sales = {'Fruits': ['Apple', 'Orange', 'Grape', 'Peach', 'Lemon'],
'Price': [100, 120, 150, 130, 90],
'Sold': [14, 40, 23, 25, 12]}
df = pd.DataFrame(fruit_sales)
df.set_index('Fruits', inplace=True)
df
#結果
# Price Sold
#Fruits
#Apple 100 14
#Orange 120 40
#Grape 150 23
#Peach 130 25
#Lemon 90 12
指定したカラムだけを抽出することもできる。
df = pd.DataFrame(fruit_sales)
df['Price']
#df.Price ←このようにドットでつなげても同じ結果が得られる
#結果
#0 100
#1 120
#2 150
#3 130
#4 90
#Name: Price, dtype: int64
複数のカラムを抽出することもできる。
df = pd.DataFrame(fruit_sales)
df[['Price', 'Sold']]
#結果
# Price Sold
#0 100 14
#1 120 40
#2 150 23
#3 130 25
#4 90 12
１次元配列(Series)であれば、tolist()を使って、指定したカラムの値をリストにすることが可能。
df = pd.DataFrame(fruit_sales)
df.Price.tolist()
#結果
#[100, 120, 150, 130, 90]
しかし、以下のように2次元配列(DataFrame)にはtolist()を使うことはできない。
DataFrameオブジェクトにはtolistという属性はないと怒られます。
df = pd.DataFrame(fruit_sales)
print(df[['Price', 'Sold']].tolist())
AttributeError: 'DataFrame' object has no attribute 'tolist'
こういった多次元のデータセットを扱うにはNumpyを使うのがいい。Numpyをインポートして、np.array()でN次元配列を扱うことができる。
import numpy as np
df = pd.DataFrame(fruit_sales)
print(np.array(df[['Price', 'Sold']]))
#結果
#[[100 14]
#[120 40]
#[150 23]
#[130 25]
#[ 90 12]]
