はじめに #
PandasはPythonのデータ解析支援用ライブラリである。Pandasの基本データ構造であるSeriesとDataFrameの作成方法について述べる。
環境 #
| ソフトウェア | バージョン |
|---|---|
| python | 3.6.2 |
| pandas | 0.20.3 |
Pandas概要 #
Pandasではラベルを付与した配列を扱える。また、NumPyと異なり、1つのPandasオブジェクト内に異なるデータ型を保持できる。 扱える次元数とデータ構造の名称を下表に示す。
| 次元数 | データ構造 |
|---|---|
| 1 | Series |
| 2 | DataFrame |
| 3 | Panel |
ただし、Pandas Ver. 0.20では、Panelの使用は非推奨である（DataFrameのMuiltiIndex で代替できるため）。
1次元データ構造Seriesの作成 #
1次元のデータ構造Seriesは、リスト、NumPy配列、辞書型いずれかから作成できる。ラベルはindexで指定する。
>>> import numpy as np
>>> import pandas as pd
>>> list_data = [1, 2, 3] # リスト型データ
>>> Idx = ["a", "b", "c"] # ラベル
>>> pd.Series(list_data, index=Idx) # リストからSeriesを作成
a 1
b 2
c 3
dtype: int64
>>>
>>> pd.Series(list_data) # indexを未指定の場合、ラベルは0始まりの整数
0 1
1 2
2 3
dtype: int64
>>>
>>> pd.Series(np.array(list_data), index=Idx) # NumPy配列からSeriesを作成
a 1
b 2
c 3
dtype: int64
>>>
>>> dict_data = {"c":3, "a":2, "b":1}
>>> pd.Series(dict_data) # 辞書型から作成
a 2
b 1
c 3
dtype: int64
>>> # 辞書型では要素が順序づけされていなため、インデックスの順でソートされる
また、Seriesはnameと呼ばれる属性を持つことができる。
>>> A = pd.Series([1, 2, 3],
index=["a", "b", "c"],
name="Number") # name属性を定義
>>> A
a 1
b 2
c 3
Name: Number, dtype: int64
>>> A.name # name属性を取得
'Number'
2次元データ構造DataFrameの作成 #
2次元のデータ構造DataFrameは、リスト、NumPy配列、辞書型、Pandas.Seriesから作成できる。行のラベルはindex, 列のラベルはcolumnsで指定する。
>>> import numpy as np
>>> import pandas as pd
>>> list_data = [[1, 2, 3], [4, 5, 6]] # 2次元のリスト型データ
>>> Idx = ["a", "b"] # 行のラベル
>>> Col = ["one", "tow", "three"] # 列のラベル
>>> pd.DataFrame(list_data,
index=Idx,
columns=Col) # リストからDataFrameを作成
one tow three
a 1 2 3
b 4 5 6
>>> pd.DataFrame(list_data)
0 1 2
0 1 2 3
1 4 5 6
>>> # index, columnsを未指定の場合、ラベルは0始まりの整数
>>>
>>> pd.DataFrame(np.array(list_data),
index=Idx,
columns=Col) # NumPy配列からDataFrameを作成
one tow three
a 1 2 3
b 4 5 6
>>> dict_data = {"one":[1, 2, 3],
... "two":[4, 5, 6]}
>>>
>>> pd.DataFrame(dict_data) # 辞書型から作成
one two
0 1 4
1 2 5
2 3 6
>>>
>>> s1 = pd.Series([1, 2, 3], index=Col)
>>> s2 = pd.Series([4, 5, 6], index=Col)
>>> pd.DataFrame([s1, s2], index=Idx) # Pandas.Seriesから作成（その1）
one tow three
a 1 2 3
b 4 5 6
>>> # SeriesのindexがDataFrameのcolumnsになっていることに注意
>>>
>>> s3 = pd.Series([1, 2, 3], index=Col, name="c")
>>> s4 = pd.Series([4, 5, 6], index=Col, name="d")
>>> pd.DataFrame([s3, s4]) # Pandas.Seriesから作成（その2）
one tow three
c 1 2 3
d 4 5 6
>>> # Seriesにnameが存在していれば、DataFrameのindexになる
また、DataFrame自身はname属性を持たない代わりに、indexがname属性を持つ。
>>> A = pd.DataFrame([[1, 2, 3], [4, 5, 6]],
index=["a", "b"],
columns=["one", "tow", "three"])
>>> A.index.name="Row"
>>> A
one tow three
Row
a 1 2 3
b 4 5 6
補足 #
欠落値を持つデータ #
データの欠落箇所は、numpy.nanで補う。
>>> pd.Series([1, np.nan, 3], index=["a", "b", "c"])
a 1.0
b NaN
c 3.0
dtype: float64
要素を持たないデータ #
引数をとらないことにより、要素を持たないSeries, DataFrameオブジェクトを作成できる。
>>> pd.Series()
Series([], dtype: float64)
>>>pd.DataFrame()
Empty DataFrame
Columns: []
Index: []
データ型 #
Series, Dataframeのdtypeパラメータにより、データ型を設定できる。
>>> pd.Series([1, 2, 3], dtype=float)
0 1.0
1 2.0
2 3.0
dtype: float64
>>> pd.Series([1, 2, 3], dtype=int)
0 1
1 2
2 3
dtype: int32
参考 #
Pandasの公式ドキュメントを参考とした。
Intro to data structures — pandas 1.1.5 documentation pandas.Series — pandas 1.1.5 documentation pandas.DataFrame — pandas 1.1.5 documentation
