Pandasとは？SeriesやDataFrameを使いこなそう！

前のページ|次のページ

9章ではデータサイエンスにおいて必須ともいえるライブラリである『Pandas』の概要と『Series/DataFrame』について解説します。

また、データの概要を把握するのに役立つ『head/tailメソッド』と『describeメソッド』を紹介します。

ぜひ最後まで読んでいってください！

本ブログを運営しているTech Teacherは、
プログラミング家庭教師サービスを運営しています。
完全マンツーマン・フルオーダーメイドで
あなたが必要な指導を提供します。

データサイエンス講座の
詳細を見る➡

Pandasとは

『Pandas』は、データの分析や前処理をするのに便利なPythonの外部ライブラリです。

データの加工処理を簡単に行うことができるため、データサイエンスや機械学習の分野で頻繁に用いられています。

Pandasの特徴として、『Series』と呼ばれる一次元配列のデータ構造と『DataFrame』と呼ばれる表形式のデータ構造があります。

これらの構造にデータを格納することで、データの集計・抽出・結合などの処理を簡単に行うことができるようになります。

本記事ではSeries/DataFrameの宣言方法およびデータの概要を把握するのに役立つメソッドを紹介します。

Pandasのインポート

それでは早速、Pandasをインポートして使える状態にしていきましょう。

以下のコードを実行して、Pandasをpdという名前でインポートしてください。

import pandas as pd

なお、ライブラリの概要やインポートの方法について詳しく知りたい方は、こちらの記事を参照してください。

Pythonのライブラリを徹底解説！データサイエンスにも！ 次のページ Pythonを勉強するにあたって、 Pythonのライブラリとは何ですか？ モ...

Seriesの宣言

『Series』は一次元の配列のようなデータ構造で、NumPyのndarrayやPythonのリスト・辞書などから作成することができます。

リスト/配列から作る方法

まずはリストや配列からSeriesを宣言してみましょう。

と書くことでSeriesを作成することができます。

第二引数のインデックスは省略することもできます。

以下の例では、数値が格納されたリストからSeriesを作成しています。

data_s = pd.Series([0,100,200,300,400,500])
print(data_s)

0      0
1    100
2    200
3    300
4    400
5    500
dtype: int64

右側の数値がデータで、左側の0から始まる数字はSeriesのインデックスです。

インデックスを省略した場合、0から順にインデックスが付けられます。

リストやndarrayと同様に、インデックスを指定することで任意のデータを取り出すことができます。

print(data_s[3])

300

また、インデックスを指定した場合は以下のようになります。

data_s_idx = pd.Series([100, 150, 500, 100], index=['apple', 'banana', 'grape', 'orange'])
print(data_s_idx)

apple     100
banana    150
grape     500
orange    100
dtype: int64

辞書と同じように、『values』プロパティと『index』プロパティにより、Seriesの要素とインデックスをそれぞれ取得することができます。

print(data_s_idx.values)
print(data_s_idx.index)

[100 150 500 100]
Index(['apple', 'banana', 'grape', 'orange'], dtype='object')

辞書から作る方法

続いて辞書からSeriesを作成する方法を説明します。

とすることで、辞書のキーをインデックス、値を要素としたSeriesを作成することができます。

#辞書の定義
dic = {'apple':100, 'banana':150, 'grape':500, 'orange':100}

data_s_dic = pd.Series(dic)
print(data_s_dic)

apple     100
banana    150
grape     500
orange    100
dtype: int64

なお、辞書については以下の記事で詳しく解説しています。

定義の方法からメソッド一覧まで分かりやすく説明していますので、ぜひ参照してください。

Pythonのリストと辞書をマスター！基本からメソッド一覧まで 前のページ|次のページ 9章ではPythonにおける「リスト」と「辞書」の使い方について解説します。 リストの定...

DataFrameの宣言

『DataFrame』は表形式のデータ構造で、Seriesと同様にNumPyのndarrayやPythonのリスト・辞書などから作成することができます。

リスト/配列から作る方法

リストからDataFrameを作成する際は、以下のように書きます。

第一引数にデータとして2次元配列を渡し、引数columnsで各列の名前をリストとして渡します。

まずはリストからDataFrameを作成する例を見てみましょう。

#データ(2次元リスト)
data = [
    ['John', 28, 'Engineer'],
    ['Alice', 32, 'Doctor'],
    ['Bob', 45, 'Teacher']
]

# DataFrameを作成
df = pd.DataFrame(data, columns=['Name', 'Age', 'Occupation'])

df

ndarrayを使用しても同じように作成することができます。余裕のある方は試してみると良いでしょう。

辞書から作る方法

値の部分がリストになっている辞書を引数として渡すことでもDataFrameを作成することができます。

#データを辞書で定義
dic = {
    'Name':['John','Alice','Bob'],
    'Age':[28,32,45],
    'Bob':['Engineer','Doctor','Teacher']
}

df = pd.DataFrame(dic)
df

辞書を用いてDataFrameを作成する際は、キーが列名、値が要素(データ)に対応します。

また、Seriesと同様に引数indexにリストを渡すことで、インデックスを自分で設定することができます。

#データを辞書で定義
dic = {
    'Name':['John','Alice','Bob'],
    'Age':[28,32,45],
    'Bob':['Engineer','Doctor','Teacher']
}

df = pd.DataFrame(dic, index=['a','b','c'])
df

head/tailメソッドでデータの先頭/末尾を表示

headメソッド

『head』メソッドを用いるとDataFrameの先頭の5行を表示することができます。

まずは元となるデータをDataFrameで作成します。

#データ
data = {
    'Name': ['John', 'Alice', 'Bob', 'Emily', 'Michael', 'Samantha', 'David'],
    'Age': [28, 32, 45, 29, 35, 40, 38],
    'Occupation': ['Engineer', 'Doctor', 'Teacher', 'Artist', 'Lawyer', 'Entrepreneur', 'Architect']
}

# DataFrameｗ作成
df = pd.DataFrame(data)
df

headメソッドを使用して上記のデータの先頭5行を表示してみます。

df.head()

データ数が膨大で、データの先頭だけ表示して概要を確認したいときなどに非常に便利なメソッドです。

tailメソッド

『tail』メソッドはDataFrameの末尾の5行を表示するメソッドです。

headメソッドの説明で使用したDataFrameの末尾5行を表示してみましょう。

df.tail()

describeメソッドで統計量の一覧を表示

『describe』メソッドを用いると、DataFrameの各列の統計量を一覧として表示することができます。

以下の例を見てみましょう。

#データ
data = {
    'Name': ['John', 'Alice', 'Bob', 'Emily', 'Michael', 'Samantha', 'David'],
    'Age': [28, 32, 45, 29, 35, 40, 38],
    'Occupation': ['Engineer', 'Doctor', 'Teacher', 'Artist', 'Lawyer', 'Entrepreneur', 'Architect'],
    'Salary': [60000, 80000, 70000, 50000, 90000, 120000, 100000]
}

#DataFrameを作成
df = pd.DataFrame(data)
df

#describeメソッドを使用して統計量を表示
df.describe()

数値を要素として持つ列に対して、各種統計量が表示されているのが分かると思います。

なお、表示される統計量の名前と意味は以下の通りです。

統計量の意味がよく分からない・忘れてしまったという方は、以下の記事で詳しく解説していますのでぜひ参照してください！

平均・分散とは？基本統計量を分かりやすく解説！ 次のページ 本連載講座「0から学ぶ確率統計」では、中学数学の基本的な内容から大学レベルの確率統計を解説しています。 ...

まとめ

本記事ではPandasの基本であるSeries、DataFrameの宣言方法およびメソッドを紹介しました。

次章以降でさらに詳しく解説していきますので、本講座でPandasによるデータ操作をマスターしていきましょう！

次のページへ

【Pandas】CSV・Excelファイルを読み書きする方法 前のページ|次のページ 10章ではPandasのDataFrameを用いた『CSV/Excelファイルへの書き込み』および『CS...