こんにちは、まゆみです。

Pandasについてシリーズで記事を書いています。

今回の記事は第15回目になります。

今回の記事では、

Pandas のDataFrameオブジェクトから、あなたの条件に合うようなrow (行)を取り出すにはどうしたら良いか

を書いていこうと思います

例えば、

gender コラムのなかが『male』の値になっている行を取り出したり

salary コラムの値が300以上の行を取り出したり

と言った風に条件に合うものを取り出す方法を書いていきます

年月日のフォーマットを変更して、年月日を基準にした行の取り出し方も紹介します
(例えば、1990年以前に生まれた選手を取り出したいというような場合。)
ので、是非じっくりと読み進めてみてください。

ではさっそく始めていきます

今回使うデータ

今回も前回と同じく、National Football Leagueの選手のデータを使わせていただきます。

まずCSVデータを読み込みます

(CSVデータの読み込み方が分からない方はこちらの記事をどうぞ)
※Series ではなく、DataFrame を使いたいので、CSVデータの読み込みまでしてください。

実行結果は下のようになります

height_in_inchesから条件に合ったrow を抽出する

height_in_inches(インチ表示の身長)のコラムから、75インチの選手のデータを抽出してみましょう

まず、このDataFrame のなかでも特に『height_in_inches』のコラムだけを使いたいので

nfl["height_in_inches"]

ですね。

その値が75と等しい部分なので

nfl["height_in_inches"] == 75

となります

すると、値が75になっている部分がTrue、それ以外がFalseと返されました。

そして値がTrueになっているrow だけを取り出したいので

nfl[ nfl["height_in_inches"] == 75 ]

となります

今のプロセスを簡単に図にすると以下のようになります

①の部分に条件文を書けば、あなたの課した条件に合致するrow が取り出される仕組みになります。

今回は　

『==』を使い、○○と一致する条件を満たすもの

を取り出しましたが、

『!=』『>=』なども①の部分に条件として書くことができます

生年月日に条件付けをして条件に合うrow を抽出する

当CSVデータではdata_of_birth のコラムが

dd/mm/yyyy

というフォーマットで書かれているので、これをPandas で分析できるフォーマットに書き換えないといけません。

それには2つの選択肢があります。

①　to_datetime()メソッド

②　read_csv()のパラメータparse_datesの引数を変える

一つづつ説明していきます。

1.) to_datetime()メソッド

引用元：Pandasドキュメント

date_of_birth を.to_datetime()で形式を変更して、さらに、同じコラム名に代入して、上書きをしました。

実行結果は下のようになります

オリジナルのデータの『date_of_birth』のコラムが新しい形式に変えられました。

to_datetime()を使うと、データ型はどう変わる？

to_datetime()によって、Pandasで分析をできる形式のデータに変えることができると先ほど申し上げましたが、具体的に、データ型がどのように変わるのかをここで、お見せしますね。

(info()メソッドを使うと、DataFrameの概要を見ることができます)

before に書いているのが、オリジナルのデータの概要です。

date_of_birth はobject と書いていますが、objectとはPandasのなかのstringのようなものになります

after のdate_of_birthをみると、datetime64[ns]と書いています

データ型が変わったのが分かると思います

2.) read_csv()のパラメータparse_datesの引数を変える

次に紹介するやり方をすると、先に紹介したやり方よりも少ないコードで済みます。

.read_csv(parse_dates = ["コラム名"])

実行結果は下記のようになります

ここで一つ注意点があります

引用元：Pandasドキュメント

例え1つのコラムだけ、datetime オブジェクトにしたい時であっても、引数はリスト型で書かなければいけません。

なので

parse_date = "birth_of_date" ではなく

parse_date = ["birth_of_date"] と角括弧が要ります。

1990年以降に生まれた選手のデータを抽出する

まず、nfl という変数に代入されているのはDataFrame全体ですね。

そこから、date_of_birth　のコラム名がついた部分だけを取り出します

nfl["date_of_birth"]

このnfl["date_of_birth"] で"1990" より大きい数字をはじき出すわけですから

nfl["date_of_birth"] >= "1990-01-01"

となります

ここでも

DataFrame[ 条件文 ]

となっています

まとめ

今回の記事はこれくらいで終わりにします。

次回も引き続きPandasについて書いていきますね。