[python]pandasのリファレンス

pandasのリファレンス

pandasのDataFrameは、テーブル形式のデータ構造を持ちます。
備忘録として、以下に記載いたします。
※適宜編集していきます。追加希望の内容があれば編集要望をお願いいたします。

要素の抽出

ilocメソッドやlocメソッドで行と列の両方を指定すれば､ 特定の要素ひとつを抽出することも可能です｡

# 特定の要素を抽出
# ilocメソッドで[行のindex,列のindex]の順番に指定
df.iloc[1,0]

# 特定の要素を抽出
# locメソッドで[行のindex,列の名称]を順番に指定
df.loc[1,'名前']

行の追加

新たに行を追加したいときは､その行を表すDataFrameを生成し､concatメソッド（concatenate: ｢結合する｣ の意味）でDataFrameに追加をします｡ 結合したいDataFrameをリストに格納して渡し､行を追加したいときは引数axisを0に指定します｡

2つのDataFrameに関して列数が一致している必要がありますので､注意してください｡

# 追加したいDataFrameを定義
row = pd.DataFrame({'名前': ['渡辺'],
                    '年齢': [45],
                    '性別': '男'})
# 行の追加（行: axis=0, 列: axis=1）
df_2 = pd.concat([df,row], axis=0)

要約統計量（平均、標準偏差など）を取得

pandas.DataFrameおよびpandas.Seriesのメソッドdescribe()を使うと、各列ごとに平均や標準偏差、最大値、最小値、最頻値などの要約統計量を取得できる。
とりあえずデータの雰囲気をつかむのにとても便利。

• describe()の基本的な使い方
• 対象となる型を指定: 引数include, exclude
  • 文字列など数値以外の列を指定
  • すべての型の列を指定
  • 任意の型を選択・除外
• describe()の項目の意味と対応する個別メソッド
  • count: 要素の個数
  • unique: ユニークな（一意な）値の要素の個数
  • top: 最頻値（mode）
  • freq: 最頻値の頻度（出現回数）
  • mean: 算術平均
  • std: 標準偏差
  • min: 最小値
  • max: 最大値
  • 50%: 中央値（median）
  • 25%, 75%: 1/4分位数、3/4分位数
• パーセンタイルの刻みを指定
• 数値列に対して頻度などを算出
• 数字の文字列に対して平均や標準偏差などを算出
• pandas.Seriesのdescribe()
• 日時（datetime64[ns]型）の場合
• 行に対してdescribe()を適用

import pandas as pd

df = pd.DataFrame({'a': [1, 2, 1, 3],
                   'b': [0.4, 1.1, 0.1, 0.8],
                   'c': ['X', 'Y', 'X', 'Z'],
                   'd': ['3', '5', '2', '1'],
                   'e': [True, True, False, True]})

print(df)
#    a    b  c  d      e
# 0  1  0.4  X  3   True
# 1  2  1.1  Y  5   True
# 2  1  0.1  X  2  False
# 3  3  0.8  Z  1   True

print(df.describe())
#               a         b
# count  4.000000  4.000000
# mean   1.750000  0.600000
# std    0.957427  0.439697
# min    1.000000  0.100000
# 25%    1.000000  0.325000
# 50%    1.500000  0.600000
# 75%    2.250000  0.875000
# max    3.000000  1.100000

print(type(df.describe()))
# <class 'pandas.core.frame.DataFrame'>