【Python初心者】pandasのDataFrame活用術｜抽出・変換・並び替え・計算など

この記事では、pandas ライブラリを使って DataFrame でよく使う基本操作をまとめています。
以下のような処理をひとつずつ丁寧に見ていきましょう。

• ファイルデータを読み込む
• 条件指定によるデータ抽出
• データ型の変換
• データの並び替え
• カラムの削除
• カラム同士の計算
• apply()メソッドによる関数の適用
• .values と .to_numpy() で配列化

✔ DataFrameとは？

DataFrame は、行と列からなる表形式のデータ構造です。
Excelのような表をPythonで扱えるようにしたものと考えるとわかりやすいです。

import pandas as pd

data = {
    '名前': ['太郎', '花子', '次郎'],
    '年齢': [25, 30, 22],
    '身長(cm)': [170, 158, 175]
}

df = pd.DataFrame(data)
print(df)

     名前  年齢  身長(cm)
0   太郎   25     170
1   花子   30     158
2   次郎   22     175

✔ ファイルデータを読み込む（CSVなど）

# CSVファイルの読み込み
df = pd.read_csv('sample.csv')

# Excelファイルの読み込み
df = pd.read_excel('sample.xlsx')

✔ 条件指定によるデータ抽出

# 年齢が25歳以上の行だけ抽出
df[df['年齢'] >= 25]

    名前  年齢  身長(cm)
0  太郎   25     170
1  花子   30     158

✔ データ型の変換（astype）

# '年齢' カラムを float に変換
df['年齢'] = df['年齢'].astype(float)
print(df.dtypes)

名前         object
年齢        float64
身長(cm)      int64
dtype: object

✔ データの並び替え（sort_values）

# 年齢で昇順に並び替え
df.sort_values(by='年齢', ascending=True)

    名前  年齢  身長(cm)
2  次郎  22.0     175
0  太郎  25.0     170
1  花子  30.0     158

✔ カラムの削除（drop）

# '身長(cm)' カラムを削除（axis=1で列を指定）
df = df.drop('身長(cm)', axis=1)
print(df)

    名前   年齢
0  太郎  25.0
1  花子  30.0
2  次郎  22.0

※ axis=0 は行を削除、axis=1 は列（カラム）を削除することを意味します。

✔ カラム同士の計算

# 新しく体重のデータを追加して、BMIを計算
df['体重(kg)'] = [60, 50, 65]
df['身長(m)'] = [170, 158, 175] / 100
df['BMI'] = df['体重(kg)'] / (df['身長(m)'] ** 2)
print(df[['名前', 'BMI']])

    名前        BMI
0  太郎  20.761246
1  花子  20.032317
2  次郎  21.224490

✔ apply()メソッドで関数を適用

# 年齢に対してカテゴリ分けする関数を定義
def age_category(age):
    if age < 25:
        return '若年層'
    elif age < 35:
        return '中年層'
    else:
        return '高年層'

df['年齢カテゴリ'] = df['年齢'].apply(age_category)
print(df[['名前', '年齢', '年齢カテゴリ']])

    名前    年齢 年齢カテゴリ
0  太郎  25.0   中年層
1  花子  30.0   中年層
2  次郎  22.0   若年層

✔ DataFrameやSeriesの値を配列で取り出す（values / to_numpy）

・すべてのデータを NumPy 配列で取得

print(df.values)

[['太郎' 25.0 60 1.7 20.761245674740486 '中年層']
 ['花子' 30.0 50 1.58 20.032316978193145 '中年層']
 ['次郎' 22.0 65 1.75 21.224489795918366 '若年層']]

・特定の列だけ配列に変換（Series → ndarray）

ages = df['年齢'].values
print(ages)

[25. 30. 22.]

・.to_numpy() との違い

基本的に同じ動作ですが、公式ドキュメントでは .to_numpy() の使用がより推奨されています。

df.to_numpy()
df['年齢'].to_numpy()

values も現場ではよく使われるため、初心者としてはどちらも知っておくと安心です。

✔ おわりに

この記事では、pandas.DataFrame の基本的な操作を一通り紹介しました。
どれも実務で非常によく使う処理ですので、ぜひ手を動かしながら覚えてみてください。

# 最後に DataFrame の全体を表示
print(df)

    名前    年齢  体重(kg)  身長(m)        BMI 年齢カテゴリ
0  太郎  25.0     60     1.70  20.761246   中年層
1  花子  30.0     50     1.58  20.032317   中年層
2  次郎  22.0     65     1.75  21.224490   若年層