PandasのDataFrameを使うと、Excelのように表形式のデータに対して計算処理を行うことができます。
この記事では、学習の記録として、DataFrame同士の演算や、列単位・行単位の演算方法などをまとめておきます。
✅ 使用するサンプルデータ
import pandas as pd
# サンプルデータ作成
df1 = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
df2 = pd.DataFrame({
'A': [10, 20, 30],
'B': [40, 50, 60]
})
print(df1)
A B
0 1 4
1 2 5
2 3 6
✅ DataFrame同士の四則演算
print(df1 + df2) # 加算
A B
0 11 44
1 22 55
2 33 66
print(df1 - df2) # 減算
A B
0 -9 -36
1 -18 -45
2 -27 -54
print(df1 * df2) # 乗算
A B
0 10 160
1 40 250
2 90 360
print(df1 / df2) # 除算
A B
0 0.100000 0.100000
1 0.100000 0.100000
2 0.100000 0.100000
✅ 各列に対する演算（スカラーとの演算）
print(df1 + 1)
A B
0 2 5
1 3 6
2 4 7
print(df1 * 2)
A B
0 2 8
1 4 10
2 6 12
✅ 指定列に対する演算
print(df1['A'] + df1['B'])
0 5
1 7
2 9
dtype: int64
print(df1['A'] * 10)
0 10
1 20
2 30
Name: A, dtype: int64
✅ 行や列の合計・平均など
print(df1.sum()) # 列ごとの合計
A 6
B 15
dtype: int64
print(df1.sum(axis=1)) # 行ごとの合計
0 5
1 7
2 9
dtype: int64
print(df1.mean()) # 列ごとの平均
A 2.0
B 5.0
dtype: float64
print(df1.mean(axis=1)) # 行ごとの平均
0 2.5
1 3.5
2 4.5
dtype: float64
✅ 特定列での集計
print(df1['A'].sum())
6
print(df1['B'].mean())
5.0
✅ 累積計算（cumsum, cumprod）
print(df1.cumsum())
A B
0 1 4
1 3 9
2 6 15
print(df1.cumprod())
A B
0 1 4
1 2 20
2 6 120
✅ 条件を使った演算
print(df1[df1['A'] > 1])
A B
1 2 5
2 3 6
print(df1[df1['A'] > 1]['B'] * 2)
1 10
2 12
Name: B, dtype: int64
✅ 統計系メソッド
print(df1.describe())
A B
count 3.000000 3.000000
mean 2.000000 5.000000
std 1.000000 1.000000
min 1.000000 4.000000
25% 1.500000 4.500000
50% 2.000000 5.000000
75% 2.500000 5.500000
max 3.000000 6.000000
print(df1.std()) # 標準偏差
print(df1.var()) # 分散
print(df1.count()) # 非欠損値数
A 1.0
B 1.0
dtype: float64
A 1.0
B 1.0
dtype: float64
A 3
B 3
dtype: int64
✅ 欠損値を含む演算
df_nan = df1.copy()
df_nan.iloc[0, 0] = None
print(df_nan)
A B
0 NaN 4
1 2.0 5
2 3.0 6
print(df_nan.sum()) # NaNは無視して計算
print(df_nan.fillna(0).sum()) # NaNを0に置き換えてから計算
A 5.0
B 15.0
dtype: float64
A 5.0
B 15.0
dtype: float64
✅ 新しい列を作って計算結果を保存
df1['A_plus_B'] = df1['A'] + df1['B']
df1['A_times_10'] = df1['A'] * 10
print(df1)
A B A_plus_B A_times_10
0 1 4 5 10
1 2 5 7 20
2 3 6 9 30
✅ おわりに
PandasのDataFrameでは、Excelのような表形式データに対して簡単に計算を行うことができます。
特に「列全体の加算・平均」や「条件を指定した演算」など、データ分析の基礎に必要な操作を一通り確認できたと思います。