要約
事前に列の存在をチェックしないでPandasのDataFrameから列を抜き出すのはやめよう．
DataFrameから列を抜き出す際は，
- 事前に列の存在を確認してから抜き出す
- reindex関数を使って抜き出す
のどちらかにしましょう．
よくあるサンプル
import numpy as np
import pandas as pd
df = pd.DataFrame(
np.arange(12).reshape(3, 4),
index=["X", "Y", "Z"],
columns=["A", "B", "C", "D"]
)
print(df)
# A B C D
# X 0 1 2 3
# Y 4 5 6 7
# Z 8 9 10 11
# AとB列だけ抜き出す
df_AB = df[["A", "B"]]
print(df_AB)
# A B
# X 0 1
# Y 4 5
# Z 8 9
# 存在しない列を抜き出そうとするとエラー
df_PD = df[["P", "D"]]
# KeyError: "['P'] not in index"
存在しない列をとろうとするとエラーなのはいいとして，pandasの関数を使うと，知らぬ間に列がなくなっていることがあります．
sample_data.csv
日付,店舗,売上
2019-12-31,A,100
2019-12-31,B,200
2019-12-31,C,300
2020-01-01,A,100
2020-01-01,C,300
2020-01-02,A,100
2020-01-02,C,300
from datetime import datetime
import pandas as pd
# あるスーパーの店舗ごとの売り上げをCSVから読み取った例
df = pd.read_csv(
"sample_data.csv",
index_col=[0, 1],
parse_dates=[0,]
)
print(df)
# 売上
# 日付 店舗
# 2019-12-31 A 100
# B 200
# C 300
# 2020-01-01 A 100
# C 300
# 2020-01-02 A 100
# C 300
# unstack関数を使って，店舗を列方向に並び替える
df_unstack = df.unstack()
print(df_unstack)
# 売上
# 店舗 A B C
# 日付
# 2019-12-31 100.0 200.0 300.0
# 2020-01-01 100.0 NaN 300.0
# 2020-01-02 100.0 NaN 300.0
# 店舗ごとの売り上げが日ごとに分けられて見やすくなった
# 2020年のデータだけ抜き出して同じことをしてみると・・・
df_only_2020 = df.loc[df.index.get_level_values("日付").year == 2020]
print(df_only_2020)
# 売上
# 日付 店舗
# 2020-01-01 A 100
# C 300
# 2020-01-02 A 100
# C 300
df_only_2020_unstack = df_only_2020.unstack()
print(df_only_2020_unstack)
# 売上
# 店舗 A C
# 日付
# 2020-01-01 100.0 300.0
# 2020-01-02 100.0 300.0
# 店舗Bのデータが列にないからこの状態で取り出そうとするとエラーになる
なので
DataFrameから列を抜き出すときは存在の確認をするかreindexを使いましょう．
個人的にはreindexがおすすめなのでreindexの場合の結果をチラっと．
from datetime import datetime
import pandas as pd
# あるスーパーの店舗ごとの売り上げをCSVから読み取った例
df = pd.read_csv(
"sample_data.csv",
index_col=[0, 1],
parse_dates=[0,]
)
print(df)
# 売上
# 日付 店舗
# 2019-12-31 A 100
# B 200
# C 300
# 2020-01-01 A 100
# C 300
# 2020-01-02 A 100
# C 300
# 2020年のデータだけ抜きだす
df_only_2020 = df.loc[df.index.get_level_values("日付").year == 2020]
print(df_only_2020)
# 売上
# 日付 店舗
# 2020-01-01 A 100
# C 300
# 2020-01-02 A 100
# C 300
# 列方向に店舗を並べる
df_only_2020_unstack = df_only_2020.unstack()
print(df_only_2020_unstack)
# 売上
# 店舗 A C
# 日付
# 2020-01-01 100.0 300.0
# 2020-01-02 100.0 300.0
# 上記のデータから3店舗分のデータをreindexで取り出す
df_only_2020_ABC = df_only_2020_unstack.reindex(columns=["A", "B", "C"])
print(df_only_2020_ABC)
# 売上
# 店舗 A B C
# 日付
# 2019-12-31 100.0 NaN 300.0
# 2020-01-01 100.0 NaN 300.0
# 2020-01-02 100.0 NaN 300.0
# 店舗BのデータはNaNで埋めてくれる