初めに
今後使いそうなメソッドのまとめ。
- pandas バージョン
- 1.0.5
前回と同様最高気温の月平均を用いる。
max_temperature.csv
年,1月,2月,3月,4月,5月,6月,7月,8月,9月,10月,11月,12月,年の値
1876,6.6,8.2,13.6,17.5,21.7,22.8,28.6,31.6,26.8,20.4,15.8,11.0,18.7
1877,8.8,8.8,11.3,19.1,21.5,26.0,31.0,30.5,25.8,21.3,14.4,10.2,19.1
1878,7.2,7.1,12.9,16.2,22.7,24.1,29.8,28.5,26.3,20.2,14.1,10.9,18.3
1879,9.0,10.9,13.0,17.1,21.9,25.2,30.4,31.1,25.4,19.4,15.7,14.0,19.4
1880,8.8,10.1,13.8,16.7,22.6,23.9,28.0,29.5,27.0,21.6,16.8,11.1,19.2
・・・
import pandas as pd
df = pd.read_csv('max_temperature.csv', index_col='年')
print(df)
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
年
1876 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7
1877 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1
1878 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3
1879 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4
1880 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2
... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9
2017 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4
2018 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2
2019 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9
2020 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0
[145 rows x 13 columns]
メソッド
add
print(df + 1000)
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
年
1876 1006.6 1008.2 1013.6 1017.5 1021.7 1022.8 1028.6 1031.6 1026.8 1020.4 1015.8 1011.0 1018.7
1877 1008.8 1008.8 1011.3 1019.1 1021.5 1026.0 1031.0 1030.5 1025.8 1021.3 1014.4 1010.2 1019.1
1878 1007.2 1007.1 1012.9 1016.2 1022.7 1024.1 1029.8 1028.5 1026.3 1020.2 1014.1 1010.9 1018.3
1879 1009.0 1010.9 1013.0 1017.1 1021.9 1025.2 1030.4 1031.1 1025.4 1019.4 1015.7 1014.0 1019.4
1880 1008.8 1010.1 1013.8 1016.7 1022.6 1023.9 1028.0 1029.5 1027.0 1021.6 1016.8 1011.1 1019.2
... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 1010.6 1012.2 1014.9 1020.3 1025.2 1026.3 1029.7 1031.6 1027.7 1022.6 1015.5 1013.8 1020.9
2017 1010.8 1012.1 1013.4 1019.9 1025.1 1026.4 1031.8 1030.4 1026.8 1020.1 1016.6 1011.1 1020.4
2018 1009.4 1010.1 1016.9 1022.1 1024.6 1026.6 1032.7 1032.5 1026.6 1023.0 1017.7 1012.1 1021.2
2019 1010.3 1011.6 1015.4 1019.0 1025.3 1025.8 1027.5 1032.8 1029.4 1023.3 1017.7 1012.6 1020.9
2020 1011.1 1013.3 1016.0 1018.2 1024.0 1027.5 1027.7 1034.1 1028.1 1021.4 1018.6 1012.3 1021.0
[145 rows x 13 columns]
add_prefix
シリーズの場合、行名には接頭辞が付きます。DataFrameの場合、列名には接頭辞が付きます。
print('type(df.dtypes): {}\n'.format(type(df.dtypes)))
# シリーズの場合行ラベルに接頭辞が追加される
print(df.dtypes.add_prefix('列: '))
type(df.dtypes): <class 'pandas.core.series.Series'>
列: 1月 float64
列: 2月 float64
列: 3月 float64
列: 4月 float64
列: 5月 float64
列: 6月 float64
列: 7月 float64
列: 8月 float64
列: 9月 float64
列: 10月 float64
列: 11月 float64
列: 12月 float64
列: 年の値 float64
dtype: object
# DataFrameの場合列名に接頭辞が追加される
print(df.add_prefix('列: '))
列: 1月 列: 2月 列: 3月 列: 4月 列: 5月 列: 6月 列: 7月 列: 8月 列: 9月 列: 10月 列: 11月 列: 12月 列: 年の値
年
1876 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7
1877 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1
1878 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3
1879 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4
1880 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2
... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9
2017 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4
2018 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2
2019 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9
2020 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0
[145 rows x 13 columns]
# インデックスの更新
df.index = ['西暦' + str(i) + '年' for i in range(1876, 2021)]
print(df)
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
西暦1876年 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7
西暦1877年 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1
西暦1878年 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3
西暦1879年 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4
西暦1880年 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2
... ... ... ... ... ... ... ... ... ... ... ... ... ...
西暦2016年 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9
西暦2017年 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4
西暦2018年 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2
西暦2019年 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9
西暦2020年 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0
[145 rows x 13 columns]
apply
axis{0 or ‘index’, 1 or ‘columns’}, default 0
0 または 'index' : 各列に関数を適用します。
1 または 'columns'：各行に関数を適用します。
# 各列に対して和を計算する
print(df.apply(np.sum, axis=0))
1月 1313.3
2月 1381.6
3月 1835.3
4月 2620.0
5月 3220.4
6月 3636.9
7月 4195.4
8月 4432.5
9月 3863.9
10月 3061.9
11月 2358.0
12月 1674.2
年の値 2800.2
dtype: float64
# 各行に対して和を計算する
print(df.apply(np.sum, axis=1))
年
1876 243.3
1877 247.8
1878 238.3
1879 252.5
1880 249.1
...
2016 271.3
2017 264.9
2018 275.5
2019 271.6
2020 273.3
Length: 145, dtype: float64
# 各要素に対して平方根をとる
print(df.apply(np.sqrt))
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
年
1876 2.569047 2.863564 3.687818 4.183300 4.658326 4.774935 5.347897 5.621388 5.176872 4.516636 3.974921 3.316625 4.324350
1877 2.966479 2.966479 3.361547 4.370355 4.636809 5.099020 5.567764 5.522681 5.079370 4.615192 3.794733 3.193744 4.370355
1878 2.683282 2.664583 3.591657 4.024922 4.764452 4.909175 5.458938 5.338539 5.128353 4.494441 3.754997 3.301515 4.277850
1879 3.000000 3.301515 3.605551 4.135215 4.679744 5.019960 5.513620 5.576737 5.039841 4.404543 3.962323 3.741657 4.404543
1880 2.966479 3.178050 3.714835 4.086563 4.753946 4.888763 5.291503 5.431390 5.196152 4.647580 4.098780 3.331666 4.381780
... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 3.255764 3.492850 3.860052 4.505552 5.019960 5.128353 5.449771 5.621388 5.263079 4.753946 3.937004 3.714835 4.571652
2017 3.286335 3.478505 3.660601 4.460942 5.009990 5.138093 5.639149 5.513620 5.176872 4.483302 4.074310 3.331666 4.516636
2018 3.065942 3.178050 4.110961 4.701064 4.959839 5.157519 5.718391 5.700877 5.157519 4.795832 4.207137 3.478505 4.604346
2019 3.209361 3.405877 3.924283 4.358899 5.029911 5.079370 5.244044 5.727128 5.422177 4.827007 4.207137 3.549648 4.571652
2020 3.331666 3.646917 4.000000 4.266146 4.898979 5.244044 5.263079 5.839521 5.300943 4.626013 4.312772 3.507136 4.582576
[145 rows x 13 columns]
agg
指定された軸上で1つ以上の操作を使用して集計します。
# 列ごとに和を計算、最小値を取得
print(df.agg(['sum', 'min']))
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
sum 1313.3 1381.6 1835.3 2620.0 3220.4 3636.9 4195.4 4432.5 3863.9 3061.9 2358.0 1674.2 2800.2
min 5.5 5.8 9.6 14.8 19.2 21.6 25.1 25.7 23.2 18.5 12.9 8.7 17.5
# "1 月" 列と "2 月" 列で異なる処理をする
# "1 月" 列では max 処理をしていないので NaN の値が表示される
print(df.agg({'1月': ['sum', 'min'], '2月': ['min', 'max'], '3月': ['mean']}))
1月 2月 3月
max NaN 13.3 NaN
mean NaN NaN 12.657241
min 5.5 5.8 NaN
sum 1313.3 NaN NaN
# axis="columns" は行ごとに、各列の値の処理をする
# axis=1でも同じ結果を得る
df.agg("mean", axis="columns")
年
1876 18.715385
1877 19.061538
1878 18.330769
1879 19.423077
1880 19.161538
...
2016 20.869231
2017 20.376923
2018 21.192308
2019 20.892308
2020 21.023077
Length: 145, dtype: float64
assign
DataFrameに新しい列を割り当てます。
# すべての行、インデックス 0 からインデックス 11 までの列( 1 月 ～ 12 月 )を抽出し、各行に対して和を計算する
# その和を "SUM" という新たな列として割り当てる
df = df.assign(SUM=df.iloc[:, 0:12].apply(np.sum, axis=1))
print('add column "SUM":\n{}\n'.format(df))
add column "SUM":
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値 SUM
年
1876 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7 224.6
1877 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1 228.7
1878 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3 220.0
1879 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4 233.1
1880 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2 229.9
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9 250.4
2017 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4 244.5
2018 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2 254.3
2019 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9 250.7
2020 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0 252.3
[145 rows x 14 columns]
# 各行の "SUM" 列の値に対し 12 で割った値を新たに "MEAN" 列として割り当てる
df = df.assign(MEAN=df['SUM'] / 12)
print('add column "MEAN":\n{}\n'.format(df))
add column "MEAN":
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値 SUM MEAN
年
1876 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7 224.6 18.716667
1877 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1 228.7 19.058333
1878 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3 220.0 18.333333
1879 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4 233.1 19.425000
1880 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2 229.9 19.158333
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9 250.4 20.866667
2017 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4 244.5 20.375000
2018 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2 254.3 21.191667
2019 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9 250.7 20.891667
2020 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0 252.3 21.025000
[145 rows x 15 columns]
# 各行(axis=1)の中央値を新たに "MEDIAN" 列として割り当てる
df = df.assign(MEDIAN=df.iloc[:, 0:12].median(axis=1))
print('add column "MEDIAN":\n{}\n'.format(df))
add column "MEDIAN":
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値 SUM MEAN MEDIAN
年
1876 6.6 8.2 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7 224.6 18.716667 18.95
1877 8.8 8.8 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1 228.7 19.058333 20.20
1878 7.2 7.1 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3 220.0 18.333333 18.20
1879 9.0 10.9 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4 233.1 19.425000 18.25
1880 8.8 10.1 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2 229.9 19.158333 19.20
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 12.2 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9 250.4 20.866667 21.45
2017 10.8 12.1 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4 244.5 20.375000 20.00
2018 9.4 10.1 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2 254.3 21.191667 22.55
2019 10.3 11.6 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9 250.7 20.891667 21.15
2020 11.1 13.3 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0 252.3 21.025000 20.00
count
各列または行について、NA以外のセルをカウントします。
# 1876 年 1 月 を NaN という値に更新する
df.loc[1876, '1月'] = np.nan
# 1876 年以降 2 月のすべての値を NaN という値に更新する
df.loc[df.index > 1875, '2月'] = np.nan
print('df:\n{}\n'.format(df))
df:
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 年の値
年
1876 NaN NaN 13.6 17.5 21.7 22.8 28.6 31.6 26.8 20.4 15.8 11.0 18.7
1877 8.8 NaN 11.3 19.1 21.5 26.0 31.0 30.5 25.8 21.3 14.4 10.2 19.1
1878 7.2 NaN 12.9 16.2 22.7 24.1 29.8 28.5 26.3 20.2 14.1 10.9 18.3
1879 9.0 NaN 13.0 17.1 21.9 25.2 30.4 31.1 25.4 19.4 15.7 14.0 19.4
1880 8.8 NaN 13.8 16.7 22.6 23.9 28.0 29.5 27.0 21.6 16.8 11.1 19.2
... ... .. ... ... ... ... ... ... ... ... ... ... ...
2016 10.6 NaN 14.9 20.3 25.2 26.3 29.7 31.6 27.7 22.6 15.5 13.8 20.9
2017 10.8 NaN 13.4 19.9 25.1 26.4 31.8 30.4 26.8 20.1 16.6 11.1 20.4
2018 9.4 NaN 16.9 22.1 24.6 26.6 32.7 32.5 26.6 23.0 17.7 12.1 21.2
2019 10.3 NaN 15.4 19.0 25.3 25.8 27.5 32.8 29.4 23.3 17.7 12.6 20.9
2020 11.1 NaN 16.0 18.2 24.0 27.5 27.7 34.1 28.1 21.4 18.6 12.3 21.0
[145 rows x 13 columns]
# 列ごとに、各行に含まれる NaN 以外の要素の個数をカウント
print('df.count():\n{}\n'.format(df.count()))
df.count():
1月 144
2月 0
3月 145
4月 145
5月 145
6月 145
7月 145
8月 145
9月 145
10月 145
11月 145
12月 145
年の値 145
dtype: int64
# 行ごとに、各列に含まれる NaN 以外の要素の個数をカウント
print("df.count(axis='columns'):\n{}\n".format(df.count(axis='columns')))
df.count(axis='columns'):
年
1876 11
1877 12
1878 12
1879 12
1880 12
..
2016 12
2017 12
2018 12
2019 12
2020 12
Length: 145, dtype: int64
describe
記述統計を生成します。
記述統計には、NaN値を除いて、データセットの分布の中心傾向、分散、および形状を要約した統計が含まれます。
students = ['一郎', '二郎', '三郎']
japanese = [59, 60, 45]
mathmatics = [48, 30, 47]
science = [10, 37, 40]
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '算数': mathmatics,
'理科': science, '社会': social},
index=students)
print(df)
df.describe()
filter
指定されたインデックスラベルに従って、行または列を抽出します。
print(df.filter(items=['1月', '12月'], axis=1))
1月 12月
年
1876 6.6 11.0
1877 8.8 10.2
1878 7.2 10.9
1879 9.0 14.0
1880 8.8 11.1
... ... ...
2016 10.6 13.8
2017 10.8 11.1
2018 9.4 12.1
2019 10.3 12.6
2020 11.1 12.3
[145 rows x 2 columns]
# 正規表現を使い、4 月 ～ 6 月の列を抽出
print(df.filter(regex='^[4-6]', axis=1))
4月 5月 6月
年
1876 17.5 21.7 22.8
1877 19.1 21.5 26.0
1878 16.2 22.7 24.1
1879 17.1 21.9 25.2
1880 16.7 22.6 23.9
... ... ... ...
2016 20.3 25.2 26.3
2017 19.9 25.1 26.4
2018 22.1 24.6 26.6
2019 19.0 25.3 25.8
2020 18.2 24.0 27.5
[145 rows x 3 columns]
# 西暦に "88" が並ぶ行であり、かつ 4 月 ～ 6 月の列を抽出
print(df.filter(like='88', axis=0).filter(regex='^[4-6]', axis=1))
4月 5月 6月
年
1880 16.7 22.6 23.9
1881 16.9 22.5 25.6
1882 18.4 21.9 24.0
1883 16.6 19.9 23.6
1884 16.2 20.2 23.6
1885 14.8 19.3 23.4
1886 16.9 20.3 25.1
1887 17.3 19.2 24.1
1888 17.5 20.4 22.8
1889 16.3 20.3 25.0
1988 18.1 22.1 25.5
groupby
groupby操作では、オブジェクトを分割し、関数を適用し、結果を結合します。これは、大量のデータをグループ化し、これらのグループに対する操作を計算するために使用できます。
df = pd.DataFrame({'教科': ['国語', '算数', '算数', '理科', '理科', '社会', '国語'],
'点数': [50, 49, 62, 53, 32, 43, 64]})
print(df)
教科 点数
0 国語 50
1 算数 49
2 算数 62
3 理科 53
4 理科 32
5 社会 43
6 国語 64
# "教科" 列の重複をまとめる
# .mean() により平均を取りながらまとめる
print(df.groupby(['教科']).mean())
点数
教科
国語 57.0
理科 42.5
社会 43.0
算数 55.5
import pandas as pd
arrays = [['一郎', '一郎', '二郎', '二郎'],
['国語', '算数', '国語', '算数']]
index = pd.MultiIndex.from_arrays(arrays, names=('名前', '教科'))
df = pd.DataFrame({'点数': [53, 28, 40, 39]},
index=index)
print(df)
# 各生徒の平均点をテーブルにする
print(df.groupby(level=0).mean())
# 各教科の平均点をテーブルにする
print(df.groupby(level=1).mean())
点数
名前 教科
一郎 国語 53
算数 28
二郎 国語 40
算数 39
点数
名前
一郎 40.5
二郎 39.5
点数
教科
国語 46.5
算数 33.5
idxmax
要求された軸上の最大値のインデックスのうち、最初に出現したインデックスを返します。
students = ['一郎', '二郎', '三郎']
# 国語の点数
japanese = [59, 60, 45]
# 数学の点数
mathmatics = [48, 30, 47]
# 理科の点数
science = [10, 37, 40]
# 社会の点数
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '数学': mathmatics,
'理科': science, '社会': social},
index=students)
print('df:\n{}\n'.format(df))
# 各教科の最高点を取った生徒のテーブル
print('df.idxmax():\n{}\n'.format(df.idxmax()))
# 各生徒の最高点を取った教科のテーブル
print('df.idxmax():\n{}\n'.format(df.idxmax(axis=1)))
df:
国語 数学 理科 社会
一郎 59 48 10 60
二郎 60 30 37 57
三郎 45 47 40 22
df.idxmax():
国語 二郎
数学 一郎
理科 三郎
社会 一郎
dtype: object
df.idxmax():
一郎 社会
二郎 国語
三郎 数学
dtype: object
info
# 列ごとの情報を表示する
print(df.info(verbose=True))
print('------------------------')
# 列ごとの情報は出力しない
print(df.info(verbose=False))
<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, 一郎 to 三郎
Data columns (total 4 columns):
国語 3 non-null int64
数学 3 non-null int64
理科 3 non-null int64
社会 3 non-null int64
dtypes: int64(4)
memory usage: 120.0+ bytes
None
------------------------
<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, 一郎 to 三郎
Columns: 4 entries, 国語 to 社会
dtypes: int64(4)
memory usage: 120.0+ bytes
None
insert
指定した場所のDataFrameに列を挿入します。
students = ['一郎', '二郎', '三郎']
japanese = [59, 60, 45]
mathmatics = [48, 30, 47]
science = [10, 37, 40]
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '数学': mathmatics,
'理科': science, '社会': social},
index=students)
print('df:\n{}\n'.format(df))
# 最初の列(loc=0)に体育を追加
df.insert(loc=0, column='体育', value=[65, 12, 58])
print('insert 体育:\n{}\n'.format(df))
df:
国語 数学 理科 社会
一郎 59 48 10 60
二郎 60 30 37 57
三郎 45 47 40 22
insert 体育:
体育 国語 数学 理科 社会
一郎 65 59 48 10 60
二郎 12 60 30 37 57
三郎 58 45 47 40 22
isin
DataFrameの各要素が値に含まれているかどうかを示します。
students = ['一郎', '二郎', '三郎']
like_subject = ['算数', '社会', '理科']
unlike_subject = ['国語', '理科', '算数']
df = pd.DataFrame({'好きな教科': like_subject, '嫌いな教科': unlike_subject},
index=students)
print('df:\n{}\n'.format(df))
# 好きまたは嫌いな強化に"算数"が含まれているか
print(df.isin(['算数']))
# 好きな教科に"算数"が含まれているか
print(df.isin({'好きな教科': ['算数']}))
# 嫌いな教科に"理科"が含まれているか
print(df.isin({'嫌いな教科': ['理科']}))
df:
好きな教科 嫌いな教科
一郎 算数 国語
二郎 社会 理科
三郎 理科 算数
好きな教科 嫌いな教科
一郎 True False
二郎 False False
三郎 False True
好きな教科 嫌いな教科
一郎 True False
二郎 False False
三郎 False False
好きな教科 嫌いな教科
一郎 False False
二郎 False True
三郎 False False
items
DataFrame列を反復処理し、列名とコンテンツを含むタプルをシリーズとして返します。
subjects = ['国語', '算数', '理科', '社会']
score = [65, 45, 36, 64]
mean = [50.46, 58.90, 42.15, 68.96]
df = pd.DataFrame({'点数': score, '平均点': mean},
index=subjects)
print(f'df: \n{df}\n')
print('---items example---')
for label, content in df.items():
print(f'label: {label}')
print(f'content: \n{content}')
df:
点数 平均点
国語 65 50.46
算数 45 58.90
理科 36 42.15
社会 64 68.96
---items example---
label: 点数
content:
国語 65
算数 45
理科 36
社会 64
Name: 点数, dtype: int64
label: 平均点
content:
国語 50.46
算数 58.90
理科 42.15
社会 68.96
Name: 平均点, dtype: float64
rename
行/列名を変更します。
students = ['一郎', '二郎', '三郎']
japanese = [59, 60, 45]
mathmatics = [48, 30, 47]
science = [10, 37, 40]
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '算数': mathmatics,
'理科': science, '社会': social},
index=students)
print('df:\n{}\n'.format(df))
df = df.rename(columns={"国語": "japanese", "算数": "mathmatics",
"理科": "science", "社会": "social studies"})
print('rename df:\n{}\n'.format(df))
df:
国語 算数 理科 社会
一郎 59 48 10 60
二郎 60 30 37 57
三郎 45 47 40 22
rename df:
japanese mathmatics science social studies
一郎 59 48 10 60
二郎 60 30 37 57
三郎 45 47 40 22
sem
要求された軸の平均の不偏標準誤差を返します。
print(df.sem(axis=1))
print(df.sem(axis=0))
年
1876 2.134180
1877 2.191140
1878 2.135637
1879 1.966520
1880 1.930708
...
2016 1.938820
2017 2.025990
2018 2.133177
2019 1.990988
2020 1.944590
Length: 145, dtype: float64
-----------------------
1月 0.108507
2月 0.127538
3月 0.122152
4月 0.104449
5月 0.109502
6月 0.111669
7月 0.147541
8月 0.120107
9月 0.118103
10月 0.089512
11月 0.091009
12月 0.099818
年の値 0.070890
dtype: float64
std
要求された軸のサンプル標準偏差を返します。
print(df.std(axis=1))
print('-----------------------')
print(df.std(axis=0))
年
1876 7.694895
1877 7.900268
1878 7.700150
1879 7.090387
1880 6.961266
...
2016 6.990516
2017 7.304810
2018 7.691279
2019 7.178610
2020 7.011319
Length: 145, dtype: float64
-----------------------
1月 1.306594
2月 1.535764
3月 1.470910
4月 1.257727
5月 1.318581
6月 1.344674
7月 1.776632
8月 1.446284
9月 1.422150
10月 1.077872
11月 1.095893
12月 1.201967
年の値 0.853628
dtype: float64
to_dict
DataFrameを辞書に変換します。
students = ['一郎', '二郎', '三郎']
japanese = [59, 60, 45]
mathmatics = [48, 30, 47]
science = [10, 37, 40]
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '算数': mathmatics,
'理科': science, '社会': social},
index=students)
df.to_dict()
{'国語': {'一郎': 59, '二郎': 60, '三郎': 45},
'算数': {'一郎': 48, '二郎': 30, '三郎': 47},
'理科': {'一郎': 10, '二郎': 37, '三郎': 40},
'社会': {'一郎': 60, '二郎': 57, '三郎': 22}}
transpose
行と列を転置します。
students = ['一郎', '二郎', '三郎']
japanese = [59, 60, 45]
mathmatics = [48, 30, 47]
science = [10, 37, 40]
social = [60, 57, 22]
df = pd.DataFrame({'国語': japanese, '算数': mathmatics,
'理科': science, '社会': social},
index=students)
print(df)
print('-------------------')
print(df.T)
国語 算数 理科 社会
一郎 59 48 10 60
二郎 60 30 37 57
三郎 45 47 40 22
-------------------
一郎 二郎 三郎
国語 59 60 45
算数 48 30 47
理科 10 37 40
社会 60 57 22
var
要求された軸上の不偏分散を返します。
print(df.var(axis=1))
print('-----------------------')
print(df.var(axis=0))
年
1876 59.211410
1877 62.414231
1878 59.292308
1879 50.273590
1880 48.459231
...
2016 48.867308
2017 53.360256
2018 59.155769
2019 51.532436
2020 49.158590
Length: 145, dtype: float64
-----------------------
1月 1.707187
2月 2.358570
3月 2.163576
4月 1.581877
5月 1.738656
6月 1.808148
7月 3.156420
8月 2.091739
9月 2.022511
10月 1.161807
11月 1.200982
12月 1.444725
年の値 0.728681
dtype: float64