Pandas 抽出基礎文法 / レスポンスを matplotlib に適用

OverView

Pandas で各集計結果を取得する際の指定について、基本的な用法をまとめる。
以下、data をDataFrameオブジェクトとする。

基本編

指定インデックスの行を取得

data[<index>]

# インデックス1の行を取得する
# (インデックスは0始まりなので、2行目となる)
data[1]

指定カラム名の列を取得

data[<column_name>]

# カラム名'name'の列を取得する
data['name']

条件を満たす行のみを取得

data[<インデックス単位のboolean>]

インデックス単位のbooleanイメージは以下。
こちらの例だと、インデックス0,2の行のみを抽出する。

0     True
1    False
2     True
3    False

インデックス単位boolean生成例は以下。Pythonの判定式もそのまま使える。

# ageカラムの値が20以上
data['age'] >= 20

# nameカラムが'郎’の文字を含む
data['name'].str.contains('郎')

# nameカラムが重複していない
data[~data['name'].duplicated()]

応用編

基本編最後で扱った「条件を満たす行のみを取得」をベースに、色々なレスポンスフォーマットを出力してみる.

ここで、data に格納されている統計データは、以下とする。

index	height	class	grade	weight
0	178.820262	a	2	65.649452
1	172.000786	b	5	55.956723
2	179.337790	a	4	56.480630
3	181.204466	b	1	62.908190
4	169.483906	a	4	65.768826
5	174.893690	b	4	56.188545

条件を満たす行のみを取得

まずは基本編のおさらい。

data[data['class'] == 'a']

       height class grade weight
0   178.820262   a   2  65.649452
2   179.337790   a   4  56.480630
4   169.483906   a   4  65.768826

条件を満たす行の各値をリスト形式で取得

.values を実行することで、1レコードの各値を1リストとし、それをレコードごとに要素にもつ2重リストを取得する。

data[data['class'] == 'a'].values

[[178.8202617298383 'a' 2 65.64945209116877]
 [179.33778995074982 'a' 4 56.48062978465752]
 [169.4839057410322 'a' 4 65.76882607944115]]

条件を満たす行のインデックスとカラム値を取得

.locを実行し、インデックスと指定したカラム値を取得する。
この形式は、matplotlib の plot に渡せる形式になる。

data.loc[data['class'] == 'a', 'height']

0     178.820262
2     179.337790
4     169.483906

# args を使って plot 描写
args = data.loc[data['class'] == 'a', 'height']
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(args)
plt.show()

指定条件を満たす行のカラム値のみをリスト形式で取得

.loc した結果を .values すると、指定カラム値のみをリスト形式で取得できる。
こちらは、 matplotlib の hist で利用できる。

data.loc[data['class'] == 'a', '身長'].values

[178.82026173 179.33778995 169.48390574]

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.hist(data.loc[data['クラス'] == 'a', '身長'].values)
plt.show()

レコード数が増えれば、もっと映えるグラフになります！