Dataframeの要素抽出の方法についてまとめた。
公式のdocumentation
目次
- 動作環境
- 今回扱うDataFrameについて
- df[]
- .loc
- .iloc
- .at&.iat
動作環境
| 種類 | バージョン |
|---|---|
| MacBook Air | Monterey12.5.1 |
| python | 3.8.9 |
| jupyter notebook | 6.4.10 |
| pandas | 1.4.3 |
まずはパッケージのインポートから
import pandas as pd
pandasを扱うときはpdが慣例だそう。
今回扱うDataFrameについて
[python]pandas read_csvの備忘録
にて作成したDataFrameで説明している。
print(df_SN.head(10))
# year num std spot certenty
# 0 1700.5 8.3 -1.0 -1 1
# 1 1701.5 18.3 -1.0 -1 1
# 2 1702.5 26.7 -1.0 -1 1
# 3 1703.5 38.3 -1.0 -1 1
# 4 1704.5 60.0 -1.0 -1 1
# 5 1705.5 96.7 -1.0 -1 1
# 6 1706.5 48.3 -1.0 -1 1
# 7 1707.5 33.3 -1.0 -1 1
# 8 1708.5 16.7 -1.0 -1 1
# 9 1709.5 13.3 -1.0 -1 1
順に、
year:観測年、num:黒点数、std:標準偏差、obs spot:観測地点数、certainty:確定or未確定
以前の記事のヘッダーから英語にしているとこだけご注意。
① []で抽出
columnで指定可能(index or columnの数字ではエラーを返される。)。
print(df_SN['count'])
# 0 8.3
# 1 18.3
# 2 26.7
# 3 38.3
# 4 60.0
# ...
# 317 21.7
# 318 7.0
# 319 3.6
# 320 8.8
# 321 29.6
# Name: count, Length: 322, dtype: float64
一方で、index、columnを単独で複数選択することは可能。
この場合は、indexは:、columnはリストにすればOK。
print(df_SN[['year', 'count']])
# year count
# 0 1700.5 8.3
# 1 1701.5 18.3
# 2 1702.5 26.7
# 3 1703.5 38.3
# 4 1704.5 60.0
# .. ... ...
# 317 2017.5 21.7
# 318 2018.5 7.0
# 319 2019.5 3.6
# 320 2020.5 8.8
# 321 2021.5 29.6
#
# [322 rows x 2 columns]
②.loc
.locも使い方は先述の[]と同様。index、columnの記述の仕方は多少違いがある。
print(df_SN[5:9])
# 96.7
違い一つ目: columnの名称で指定するとエラーを返す。
print(df_SN.loc['year'])
# 中略
# KeyError: 'year'
columnだけ指定の時は、以下の方法で。
print(df_SN.loc[:, 'count'])
# 0 8.3
# 1 18.3
# 2 26.7
# 3 38.3
# 4 60.0
# ...
# 317 21.7
# 318 7.0
# 319 3.6
# 320 8.8
# 321 29.6
# Name: count, Length: 322, dtype: float64
違い二つ目: indexは数字のみでOK。
print(df_SN.loc[5])
# year 1705.5
# count 96.7
# std -1.0
# obs spot -1.0
# certainty 1.0
# Name: 5, dtype: float64
他は変わらない(はず)。
間違ってたらどんまい。
③.iloc
.locの数字指定onlyと覚えてもらうのが手っ取り早い。
print(df_SN.iloc[2:5, 1:3])
# count std
# 2 26.7 -1.0
# 3 38.3 -1.0
# 4 60.0 -1.0
なので無論、column指定に文字列をぶっこむとエラーを返す。
print(df_SN.iloc[5, 'count'])
# 中略
# ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types
④.at&.iat
これらは、単独の値を抜き取るときにしか使えない。
だが、どうやらloc、ilocよりも処理は速い(らしい)。ソースは多分ラストに載せた参考URLにある。
print(df_SN.at[6, 'count'])
# 48.3
loc、ilocと同様、iatでは共に整数を指定せにゃあかん。
print(df_SN.at[6, 1])
# 48.3