顧客IDがAから始まるデータだけ取り出したいなぁ
１学年から２学年のデータだけ取り出したいなぁ
なんてことが大量のデータの中から取り出すのなにかと面倒ですよね。
そんなときに用いるのが、
str.startswith('文字列')と.str.contains( )になります。
これをqueryメソッドと合わせて書き込むことで、特定の情報のみ取り出すことができます。
import pandas as pd
df01 = pd.DataFrame( {'name':['A', 'B', 'C'],
'学年':["１学年", "２学年", "３学年"],
'math':[60, 70, 80]})
df01
name 学年 math
0 A １学年 60
1 B ２学年 70
2 C ３学年 80
これらの３学年のデータを取り出したいときは、以下の記述をします。
df01.query("学年.str.startswith('３')" , engine="python")
name 学年 math
2 C ３学年 80
startswith()の()中身には最初の文字列を入力します。''で囲むことを忘れないようにしましょう。今回は３を検索しているので、上記のようになっています。
また、engine="pythonにしないと.str関数が使えないので必ず記述しましょう。
次に、１学年から２学年のデータのみ取り出しましょう。
今回は先にコードを記述していきます。
df01.query("学年.str.contains('^[１-２]',regex=True)" , engine='python')
先ほどの違う点としては.contains('^[１-２]',regex=True)
だと思います。
この ^や[]や-などは、正規表現といいます。簡単に説明していきます。
正規表現
様々なパターンで並んでいる文字列を特殊文字などを使って表現する表記法
また、基礎的な表記法もいくつか書いていきます。
任意の1文字：.
文字列の先頭：^
文字列の最後：$
同一文字の繰り返し：*, +, ?
範囲指定：-
角括弧に含まれるいずれか１文字にマッチ：[ ]
角括弧に含まれる文字以外にマッチ：[^]
このことから、先ほど記述した意味としては、
１から２から始まるデータを取り出す
ということになります。
正規表現はほかにもあるので、調べてみてください。
また、regex=Trueにしないと正規表現は使えないので必ず記述しましょう。
それでは、今回はここまでになります。またよろしくお願い申し上げます。