Python, pandasの基礎④　～データフレームの特徴と作成，基本操作編～

どうも！僕です！
つか〇です！

pandasのデータフレーム構造について，その特徴と基本操作について説明します．

「シリーズと何が違うねん！」

「データフレームってどない作んねん！」

そんな風に思ってたつか〇だからこそわかりやすく解説します．

データフレームの特徴
データフレームの作り方
まとめ

データフレームの特徴

データフレームはテーブル形式のデータ構造をしています．
シリーズは列数が1つですが，データフレームは列を複数持ちます．
そのため，行と列の両方にインデックスが存在します．

また，それぞれの列でデータの型を変えることができます．
どういうことかというと，一列目は数値型，二列目は文字列型という風に別々の型を持たせることができます．

イメージとしては，シリーズをバリューとして持つディクショナリといった感じでしょうか．
（わかりにくかったらすみません！）

次項でデータフレームを実際に扱ってみましょう！

データフレームの作り方

まずデータフレームを使うときに，pandasとDataFrameをインポートしましょう．

import pandas as pd
from pandas import DataFrame

これはおまじないのようなものです．
これを忘れずに！

まずはディクショナリを作成して，そのディクショナリからデータフレームを作ってみましょう！

data = {"City": ["Hikone", "Hikone", "Kusatsu", "Kusatsu", "Kusatsu", "Hikone"],
       "year": [2010, 2011, 2012, 2013, 2014, 2015],
       "data": [3.2, 4.3, 2.1, 3.4, 5.6, 2.5]}                #ディクショナリを作成
frame = pd.DataFrame(data)                                    #データフレーム作成
frame

「pd.DataFrame()」というのにディクショナリを引数として渡せばデータフレームを作成できます．
以下が上記のプログラムの出力になります．


        City	year	data
0	Hikone	2010	3.2
1	Hikone	2011	4.3
2	Kusatsu	2012	2.1
3	Kusatsu	2013	3.4
4	Kusatsu	2014	5.6
5	Hikone	2015	2.5

表ができましたね．
これがデータフレーム構造です．
前項で説明したように，行と列にそれぞれインデックスを持ち，データの型も列によって異なります．

では，ちょっと違う作成の仕方もしてみましょう．
NumPyの配列を使う方法です．
以下のようにやってみましょう．

import numpy as np                  #Numpyをインポート
frame2 = pd.DataFrame(np.arange(20).reshape((4,5)))
frame2


        0	1	2	3	4
0	0	1	2	3	4
1	5	6	7	8	9
2	10	11	12	13	14
3	15	16	17	18	19

数値のデータができましたね．
こういう感じでデータフレームは作成できます．

この「pd.DataFrame()」のところに，「index=」や，「columns=」を指定することができます．

frame2 = pd.DataFrame(np.arange(20).reshape((4,5)),
                     index=["Yamada", "Iwaki", "Hohoemi", "Tonoma"],
                     columns=["HIT", "HR", "RBI", "STILL", "STRIKEOUT"])
frame2



        HIT	HR	RBI	STILL	STRIKEOUT
Yamada	0	1	2	3	4
Iwaki	5	6	7	8	9
Hohoemi	10	11	12	13	14
Tonoma	15	16	17	18	19

こんな感じですね．
このデータは，インデックスとデータが適当ですので，ご承知おきください．

また，データはないけど，新たに列を追加したいときは以下のようにします．

frame3 = pd.DataFrame(data, columns=["year", "City", "data", "data2"])
frame3


        year	City	data	data2
0	2010	Hikone	3.2	NaN
1	2011	Hikone	4.3	NaN
2	2012	Kusatsu	2.1	NaN
3	2013	Kusatsu	3.4	NaN
4	2014	Kusatsu	5.6	NaN
5	2015	Hikone	2.5	NaN

上記のように「data2」が列に追加され，データ部分では欠損値「NaN」が入っています．
欠損値については，後日紹介できればと思っています．

また，「frame」と「frame2」を見比べてもらうと，列の順番が替わっていることがわかると思います．
frame2のように列の順番も指定することで替えることができます．

こんな感じでデータフレームを作ることができます．