【pandas】データ型DataFrameとSeriesとは？【Pythonデータ分析】

データ分析のために、pandasを勉強し始めたけれど、SeriesとDataFrameってなんだろう…?
何が違うのかな？

Pandas（パンダス）は、データ分析のためのデータ構造やツールを提供するライブラリです。

様々な構造のデータを扱いたいという背景から、NumPyから派生して作られたライブラリです。

本記事では、Pandasのデータ構造である「Series（シリーズ）」と「DataFrame（データフレーム）」について、違いや使い方を徹底解説します。

ぜひ最後まで御覧ください。

Series型
- Seriesの作り方
- Series型の操作方法
DataFrame
NumPyのndarrayとの違い
最後に

Series型

Seriesとは、一次元データを格納することができるデータ構造です。

一次元データとは、変数が1つしか無いデータのことです。

下記の例のように、生徒に関する情報が「身長」の１変数のみの状態がSeriesの特徴です。

Seriesの作り方

Series型の作り方は色々あります。

まずは、配列から作る方法です。

import pandas as pd

#配列から作る
data = [1,2,3,4,5]
Series1 = pd.DataFrame(data)
Series1

続いて、NumPyのndarrayから作る方法です。

ndarrayとは、NumPyで使われる多次元配列です。

NumPyで使っていたものをPandasで使えるように変換するイメージだね

import numpy as np

data = np.array([1,2,3,4,5])
Series2 = pd.DataFrame(data)
Series2

文字列のSeriesも作れます。

data = ["リンゴ","ゴリラ","ラッパ","パンダ"]
Series3 = pd.DataFrame(data)
Series3

文字列や数字など、複数のデータ型の要素が混在していても、Seriesは作れます。

ndarrayでは、複数のデータ型を混在させることができません。

#複数のデータ型を混ぜる事もできる！（ndarrayでは不可）
data = ["リンゴ",1,True,"パンダ"]
Series4 = pd.DataFrame(data)
Series4

Seriesは、単独で配列として利用することもできます。

また、DataFrameの中の1列を指定して抽出しても、Seriesとして返ってきます。

Series型の操作方法

インデックスを指定してSeriesを作成

インデックスを指定してSeriesを作ることができます。

インデックスというのは、表の行名のイメージだよ。

テンプレート

変数 = pd.Series(データの配列, index = 横行の名前の配列)

何も指定しない場合は、0から順にインデックスが振られます。

#各教科の成績を配列に格納
data = [85,74,30]

#インデックスには、教科名を指定する
Series1 = pd.Series(data, index = ["math", "japanese", "english"])

また、インデックスは、あとから追加することもできます。

data = [85,74,30]

Seires2 = pd.Series(data)

#インデックスをあとから追加
Series1.index = ["math", "japanese", "english"]

Seriesから要素を取得

1つの要素をSeriesから取得する時は、取得したいインデックスを指定しましょう。

テンプレート

Series[取得したいインデックス]

Series1["japanese"]

>>74

複数要素を取得する場合は、範囲選択（スライス）をします。

Series1["japanese":"english"]

>>実行結果
japanese    74
english     30
dtype: int64

要素の削除

Seriesのデータを削除するには、dropメソッドを使います。

テンプレート

Series.drop(削除したいインデックス)

Series1.drop("math")

要素の追加

要素を追加する場合は、インデックスを指定して代入します。

テンプレート

Series.[新しく追加するインデックス] = 新しく追加する値

Series1["science"] = 100

要素のソート

要素のソートは、sort_valueメソッドを使います。

Series1.sort_values()


english      30
japanese     74
math         85
science     100
dtype: int64

sort_valuesメソッドの使い方については、下記の記事でまとめています。

是非参考にしてください。

【pandas】データのソート総まとめ(sort_values・sort_index)【データ分析】

2022年10月8日

DataFrame

DataFrameとは、Pandasが提供する二次元配列です。

縦・横が揃ったデータ形式だね。

データ分析を行う場合、データをDataFrameに格納することが多いです。

DataFrameの作り方

DataFrameの定義方法は次の通りです。

#pandasをpdとしてimportする
import pandas as pd

#データを作る
data = [[60,45,25],
        [84,70,47],
        [44,43,33],
        [90,25,25],
        [81,70,87],
        [64,33,83]]

#データフレームにする
df = pd.DataFrame(data)

#データフレームを呼び出す
df

行名（index）や列名（columns）は、何も指定しない場合は0から順に数字が振られます。

インデックスやカラムを指定して作成することもできます。

#dataをデータフレームにする時に、indexとcolumnsを指定する
df2 = pd.DataFrame(data, index = ["No.1","No.2","No.3","No.4","No.5","No.6"], columns = ["English","Math","Japanese"])
df2

dataをデータフレームにする時に、indexとcolumnsを指定する時の実行結果

DataFrameの操作方法

列名（columns）や行名（index）を指定して取得する

列名や行名を指定して、抽出する場合は、locメソッドを使いましょう。

1列、または、1行だけを指定して取り出したものは、DataFrameではなく、Series型になります。

#行名・列名を指定して取得
df2.loc["No.1","English"]

>>実行結果
60

#列名を指定して、列全体を取得
df2.loc[:,"Japanese"]


>>実行結果（全生徒の国語の点数）
No.1    25
No.2    47
No.3    33
No.4    25
No.5    87
No.6    83
Name: Japanese, dtype: int64

#行名を指定して、行全体を取得
df2.loc["No.4",:]

>>実行結果（生徒「No.4」の全教科の成績）
English     90
Math        25
Japanese    25
Name: No.4, dtype: int64

列番号や行番号を指定して取得する

行番号や列番号で指定して取得したい場合は、ilocメソッドを使います。

指定の方法は、locメソッドのときと同じです。

#行番号・列番号を指定して取得
df2.iloc[2,2]

>>実行結果（生徒No.3の国語の点数）
33

#列番号を指定して、列全体を取得
df2.iloc[:,0]


>>実行結果（全生徒の英語の点数）
No.1    60
No.2    84
No.3    44
No.4    90
No.5    81
No.6    64
Name: English, dtype: int64

#行番号を指定して、行全体を取得
df2.iloc[3,:]


>>実行結果（生徒No.4の全科目の成績）
English     90
Math        25
Japanese    25
Name: No.4, dtype: int64

列名（columns）や行名（index）をDataFrame作成後につける

DataFrameでは、行番号・列番号とは別に、行や列に名前（index、columns）をつけることができます。

インデックスに関する指定をせずにDataFrameを作成すると、行番号がインデックス（行名）になります。

下図のようなイメージです。

行番号とインデックスともに、０から順に数字が振られているね。

インデックスを指定しない場合、一見すると行番号とインデックスは同じもののように見えます。

しかし、行削除した時に、行番号は更新されるのに対し、インデックスは更新されないという点で違いがあります。

DataFrame作成後にインデックスやカラムをつけてみます。

#インデックスをつける
df.index  = ["No.1","No.2","No.3","No.4","No.5","No.6"]
df

#カラムをつける
df.columns = columns = ["English","Math","Japanese"]
df

NumPyのndarrayとの違い

似たデータ型で、ndarray（エヌディーアレイ）というものをよく聞くけど、ndarrayとの違いは？

ndarrayとは、数値計算が得意なライブラリ「NumPy（ナムパイ）」で使われる多次元配列です。

多次元なので、SeriesやDataFrameとの違いがわかりにくいのですが、次のような点で異なります。

	ndarray	Series	DataFrame
ライブラリ	NumPy	Pandas	Pandas
次元数	多次元（1次元でも2次元でもOK）	1次元	2次元
要素のデータ型	全て同じでないといけない（文字や数字を一緒に格納した場合は、全て文字列として扱わる）	異なっていてもよい	異なっていてもよい