pandasをオンライン実行

pandasのDataFrame

このレッスンでは、辞書からpandasのDataFrameを作り、データを行と列のある表として確認します。

  • 中級
  • 約2分で読めます
  • 実行できるサンプル 1 件

はじめに

どんな問題を解決するか

実際のデータは表の形で届きます。名前と点数を持つ生徒、日付と金額を持つ売上などです。リストのリストでは列名が失われ、NumPy の配列は1つの配列に1つの型しか持てません。pandas なら、型の違う列にラベルを付けた表が使えます。

身近なたとえ

DataFrame は Python の中の表計算シートのようなものです。各列には名前があって1種類の値を持ち、各行は1件のレコードで、左側の行番号で好きな行を指せます。

表計算シートからコードへ
pd.DataFrame({...})📊 シートを作る
"name": [...]🏷️ name という列
0, 1, 2🔢 左側の行ラベル(インデックス)
students["score"]📈 1列をまるごと取り出す
名前付きの型の違う列と、ラベル付きの行。
ひと言でいうと

pandas の DataFrame は、異なるデータ型を持てるラベル付きの列と、インデックスと呼ばれるラベル付きの行を持つ2次元の表です。

重要なポイント

  1. pd.DataFrame({...}) は辞書を表にし、各キーが1つの列になります。
  2. 各リストは1つの列の値を持ち、すべてのリストは同じ長さでなければなりません。
  3. 行ラベル0、1、2がインデックスで、自動的に作られます。
  4. 同じ表の中で name は文字列を、score は数を持ちます。

どんな場面で使う?

  • CSV や Excel のファイル、データベースの結果、アンケートデータなど、あらゆる表を扱う。
  • データのクリーニング、絞り込み、グループ化、要約。
  • グラフや機械学習のためにデータを準備する。

使わなくてよいとき

  • 数個の値:リストや辞書のほうが簡単です。
  • 重い計算のための数だけの格子:NumPy の配列のほうが軽く速いです。

サンプルコード

コードを実行 →
main.py
import pandas as pd

students = pd.DataFrame({
    "name": ["Ada", "Lin", "Sam"],
    "score": [95, 88, 91],
})

print(students)
この例の実行ボタンを作成

実行結果

name  score
0  Ada     95
1  Lin     88
2  Sam     91

コードの解説

DataFrameは辞書から作られ、各キーが列名に、対応するリストがその列のデータになります。リストの長さはそろっている必要があります。表を表示すると、pandasは各行の左に0から始まるインデックス(index)を自動で付けます。

値を変更し、PythonをインストールせずにCodeUtilityオンラインPythonコンパイラで実行できます。

発展問題

下のヒントにしたがってコードを書き換えてみましょう。自分で変えて結果を確かめると、コードを読むだけよりずっと深く理解できます。

  1. サンプルデータに行、列、いくつかの欠損値を追加する。
  2. 絞り込み、並べ替え、groupbyを組み合わせて小さなレポートを作る。
  3. 実際のデータファイルを読み込み、各列のデータ型を確認して、不正な値を処理する。
Pythonコンパイラで実行 →

よくある間違い

長さの違う列

どの列も行ごとに1つの値を持つ必要があります。

問題
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95]})  # ValueError
修正
pd.DataFrame({"name": ["Ada", "Lin"], "score": [95, 88]})

このレッスンを終えましたか?

学習済みにすると進み具合を記録できます。

チャレンジで練習する

このレッスンの内容を使って実際の問題を解きましょう。各チャレンジはブラウザで動き、すぐにテストされ、AI のレビューも受けられます。

すべてのチャレンジ