Python Pandas入門 – データフレームから条件に合う行のサブセットを抽出する方法

Pandasのデータフレームから行のサブセット（一部の行）を取得するには、条件式を使ってデータを絞り込みます。この手法は「ブールインデックス参照」と呼ばれ、データ分析で最もよく使われる操作のひとつです。

使用するCSVファイル

ここでは、Microsoft Excelで開いた次のようなCSVファイル（SalesData.csv）を例にします。車種名（Car）、登録価格（Reg_Price）、販売台数（Units）の3つの列を持つデータです。

CSVファイルをデータフレームとして読み込む

まず、read_csv()メソッドを使って、CSVファイルのデータをPandasのデータフレームに読み込みます。

dataFrame = pd.read_csv("C:\Users\amit_\Desktop\SalesData.csv")

条件を指定して行を抽出する

たとえば「Units（販売台数）が100より大きい」車のレコードだけを取り出したい場合は、次のように記述します。

dataFrame[dataFrame["Units"] > 100]

角括弧の中に条件式を直接書くだけで、条件を満たす行だけが抽出されます。非常にシンプルですね。

同様に、「Reg_Price（登録価格）が3000未満」のレコードを抽出したい場合は、以下のようにします。

dataFrame[dataFrame["Reg_Price"] < 3000]

なお、複数の条件を組み合わせたい場合は、&（AND）や|（OR）を使って
dataFrame[(dataFrame["Units"] > 100) & (dataFrame["Reg_Price"] < 3000)]
のように書くこともできます。

サンプルコード（完全な例）

以下が実際のコード全体です。

import pandas as pd

# CSVファイルからデータフレームへデータを読み込む
dataFrame = pd.read_csv("C:\Users\amit_\Desktop\SalesData.csv")
print("\nReading the CSV file...\n", dataFrame)

# 2つの列（Reg_PriceとUnits）を表示
res2 = dataFrame[['Reg_Price', 'Units']]
print("\nDisplaying two columns : \n", res2)

# 行のサブセットを選択：Unitsが100より大きい車
print("\nSelect cars with Units more than 100: \n", dataFrame[dataFrame["Units"] > 100])

# 行のサブセットを選択：Reg_Priceが3000未満の車
print("\nSelect cars with Reg_Price less than 3000: \n", dataFrame[dataFrame["Reg_Price"] < 3000])

実行結果

上記のコードを実行すると、次のような出力が得られます。

Reading the CSV file...
        Car   Reg_Price   Units
0       BMW        2500     100
1     Lexus        3500      80
2      Audi        2500     120
3    Jaguar        2000      70
4   Mustang        2500     110

Displaying two columns :
    Reg_Price   Units
0        2500     100
1        3500      80
2        2500     120
3        2000      70
4        2500     110

Select cars with Units more than 100:
        Car   Reg_Price   Units
2      Audi        2500     120
4   Mustang        2500     110

Select cars with Reg_Price less than 3000:
        Car   Reg_Price   Units
0       BMW        2500     100
2      Audi        2500     120
3    Jaguar        2000      70
4   Mustang        2500     110

まとめ

このように、dataFrame[条件式]という形式を使えば、比較演算子（>、<、==など）を組み合わせて、目的の行だけを簡単に抽出できます。また、より高度な条件指定を行いたい場合はquery()メソッドを利用するのも便利です。