Pandasで正規表現を使って行をフィルタリングする方法

正規表現（regex）とは、特定の検索パターンを定義するための文字列のことです。Pandasでは、str.match() メソッドを使うことで、正規表現に基づいてDataFrameの行を簡単にフィルタリングできます。

フィルタリングの手順

• 2次元のサイズ可変な表形式データである df（DataFrame）を作成します。
• 入力となるDataFrame df を表示して内容を確認します。
• 正規表現を格納する変数 regex を初期化します。たとえば文字列 'J.*' を指定すると、「J」で始まるすべてのエントリが抽出されます。
• df.column_name.str.match(regex) の形式で、指定した列に対して正規表現マッチングを行い、条件に合致する行だけを抽出します。

サンプルコード

import pandas as pd

df = pd.DataFrame(
    dict(
        name=['John', 'Jacob', 'Tom', 'Tim', 'Ally'],
        marks=[89, 23, 100, 56, 90],
        subjects=["Math", "Physics", "Chemistry", "Biology", "English"]
    )
)

print("入力DataFrame:\n", df)

regex = 'J.*'
print(regex, "適用後のDataFrame:\n", df[df.name.str.match(regex)])

regex = 'A.*'
print(regex, "適用後のDataFrame:\n", df[df.name.str.match(regex)])

実行結果

入力DataFrame:

      name   marks   subjects
0     John      89       Math
1    Jacob      23    Physics
2      Tom     100  Chemistry
3      Tim      56    Biology
4     Ally      90    English

J.* 適用後のDataFrame:

    name   marks   subjects
0   John      89       Math
1  Jacob      23    Physics

A.* 適用後のDataFrame:

    name   marks   subjects
4   Ally      90    English

ポイント解説

str.match() は文字列の先頭からパターンとの一致を判定するメソッドです。そのため 'J.*' は「Jで始まる名前」にマッチし、John と Jacob の行だけが抽出されます。同様に 'A.*' を指定すると、Ally の行のみが取得できます。

なお、部分一致で検索したい場合は str.contains() メソッドを使うと、文字列の途中にパターンが含まれる行も抽出可能です。用途に応じて使い分けると便利です。