PythonでDataFrameのインデックスと列を転置（入れ替え）する3つの方法

はじめに

pandasのDataFrameでは、行と列を入れ替える「転置（transpose）」操作がよく使われます。本記事では、特定のDataFrameのインデックスと列を転置するための3つの方法を、具体的なコード例とともにわかりやすく解説します。

たとえば、次のような元のDataFrameがあるとします。

import pandas as pd
data = [[1,2,3],[4,5,6]]
df = pd.DataFrame(data)
print("元のDataFrame:\n", df)

出力結果：

元のDataFrame:
   0 1 2
0 1 2 3
1 4 5 6

このDataFrameを転置すると、以下のように行と列が入れ替わります。

転置後のDataFrame:
   0 1
0 1 4
1 2 5
2 3 6

方法1：ネストしたリスト内包表記を使う

まずは、リスト内包表記を使って手動で転置を行う方法です。手順は以下のとおりです。

• DataFrameを定義します。

• ネストしたリスト内包表記で二次元リストの各要素を反復処理し、結果を変数に格納します。

result = [[data[i][j] for i in range(len(data))] for j in range(len(data[0]))]

• 結果をDataFrameに変換します。

df2 = pd.DataFrame(result)

実装例

全体のコードは次のようになります。

import pandas as pd
data = [[1,2,3],[4,5,6]]
df = pd.DataFrame(data)
print("元のDataFrame:\n", df)
result = [[data[i][j] for i in range(len(data))] for j in range(len(data[0]))]
df2 = pd.DataFrame(result)
print("転置後のDataFrame:\n", df2)

出力

元のDataFrame:
   0 1 2
0 1 2 3
1 4 5 6
転置後のDataFrame:
   0 1
0 1 4
1 2 5
2 3 6

方法2：transpose()メソッドまたはT属性を使う

最もシンプルで推奨されるのが、pandasが標準で提供している転置機能を使う方法です。手順は以下のとおりです。

• DataFrameを定義します。

• df.T または df.transpose() をDataFrameに適用します。

df.transpose() # または df.T

実装例

import pandas as pd
data = [[1,2,3],[4,5,6]]
df = pd.DataFrame(data)
print("元のDataFrame:\n", df)
print("転置後のDataFrame:\n", df.transpose())

出力

元のDataFrame:
   0 1 2
0 1 2 3
1 4 5 6
転置後のDataFrame:
   0 1
0 1 4
1 2 5
2 3 6

方法3：zip()関数を使う

Python組み込みのzip()関数を利用して転置する方法もあります。zip()はタプルのイテレータを返すため、*（アスタリスク）で展開しながら渡すことで、二次元リストの行と列を入れ替えられます。手順は以下のとおりです。

• DataFrameを定義します。

• *を使って二次元リストを展開し、zip()でまとめ直します。

result = zip(*data)

• 結果をDataFrameに変換します。

df2 = pd.DataFrame(result)

実装例

import pandas as pd
data = [[1,2,3],[4,5,6]]
df = pd.DataFrame(data)
print("元のDataFrame:\n", df)
result = zip(*data)
df2 = pd.DataFrame(result)
print("転置後のDataFrame:\n", df2)

出力

元のDataFrame:
   0 1 2
0 1 2 3
1 4 5 6
転置後のDataFrame:
   0 1
0 1 4
1 2 5
2 3 6

まとめ

DataFrameの転置には、①リスト内包表記で手動に行う方法、②df.Tやdf.transpose()を使う方法、③zip(*data)を使う方法の3つがあります。実務では、コードが簡潔でパフォーマンスにも優れた方法2のdf.Tを使うのが最もおすすめです。状況に応じて使い分けてみてください。