Pythonのpandasで辞書とカスタムインデックスを使ってSeries（系列）データ構造を作成する方法

はじめに

この記事では、Pythonの辞書（dict）を使用してpandasのSeriesデータ構造を作成する方法、さらにインデックス値を明示的に指定してカスタマイズする方法について解説します。

辞書はPythonの基本的なデータ構造の一つで、「キー」と「値」のペアによるマッピング構造を持っています。この特性を活かすことで、キーをそのままインデックスとして利用したSeriesを簡単に生成できます。

辞書とインデックス値を指定してSeriesを作成する基本例

import pandas as pd
my_data = {'ab' : 11., 'mn' : 15., 'gh' : 28., 'kl' : 45.}
my_index = ['ab', 'mn', 'gh', 'kl']
my_series = pd.Series(my_data, index = my_index)
print("This is series data structure created using dictionary and specifying index values")
print(my_series)

出力結果

This is series data structure created using dictionary and specifying index values
ab  11.0
mn  15.0
gh  28.0
kl  45.0
dtype: float64

コードの解説

• まず必要なライブラリであるpandasをインポートし、使いやすいように「pd」という別名を付けています。
• 次に、キーと値のペアを定義した辞書型のデータ構造を作成します。
• 続いて、カスタマイズしたインデックス値をリストとして格納します。ここでは、辞書の「キー」と同じ値を使用しています。
• pd.Series()の引数に辞書とインデックスを渡し、Seriesオブジェクトを生成します。
• 最後に、作成されたSeriesをコンソールに出力しています。

インデックス値が辞書の要素数より多い場合はどうなる？

次に、指定したインデックスの数が辞書の要素数よりも多い場合、どのような挙動になるのかを見てみましょう。

例：インデックス数が多い場合

import pandas as pd
my_data = {'ab' : 11., 'mn' : 15., 'gh' : 28., 'kl' : 45.}
my_index = ['ab', 'mn', 'gh', 'kl', 'wq', 'az']
my_series = pd.Series(my_data, index = my_index)
print("This is series data structure created using dictionary and specifying index values")
print(my_series)

出力結果

This is series data structure created using dictionary and specifying index values
ab  11.0
mn  15.0
gh  28.0
kl  45.0
wq  NaN
az  NaN
dtype: float64

コードの解説

• pandasライブラリをインポートし、別名「pd」を付けて利用しやすくしています。
• キーと値のペアを持つ辞書型データ構造を作成します。
• 今回は、辞書の要素数よりも多くのカスタムインデックス値をリストに格納しています。
• その後、結果をコンソールに出力しています。

ポイント：NaNとは何か

出力結果を見ると、辞書内に対応するキーが存在しないインデックス（「wq」や「az」）には「NaN」という値が割り当てられていることがわかります。NaNは「Not a Number（非数）」を意味し、欠損値（missing value）を表すために使用される特殊な値です。

このように、pd.Series()に辞書とインデックスを渡す場合、インデックス側に対応するキーがないと自動的にNaNが補完されます。これは実務においても重要な挙動なので、覚えておくとよいでしょう。