Python（pandas）で既存の列を利用してデータフレームに新しい列を作成する方法

データフレーム（DataFrame）は、データを行と列という表形式で格納する二次元のデータ構造です。SQLのテーブルやExcelのシートのようなイメージを持つと分かりやすいでしょう。

データフレームは、以下のコンストラクタを使用して作成できます。

pd.DataFrame(data, index, columns, dtype, copy)

以前の記事では、Seriesオブジェクトとして新しい列を作成し、元のデータフレームにインデックス付けして追加する方法を紹介しました。

今回は、データフレームにすでに存在する列を組み合わせて、新しい列を作成する方法を解説します。この手法は、既存の列に対して何らかの計算を実行し、その結果を新しい列として保存したい場合に非常に便利です。

サンプルコード

import pandas as pd
my_data = {'ab' : pd.Series([1, 8, 7], index=['a', 'b', 'c']),
'cd' : pd.Series([1, 2, 0, 9], index=['a', 'b', 'c', 'd']),
'ef' :pd.Series([56, 78, 32],index=['a','b','c'])}
my_df = pd.DataFrame(my_data)
print("The dataframe is :")
print(my_df)
my_df['gh'] = my_df['ab'] + my_df['ef']
print("After adding column 0 and 2 to the dataframe, :")
print(my_df)

実行結果

The dataframe is :
    ab   cd   ef
a  1.0   1  56.0
b  8.0   2  78.0
c  7.0   0  32.0
d NaN   9   NaN
After adding column 0 and 2 to the dataframe, :
    ab   cd   ef    gh
a  1.0   1   56.0  57.0
b  8.0   2   78.0  86.0
c  7.0   0   32.0  39.0
d  NaN   9   NaN   NaN

コードの解説

• 必要なライブラリをインポートし、使いやすいようにエイリアス名を付けています。ここでは「pandas」を「pd」としています。

• キーと値のペアからなる辞書を作成します。ここで値は実際にはSeriesデータ構造になっています。

• このような辞書の値を複数作成します。

• 作成した辞書は、後ほど「pandas」ライブラリの「DataFrame」関数にパラメータとして渡されます。

• 辞書を引数として渡すことで、データフレームが生成されます。

• 新しい列「gh」をデータフレームに追加します。具体的には、「ab」列と「ef」列の値を足し合わせた結果を新しい列として格納しています。

• 最後に、データフレームをコンソールに出力して確認します。

ポイント：NaNについて

出力結果に含まれる「NaN」は「Not a Number」の略で、該当する[行, 列]の位置に有効な値が存在しないことを意味します。上記の例では、行「d」には「ab」列と「ef」列の値がないため、それらを加算した「gh」列もNaNになります。

このように、既存の列同士を演算するだけで、簡単に派生列（計算結果の列）をデータフレームに追加できます。売上の合計や平均値の計算など、実務でも頻繁に使われるテクニックなので、ぜひ覚えておきましょう。