Python（pandas）で既存のデータフレームに新しい列を追加する方法

データフレーム（DataFrame）とは、データを行と列からなる表形式で格納する2次元のデータ構造です。

イメージとしては、SQLのテーブルやExcelのシートに近いものです。データフレームは、次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)

既存のデータフレームに新しい列を追加する方法はいくつかあります。ここでは、その中でも基本的な手法として、まずSeriesデータ構造を作成し、それを既存のデータフレームに新しい列として渡す方法を紹介します。

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'])}
my_df = pd.DataFrame(my_data)
print("データフレームは以下の通りです：")
print(my_df)
print("Series構造を渡して新しい列を追加します：")
my_df['ef']=pd.Series([56, 78, 32],index=['a','b','c'])
print("新しい列を追加した後のデータフレーム：")
print(my_df)

実行結果

データフレームは以下の通りです：
   ab   cd
a  1.0  1
b  8.0  2
c  7.0  0
d  NaN  9
Series構造を渡して新しい列を追加します：
新しい列を追加した後のデータフレーム：
    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

コードの解説

• 必要なライブラリをインポートし、扱いやすいように別名（エイリアス）を付けています。

• 辞書型のデータ構造を作成し、1つの辞書の中にキーと値のペアを定義しています。

• キーと値のペアにおける「値」は、実際にはSeriesデータ構造になっています。

• インデックスも、独自に指定した値のリストを使用しています。

• この辞書を、pandasライブラリの「DataFrame」関数に引数として渡すことで、データフレームが作成されます。

• その後、新しい列「ef」を作成し、値を初期化します。

• 作成したSeriesを my_df['ef'] の形式で代入することで、新しい列が元のデータフレームに紐づけられます。

• 最後に、更新されたデータフレームをコンソールに出力しています。

ポイント： 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。今回の例では、インデックス「d」に対する値がSeriesに含まれていないため、自動的にNaNが補完されています。

その他の列の追加方法

上記のSeriesを使う方法以外にも、代表的な方法がいくつかあります。

• スカラー値やリストを直接代入する方法： df['new_col'] = 値 のように記述すると、すべての行に同じ値、またはリストの要素が順に割り当てられます。

• assign() メソッドを使う方法： df = df.assign(new_col=値) のように記述すると、元のデータフレームを変更せずに、新しい列を追加したコピーを返します（メソッドチェーンとの相性が良いのが特徴です）。

• insert() メソッドを使う方法： df.insert(位置, '列名', 値) のように記述すると、任意の場所に新しい列を挿入できます。

用途に応じてこれらの方法を使い分けることで、より柔軟にデータフレームを操作できます。