Python・Pandasのquery()メソッドでデータを効率的にフィルタリングする方法

Pandasは、データクレンジングやデータ分析などに幅広く利用されているPythonのライブラリです。本記事では、query()メソッドを使用して、指定したデータセットから条件に合致するデータを抽出する方法を解説します。query()メソッドでは、単一の条件だけでなく、複数の条件を組み合わせた絞り込みも可能です。

データの読み込み

まず、Pandasライブラリを使ってCSVファイルのデータをDataFrameとして読み込みます。以下のプログラムがその基本的なコードです。

サンプルコード

import pandas as pd

# CSVファイルからDataFrameを読み込む
data = pd.read_csv("D:\\heart.csv")

print(data)

実行結果

上記のコードを実行すると、次のような結果が出力されます。

単一条件によるデータ抽出

続いて、query()メソッドに単一の条件を指定してデータを抽出してみましょう。ここでは、コレステロール値（chol）が230未満の行だけを取り出しています。元の303行のうち、119行のみが結果として返されることが確認できます。

サンプルコード

import pandas as pd

# CSVファイルからDataFrameを読み込む
data = pd.read_csv("D:\\heart.csv")

# chol列が230未満の行を抽出
data.query('chol < 230', inplace=True)

# 結果を出力
print(data)

実行結果

上記のコードを実行すると、次のような結果が出力されます。

複数条件によるデータ抽出

先ほどと同様の方法で、query()メソッドに複数の条件を適用することもできます。条件を追加することで、結果のデータセットはさらに絞り込まれます。ここでは、年齢（age）が60歳より大きいという条件を加えています。その結果、返される行数は79行になりました。

なお、複数条件を組み合わせる場合は、条件式全体を1つの文字列として渡す点に注意してください。

サンプルコード

import pandas as pd

# CSVファイルからDataFrameを読み込む
data = pd.read_csv("D:\\heart.csv")

# chol列が230未満かつage列が60より大きい行を抽出
data.query('chol < 230 and age > 60', inplace=True)

# 結果を出力
print(data)

実行結果

上記のコードを実行すると、次のような結果が出力されます。

まとめ

Pandasのquery()メソッドを使えば、SQLのような直感的な条件式でDataFrameのデータを簡単にフィルタリングできます。単一条件でも複数条件でも柔軟に対応できるため、データ分析の前処理や探索的なデータ分析（EDA）において非常に便利な機能です。ぜひ実際のデータセットで試してみてください。