Python

2つ以上のPandas DataFrameを連結したい場合には、concat()関数を使用します。列方向（横方向）に連結するには、axisパラメータにaxis=1を指定します。デフォルトのaxis=0は行方向（縦方向）の連結となるため、列方向に並べたい場合は必ず指定が必要です。 まず、必要なライブラリをインポートします。 import pandas as pd 1つ目のDataFrameを作成 dataFrame1 = pd.DataFrame( { Col1: [10, 20, 30], Col2: [40, 50, 60], Col3

Pandas DataFrameでは、さまざまな比較条件を使って列の値を評価できます。df[col] < 5 や df[col] == 10 のような比較演算を適用することで、各要素が条件を満たしているかどうかを確認できます。例えば、df[col] > 2 という条件を指定した場合、列 col 内のすべての値が「2より大きい」かどうかを順番に判定します。条件を満たす要素には True、満たさない要素には False が返され、結果はブール型（bool）のSeriesとして得られます。このブール値の結果は、そのままブールインデックスとして使うことで、条件に合致する行だけを抽出するフィ

Pandasのvalue_counts()で値の名前とカウントを抽出するには？ Pandasのvalue_counts()メソッドを使うと、SeriesやDataFrameの各列に含まれる一意な値とその出現回数を簡単に取得できます。戻り値は出現回数の降順に並べ替えられたSeriesとなっており、インデックスに値の名前、値にカウント数が格納されます。 ここでは、実際にDataFrameを作成し、特定の列から値の名前とカウントを抽出する手順を解説します。 1. サンプルDataFrameの作成 まず、4つの列を持つDataFrameを作成します。 import pandas as pd # Da

Pandasでは、スライス（slice）記法を使うことで、2つのインデックス値の間に位置する行を簡単に抽出できます。この記事では、具体的なサンプルコードとともに、その手順をわかりやすく解説します。 手順 2次元の、サイズ変更可能で異なる型のデータも格納できる表形式データとして、df を作成します。 入力用のDataFrame df を出力して確認します。 インデックスの下限値（開始位置）を変数として初期化します。 インデックスの上限値（終了位置）を別の変数として初期化します。 df[index_lower_limit:index_upper_limit] の形式でスライスし、指定した範囲の行

PandasのDataFrameを1つのExcelファイル内の複数シートに保存したい場合は、pd.ExcelWriter()メソッドを利用します。このメソッドはコンテキストマネージャとして使うことで、複数のDataFrameをそれぞれ別のシート名で書き込むことができます。なお、ExcelWriter()を使用する前に、依存ライブラリであるopenpyxlがインストールされていることを確認してください。未インストールの場合は、以下のコマンドでインストールできます。pip install openpyxl手順二次元・サイズ変更可能な表形式データであるDataFrame df1 を作成します。入力用

Pandasで2つ以上のDataFrame（データフレーム）を連結するには、concat()メソッドを使用します。行方向（縦方向）に連結したい場合は、axisパラメータをaxis=0に設定します。まずは、必要なライブラリをインポートしましょう。 import pandas as pd 連結用のDataFrameを3つ作成する まず、1つ目のDataFrameを作成します。 dataFrame1 = pd.DataFrame( { Col1: [10, 20, 30], Col2: [40, 50, 60], Col3: [70, 80,

PandasのDataFrameをJSONファイルに書き出し、あとで再度読み込むには、to_json() メソッドと read_json() メソッドを使用します。この記事では、基本的な使い方をサンプルコードと実行結果付きでわかりやすく解説します。 処理の手順 2次元のサイズ可変な表形式データ（異なる型の列を含むことも可能）であるDataFrame df を作成します。 入力となるDataFrame df の内容を表示して確認します。 to_json() メソッドを使って、DataFrameをJSONファイルに書き出します。 read_json() メソッドを使って、JSONファイルを読み込

merge()で共通の行を取得する基本 Pandasのmerge()メソッドを使って2つのDataFrame（データフレーム）間の共通する行を検索するには、パラメータ「how」に「inner」を指定します。「inner」はSQLの内部結合（INNER JOIN）と同じ働きをするため、両方のDataFrameに存在する行だけを抽出したい場合に最適です。 DataFrame1の作成 まず、「Car」（車名）と「Reg_Price」（登録価格）という2つの列を持つDataFrame1を作成します。 dataFrame1 = pd.DataFrame( { Car: [BMW, L

PandasのDataFrameを辞書（dict）に変換したい場合は、to_dict()メソッドを使用します。この記事では、実際のコード例とともに、DataFrameから辞書への変換方法をわかりやすく解説します。変換の手順2次元の表形式データを持つDataFrame（df）を作成します。入力用のDataFrame df を表示して確認します。to_dict()メソッドを使ってDataFrameを辞書に変換し、結果を出力します。サンプルコードimport pandas as pd df = pd.DataFrame( { x: [5, 2, 7, 0], y: [

PandasのDataFrameから最初の3行を削除するには、ilocメソッドを使うのが最もシンプルで確実な方法です。ilocは行番号（位置）に基づいてデータを選択するため、df.iloc[3:]のようにスライスを指定すれば、インデックス3以降の行、すなわち先頭の3行を除外したDataFrameを簡単に取得できます。手順2次元・サイズ変更可能な表形式データとして、DataFrame df を作成します。入力のDataFrame df を表示して内容を確認します。df.iloc[3:] を使って最初の3行を削除します。更新後のDataFrameを表示します。サンプルコード import pand

PandasのDataFrameで特定の行のグループにアクセスするには、loc()メソッドを使用します。例えばdf.loc[2:5]と指定すると、ラベル2から5までのすべての行を選択できます。 手順 二次元・サイズ可変・異なるデータ型を格納できる表形式データとして、DataFrame dfを作成します。 入力となるDataFrame dfを出力して確認します。 df.loc[2:5]を使って、ラベル2〜5の行を選択します。 選択後のDataFrameを出力します。 サンプルコード import pandas as pd df = pd.DataFrame( { x:

Pandasでは、rename()メソッドを使うことで、DataFrameの列名をとても簡単に変更できます。変更したい現在の列名と新しい列名を辞書形式で渡すだけでOKです。この記事では、具体例を通じてその手順をわかりやすく解説します。 手順 サイズ変更可能な2次元の表形式データ（DataFrame）dfを作成します。 入力となるDataFrame dfを出力して内容を確認します。 rename()メソッドを使って列名を変更します。ここでは、列「x」を新しい名前「new_x」に変更します。 列名を変更した後のDataFrameを出力します。 コード例 import pandas as pd

正規表現（regex）とは、特定の検索パターンを定義するための文字列のことです。Pandasでは、str.match() メソッドを使うことで、正規表現に基づいてDataFrameの行を簡単にフィルタリングできます。フィルタリングの手順2次元のサイズ可変な表形式データである df（DataFrame）を作成します。入力となるDataFrame df を表示して内容を確認します。正規表現を格納する変数 regex を初期化します。たとえば文字列 J.* を指定すると、「J」で始まるすべてのエントリが抽出されます。df.column_name.str.match(regex) の形式で、指定した列

Pandasでは、.corr()メソッドを使うことで、DataFrame内の2つの列（カラム）間の相関係数を簡単に求めることができます。デフォルトではピアソンの相関係数が計算され、その値は-1から1の範囲で表されます。値が1に近いほど正の相関が強く、-1に近いほど負の相関が強いことを意味します。ここでは、具体的な例を通してこのメソッドの使い方を解説します。 手順 サイズ変更可能な2次元の表形式データであるDataFrame（df）を作成します。 入力のDataFrame（df）を表示して内容を確認します。 相関を調べたい列名をcol1とcol2という変数に代入します。 df[col1].co

PandasのDataFrameで特定の列の最大値を見つけ、その最大値に対応する行全体の値を取得するには、df.loc[df[col].idxmax()]を使用します。idxmax()は最大値が含まれる行のインデックスを返し、それをdf.loc[]に渡すことで該当する行をSeriesとして取得できます。具体的な例で確認してみましょう。 手順 2次元でサイズ変更可能な表形式データ（DataFrame）dfを作成します。 入力DataFrame dfを出力して内容を確認します。 最大値を求めたい列名を変数colに設定します。 df.loc[df[col].idxmax()]を使って、最大値とそ

Pandasでデータフレームから数値型の列を抽出したい場合、select_dtypes()メソッドを使うのが最もシンプルな方法です。このメソッドは、列のデータ型（dtype）に基づいて列を選択できる便利な機能を持っています。実際のコード例を通じて、具体的な使い方を見ていきましょう。処理の手順2次元のサイズ可変で、異なる型のデータを含みうる表形式データ（DataFrame）df を作成します。作成した入力DataFrame df の内容を出力して確認します。選択対象とするデータ型のリスト（ここでは数値型）を作成します。各列の dtypes に基づいて、条件に合致する列のみのサブセットを返します。

PandasのDataFrameからn番目の行を取得するには、iloc()メソッドを使用します。例えばdf.iloc[4]と指定すると5行目が返されます。これは行番号が0から始まるためです。 手順 2次元のサイズ変更可能な表形式データ（DataFrame）を作成します。 入力用のDataFrameを出力して内容を確認します。 変数nth_rowに取得したい行番号を設定します。 iloc()メソッドを使ってn番目の行を取得します。 返された結果を出力して確認します。 コード例 import pandas as pd df = pd.DataFrame( dict( na

Pandasでは、あるデータフレームの行を別のデータフレームに追加（連結）する際に、append()メソッドを使用できます。append()を使うと、行だけでなく列の追加も可能です。この記事では、具体的なサンプルコードを通じて、このメソッドの基本的な使い方と注意点を解説します。補足： append()メソッドはPandas 1.4で非推奨となり、Pandas 2.0以降では削除されています。最新の環境ではpd.concat()関数の使用が推奨されるため、記事の最後でその代替方法も紹介します。手順2次元のサイズ可変な表形式データとして、データフレームdf1を作成します。入力データフレームdf1を

Pandasでは、DataFrame全体を書き直すことなく、列の値を簡単に上下にシフトできるshift()メソッドが用意されています。時系列データの前後比較や、特徴量エンジニアリングなどで非常に便利な機能です。shift()メソッドの基本構文shift(self, periods=1, freq=None, axis=0, fill_value=None)主なパラメータperiods: シフトする期間（行数）を指定します。負の数を指定すると逆方向にシフトできます。デフォルトは1です。axis: シフトの方向を指定します。0（デフォルト）でインデックス方向、1で列方向にシフトします。fill_v

pandasでは、concat()メソッドとdrop_duplicates()を組み合わせることで、2つのDataFrame間の共通しない行（差分行）を簡単に抽出できます。まず、必要なライブラリをエイリアス付きでインポートしましょう。 import pandas as pd 2つの列を持つDataFrame1を作成します。 dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Reg_Price: [1000, 1500, 1100, 800, 1100, 900