Python PandasのDataFrame操作方法まとめ

基本操作

インポート

import pandas as pd

CSV読み込み

df = pd.read_csv("data.csv")

データ数を確認

df.shape

先頭から行を表示

# 引数を渡さない場合、先頭の5行が返る
df.head(10)

最後尾から行を表示

# 引数を渡さない場合、最後尾の5行が返る
df.tail(10)

行数を指定して表示

# 5~10行目を表示
df[5:10]

行を取得

df.loc['行名']
df.loc[['行名','行名']] # 複数行

行数を表示

print(len(df))

データ型の確認

df = pd.read_csv('data.csv')
df.info()
# non-null 欠損値を確認できる
# object 文字列が存在する

欠損値の確認

df.isnull() # 欠損値が含まれていればTrue
df.isnull().sum() #欠損値の数を表示する

※notnull()で欠損値でない数を確認

欠損値の行を削除

df.dropna()

欠損値の補完

df.fillna(0)

カラムの平均値を求める

df['age'].mean()

Nanのデータを取り出す

sample_nan_data = df[df["age"].isnull()]

基本統計量を確認する

df.describe()
# count: データの個数
# mean: 平均値
# std: 標準偏差
# min: 最小値
# 25%: 第一四分位数
# 50%: 第二四分位数(中央値)
# 75%: 第三四分位数
# max: 最大値

特徴量の加工

複数カラムを抜き出す

select_columns = ['age','height','weight']
print(data[select_columns])

Reference

• pandas
• DataFrame