【Python】Pandasライブラリ関数まとめ

---

PythonのPandasライブラリとは

Google Cloudでデータパイプラインを開発した際に、PythonライブラリであるPandasを記述していました。

Pandasは、Pythonでデータ分析やデータ操作を行うためのライブラリです。データを効果的に操作、整理、変換するための関数があります。

以下に、Pandasの主要な関数のいくつかを紹介します。

Pandas関数一覧

• read_csv(): CSVファイルを読み込み、PandasのDataFrameオブジェクトとして返します。

import pandas as pd

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

• head(): DataFrameの最初のいくつかの行を表示します（デフォルトでは5行）。

df.head()

• tail(): DataFrameの最後のいくつかの行を表示します（デフォルトでは5行）。

df.tail()

• info(): DataFrameの基本的な情報を表示します。列のデータ型、非null値の数、メモリ使用量などが含まれます。

df.info()

• describe(): 数値列の統計的な要約を提供します。平均値、標準偏差、最小値、最大値などが含まれます。

df.describe()

• shape: DataFrameの行数と列数を示すタプルを返します。

df.shape

• columns: DataFrameの列の名前（ヘッダー）をリストとして返します。

df.columns

• value_counts(): 列内の各値の出現回数を計算し、結果を表示します。

df['column_name'].value_counts()

• sort_values(): DataFrameを指定した列の値に基づいてソートします。

df.sort_values('column_name')

• groupby(): 指定した列を基準にデータをグループ化します。集計関数（平均、合計など）と組み合わせて使用することができます。

df.groupby('column_name').mean()

• fillna(): 欠損値（NaN）を指定した値で置き換えます。

df.fillna(value)

• dropna(): 欠損値（NaN）が含まれる行を削除します。

df.dropna()

• merge(): 複数のDataFrameを結合します。指定した列を基準に結合することができます。

merged_df = pd.merge(df1, df2, on='column_name')

• pivot_table(): ピボットテーブルを作成します。指定した列を行と列に配置し、集計関数を適用することができます。

pivot_table = df.pivot_table(values='value', index='index_column', columns='column_name', aggfunc='mean')

• to_csv(): DataFrameをCSVファイルとして保存します。

df.to_csv('output.csv', index=False)

• loc[]およびiloc[]: DataFrame内の行や列にアクセスします。loc[]はラベルベースでのアクセス、iloc[]は整数ベースでのアクセスです。

# ラベルベースでのアクセス
df.loc[row_label, column_label]

# 整数ベースでのアクセス
df.iloc[row_index, column_index]

• apply(): 指定した関数をDataFrameの行または列に適用します。

# 列に関数を適用
df['column_name'].apply(function)

# 行に関数を適用
df.apply(function, axis=1)

• map(): 列の各要素に対して、指定した辞書や関数を適用して値を変換します。

df['column_name'].map(dictionary)
df['column_name'].map(function)

• duplicated(): DataFrame内の重複した行を検出します。

df.duplicated()

• drop_duplicates(): DataFrame内の重複した行を削除します。

df.drop_duplicates()

• corr(): DataFrame内の列間の相関係数を計算します。

df.corr()

• plot(): DataFrameのデータを可視化します。さまざまな種類のプロット（折れ線グラフ、棒グラフ、ヒストグラムなど）を作成することができます。

df.plot(kind='line')
df.plot(kind='bar')
df.plot(kind='hist')

• pd.to_datetime(): 文字列を日付または時刻のデータ型に変換します。

df['date_column'] = pd.to_datetime(df['date_column'])

PythonのPandasライブラリまとめ

以上がPandasライブラリの主な関数となります。

データを効果的に操作、整理、変換するための関数が多くあります。意図した形に変換できる関数をご使用いただければと思います！

Python関連記事

そのほか、Python関連の情報はこちらにまとめておりますのでご参考ください。
>Coffee Tech Blog Python関連記事

参考になれば幸いです☕