【Pandas入門 第2回】データを自在に操る！loc, iloc, ブールインデックスを使ったデータ選択・抽出術 🔪

「DataFrameから、特定の列だけを取り出すにはどうすればいい？」
「上から3行目、左から2列目の、あのデータが欲しい！」
「年齢が30歳以上で、かつ東京在住のデータだけを絞り込みたいんだけど…」

こんにちは！ Pandas探検隊、隊長のPythonistaです！ 前回の第1回では、Pandasの基本的なデータ構造であるSeriesとDataFrame、そしてCSVやExcelからデータを読み書きする方法を学びましたね。これで、どんな表形式データもPythonの世界に招き入れる準備が整いました。

シリーズ第2回の今回は、読み込んだデータを「スライス＆ダイス」する、つまり**自由自在に部分データを選択・抽出する**ためのテクニックを徹底的に解説します！ データ分析とは、まさにこの「データの中から必要な部分を見つけ出す」ことから始まります。今回は、Pandasにおけるデータ選択の3つの主要な武器、

  • ラベル名で指定する .loc
  • 行・列の番号で指定する .iloc
  • 条件に基づいてフィルタリングする ブールインデックス参照

をマスターしていきます。これらのテクニックを身につければ、巨大なデータの中からでも、あなたが必要とする情報をピンポイントで、かつ素早く取り出せるようになりますよ！

1. 準備：モジュールのインポートとサンプルDataFrameの作成

まずは、Pandasをインポートし、これからの例で使うサンプルデータフレームを作成しましょう。毎回ファイルから読み込むのは大変なので、今回はPythonの辞書から直接作成します。

import pandas as pd
import numpy as np

# サンプルデータを作成
data = {
    '名前': ['佐藤', '鈴木', '高橋', '田中', '伊藤'],
    '科目': ['数学', '英語', '数学', '理科', '社会'],
    '点数': [85, 78, 92, 88, 76],
    '評価': ['A', 'B', 'A', 'A', 'C']
}
# 's01', 's02' ... のようなカスタムインデックスを設定
student_ids = [f's0{i}' for i in range(1, 6)]
df = pd.DataFrame(data, index=student_ids)

print("--- サンプルDataFrame ---")
print(df)

実行結果:

--- サンプルDataFrame ---
      名前  科目  点数 評価
s01   佐藤  数学  85  A
s02   鈴木  英語  78  B
s03   高橋  数学  92  A
s04   田中  理科  88  A
s05   伊藤  社会  76  C

このdfというDataFrameを使って、様々なデータ選択の方法を見ていきましょう。

2. まずは基本！列の選択

特定の列のデータだけを取り出すのは、最も基本的な操作です。

2.1. 1つの列を選択する

DataFrame['列名'] のように、辞書のキーを指定する感覚で列名を書きます。結果は1次元のSeriesとして返されます。

names_series = df['名前']
print("\n--- '名前'列 (Series) ---")
print(names_series)
print(f"\n型: {type(names_series)}")

実行結果:

--- '名前'列 (Series) ---
s01     佐藤
s02     鈴木
s03     高橋
s04     田中
s05     伊藤
Name: 名前, dtype: object

型: <class 'pandas.core.series.Series'>

2.2. 複数の列を選択する

複数の列を選択する場合は、列名のリストを角括弧[]でさらに囲んで、DataFrame[['列名1', '列名2']]のようにします。この「角括弧が2つ」というのがポイントです。結果は新しいDataFrameとして返されます。

name_and_score_df = df[['名前', '点数']]
print("\n--- '名前'列と'点数'列 (DataFrame) ---")
print(name_and_score_df)
print(f"\n型: {type(name_and_score_df)}")

実行結果:

--- '名前'列と'点数'列 (DataFrame) ---
      名前  点数
s01   佐藤  85
s02   鈴木  78
s03   高橋  92
s04   田中  88
s05   伊藤  76

型: <class 'pandas.core.frame.DataFrame'>

3. 行と列を自在に選択：.loc と .iloc をマスターしよう！

行を選択したり、行と列を同時に指定したりするには、.locと.ilocという2つの強力なアクセサ（アクセス手段）を使います。この2つの違いを理解することが、Pandasを使いこなす上で非常に重要です。

  • .loc[...]: **ラベル (Label)** ベースの選択。行のインデックス名と列名を文字列で指定します。
  • .iloc[...]: **整数位置 (Integer Location)** ベースの選択。行番号と列番号を0から始まる整数で指定します。PythonのリストやNumPy配列のスライシングと同じ感覚です。

3.1. ラベルで選択する .loc

# --- .loc の使い方 ---
print("\n--- .locによる選択 ---")

# 1つの行を選択 (インデックス名's02')
row_s02 = df.loc['s02']
print(f"\n行 's02':\n{row_s02}")

# 複数の行を選択 (インデックス名のリスト)
rows_s01_s04 = df.loc[['s01', 's04']]
print(f"\n行 's01', 's04':\n{rows_s01_s04}")

# ラベルでスライス (注意: locのスライスは終了ラベルも含まれる！)
rows_slice = df.loc['s02':'s04']
print(f"\n行スライス 's02'から's04'まで:\n{rows_slice}")

# 行と列を同時に指定
value = df.loc['s03', '点数']
print(f"\n's03'の'点数': {value}") # 92

# 複数行・複数列を同時に指定
sub_df = df.loc[['s01', 's05'], ['名前', '評価']]
print(f"\n's01','s05'行の'名前','評価'列:\n{sub_df}")

3.2. 行・列番号で選択する .iloc

# --- .iloc の使い方 ---
print("\n--- .ilocによる選択 ---")

# 1つの行を選択 (0から数えて1番目の行)
row_1 = df.iloc[1]
print(f"\n1番目の行:\n{row_1}") # 鈴木さんのデータ

# 複数の行を選択 (行番号のリスト)
rows_0_3 = df.iloc[[0, 3]]
print(f"\n0番目と3番目の行:\n{rows_0_3}")

# 番号でスライス (Python標準と同じで、終了番号は含まれない！)
rows_slice_iloc = df.iloc[1:4] # 1, 2, 3番目の行
print(f"\n行スライス 1から4の手前まで:\n{rows_slice_iloc}")

# 行と列を同時に指定
value_iloc = df.iloc[2, 2] # 2行目, 2列目
print(f"\n2行目, 2列目の値: {value_iloc}") # 92

# 複数行・複数列を同時に指定
sub_df_iloc = df.iloc[0:3, 0:2] # 0-2行, 0-1列
print(f"\n0-2行, 0-1列:\n{sub_df_iloc}")

まとめ: loc vs iloc

  • loc: ラベル名で指定。スライスは**終了値を含む**。
  • iloc: 整数位置で指定。スライスは**終了値を含まない**（Python標準と同じ）。

この違いをしっかり理解することが、Pandas操作のミスを減らす鍵です！

4. 条件でフィルタリング：ブールインデックス参照

データ分析の現場で最もよく使われるのが、特定の条件に合うデータだけを抽出する「フィルタリング」です。これは、NumPyでも学んだブールインデックス参照というテクニックを使います。

4.1. 基本的な条件でのフィルタリング

まず、df['列名'] > 値 のような比較演算を行うと、各行が条件を満たすかどうかがTrue/FalseのSeriesとして返されます。このブールSeriesを、そのままDataFrameのインデックスとして使うことで、Trueの行だけを抽出できます。

# '点数'が80点より大きい行だけを抽出
high_scores_condition = df['点数'] > 80
print("\n--- 点数 > 80 の条件 (ブールSeries) ---")
print(high_scores_condition)

print("\n--- 点数が80点より大きいデータ ---")
high_scores_df = df[high_scores_condition]
print(high_scores_df)

# 1行で書くのが一般的
math_students_df = df[df['科目'] == '数学']
print("\n--- 科目が数学のデータ ---")
print(math_students_df)

4.2. 複数の条件を組み合わせる

複数の条件を組み合わせるには、論理演算子& (AND) と | (OR) を使います。 非常に重要な注意点：各条件式は、必ず個別の丸括弧 () で囲む必要があります！

# '科目'が数学で、かつ'点数'が90点以上のデータ
math_and_high_score_df = df[(df['科目'] == '数学') & (df['点数'] >= 90)]
print("\n--- 数学で90点以上 ---")
print(math_and_high_score_df)

# '評価'が'A'または'C'のデータ
evaluation_a_or_c_df = df[(df['評価'] == 'A') | (df['評価'] == 'C')]
print("\n--- 評価がAまたはC ---")
print(evaluation_a_or_c_df)

4.3. .isin()メソッドと否定(~)

複数のOR条件は、.isin()メソッドを使うと、より簡潔に書けます。また、条件を否定するには~演算子を使います。

# '科目'が'数学'または'理科'のデータ
subjects_to_find = ['数学', '理科']
math_or_science_df = df[df['科目'].isin(subjects_to_find)]
print("\n--- isinで数学または理科 ---")
print(math_or_science_df)

# '科目'が'数学'ではないデータ
not_math_df = df[~df['科目'].isin(['数学'])]
print("\n--- 数学ではないデータ ---")
print(not_math_df)

まとめ：これであなたもデータ選択の達人！

今回は、Pandas入門シリーズの第2回として、DataFrameから必要なデータを自由自在に取り出すための重要なテクニックを学びました。

  • 列の選択: df['列名']（Series）やdf[['列名1', '列名2']]（DataFrame）。
  • .loc[]: ラベル名を使って行と列を選択する（スライスは終了値も含む）。
  • .iloc[]: 整数位置を使って行と列を選択する（スライスは終了値を含まない）。
  • ブールインデックス参照: df[条件式]の形で、条件に合うデータをフィルタリングする。& (AND) と | (OR) で複数条件もOK。

これらのデータ選択・抽出スキルは、あらゆるデータ分析作業の基礎となる、いわば「下ごしらえ」の技術です。これができなければ、データの集計も、可視化も、機械学習も始まりません。

さて、データの中から欲しいものを自在に取り出せるようになったあなた。しかし、もしそのデータに「欠けている部分（欠損値）」があったり、「間違ったデータ型」で保存されていたり、「重複したデータ」が混じっていたらどうしますか？

次回、第3回では、現実世界の「汚れた」データを綺麗にするための「データクリーニングと前処理」に挑戦します！欠損値(NaN)の扱い、データ型の変換、重複データの処理といった、データ分析の現場で必須となるスキルを学んでいきましょう。お楽しみに！

その他の投稿はこちら

コメント

コメントを投稿

このブログの人気の投稿

タイトルまとめ

環境構築 これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0 【Python初心者向け】venvでスッキリ環境構築！プロジェクトごとの独立性を保つ秘訣 #1 超入門〜入門 【Python超入門】プログラミングで計算してみよう！四則演算と便利な算術演算子を徹底解説 #2 【Python超入門】プログラミングの第一歩！「変数」とは？使い方と命名ルールを優しく解説 #3 【Python入門】プログラムの流れを自由自在に！if文を使った条件分岐を徹底マスター #4 【Python入門】繰り返し処理をマスター！for文・while文の基本と使い分けを徹底解説 #5 【Python入門】コードを整理整頓！関数の作り方と使い方をマスターしよう (def, 引数, 戻り値) #6 【Python入門】オブジェクト指向の扉を開こう！クラスの基本と作り方・使い方 (class, __init__, メソッド) #7 【Python入門】クラッシュしないプログラムへ！エラーハンドリング(try-except-else-finally-raise)完全ガイド #8 中級へ向けて > OOP(オブジェクト指向プログラミング) 【Python中級への道】OOPの真髄！クラスの「継承」でコードを再利用・拡張しよう (親クラス・子クラス・super) #8 【Python中級編】OOPの魔法！ポリモーフィズム（多態性）で柔軟なコードを書こう #9 【Python中級編】OOPの守護神！カプセル化で安全なクラスを作ろう (データ隠蔽・プロパティ) #10 標準ライブラリ紹介 【Python標準ライブラリ入門 第1回】日付と時刻を自由自在に！datetimeモジュール徹底活用術 【Python標準ライブラリ入門 第2回】偶然をプログラムに！randomモジュールで乱数を使いこなそう 【Python標準ライブラリ入門 第3回】データ交換の標準！jsonモジュールでJSONを自由自在に扱おう 【Python標準ライブラリ入門 第4回】ファイル・ディレクトリ操作の達人になろう！osモジュール徹底ガイド 【Python標準ライブラリ入門 第5回】表データ処理の相棒！csvモジュールでCSVファイルを自在に操ろう 📊 【Python標準ライブラリ入門 第6回】ファイル操作を極...
続きを読む

これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0

イメージ
はじめに：Python学習、最初の一歩を応援します！ 「Pythonを勉強してみたいけど、何から始めたらいいの？」 「プログラミングって難しそう…環境構築でつまずきたくないな…」 こんにちは！ この記事は、そんなプログラミング初心者さん、特にWindowsユーザーのあなたが、スムーズにPython学習をスタートできるよう、 Pythonの環境構築手順 をどこよりも分かりやすく解説することを目指しています。 私自身もそうでしたが、プログラミング学習の最初のハードルが、この「環境構築」だったりします。でも大丈夫！この記事の手順通りに進めれば、きっとあなたのパソコンでPythonが動くようになります。 一緒にPythonの世界への第一歩を踏み出しましょう！ そもそもPythonって何？ (軽くでOK) Pythonは、読みやすく、書きやすい、そしてとっても人気のあるプログラミング言語です。Webサイト制作、データ分析、AI開発など、本当に色々なことができます。初心者にも比較的学びやすい言語と言われているんですよ。 さっそくPythonをインストールしよう！ (Windows編) それでは、WindowsのパソコンにPythonをインストールしていきましょう。 1. Python公式サイトへアクセス！ まずは、Pythonの「公式」ダウンロードページにアクセスします。 検索エンジンで「Python ダウンロード」と検索するか、こちらのアドレスに直接アクセスしてください。 https://www.python.org/downloads/ 2. 最新版のPythonをダウンロード ダウンロードページを開くと、「Download Python X.X.X」（X.X.Xはバージョン番号）という大きなボタンがあるはずです。基本的には、この最新版をダウンロードすればOKです。 ポイント： もし学習する教材などでPythonのバージョンが指定されている場合は、少し下にスクロールすると過去のバージョンもダウンロードできます。でも、特に理由がなければ最新版を選びましょう。 3. ダウンロードしたインストーラーを実行！ ダウンロードが完了したら、ダウンロードフォルダにある .exe ファイル（例： python-3.12.3-amd64.exe のような名前です）をダブルクリックし...
続きを読む

【Python標準ライブラリ完結！】11の冒険をありがとう！君のPython力が飛躍する「次の一歩」とは？ 🚀

こんにちは！ Python標準ライブラリ探検隊、隊長のPythonistaです！ 長い間お付き合いいただき、本当にありがとうございました。ついにこの「Python標準ライブラリ入門シリーズ」も、今回の第12回で最終回を迎えることになりました。 第1回の datetime モジュール から始まり、 前回の合わせ技プロジェクト まで、私たちはPythonが標準で提供している強力で便利な「道具箱」の中身を、一緒に探検してきました。このシリーズを通して、Pythonの標準ライブラリがいかに多機能で、日々のプログラミング作業を助けてくれるかを少しでも感じていただけていたら嬉しいです。 この記事では、これまでの冒険の軌跡を振り返りつつ、皆さんがこのシリーズで得た知識を土台として、さらにPythonプログラミングの世界を広げていくための「次なる冒険」へのヒントをお届けしたいと思います。最後まで、どうぞお付き合いください！ 1. これまでの冒険を振り返る：標準ライブラリ探検ダイジェスト 🗺️ まずは、私たちが一緒に探検してきたPython標準ライブラリの仲間たちを、その主な役割と共に振り返ってみましょう。各モジュールの名前は、過去の記事へのリンクになっています（リンク先は適宜設定してくださいね）。 datetime : 日付と時刻の達人に！プログラムに時間という概念をもたらしました。 random : プログラムに偶然性の魔法を！ゲームからデータ生成まで幅広く活躍。 json : データ交換のスタンダード！異なるシステム間で情報をやり取りする共通言語。 os : OSと対話し、ファイルシステムを操る！プログラムがコンピュータ環境と連携する基盤。 csv : 表形式データを手軽に扱う！Excelなどとのデータ連携もスムーズに。 glob & shutil : ファイル検索と高度なファイル操作の強力コンビ！面倒なファイル管理を自動化。 logging : print デバッグからの卒業！本格的なログ管理でプログラムの信頼性アップ。 re : テキスト処理のスーパーパワー、正規表現！複雑な文字列操作も思いのまま。 collections : データ構造...
続きを読む