Pandas入門　Seriesの使い方（動画あり）

今回はPandasのSeriesについて、その基本を動画を使って学習します。

Pandasについて

Pandasは高度なデータ構造を持ち、Pythonデータの整理や分析を簡単に行うことができます。
つまり、データ分析をより簡単に直感的に使うためのものと考えても良さそうです。
そんなことから、AIの分野ではPythonと共に頻繁に使用されるものです。

Pandasの注意点として、Numpyと同様にforループ処理を好まないところです。

Pandasのデータ構造

PandasにはSeriesとDataFrameの2種類のデータ構造があります。

• Seriesは1次元の配列のようなもの
• DataFrameはテーブル形式のデータ構造を持つ

Pandasの使い方

Pandasのインストール

Pandasのインストールはpipで行えます。
Macの場合はpip3を使う場合もあります。
Anaconda環境ではpipの代わりにcondaを使います。自分の環境に合わせてインストールしましょう。

インストール例

pip install pandas

Google ColaboはすでにPandas がインストールされています。

Pandasのインポート

通常のPandasのインポート方法は次のようにします。
as の後の省略語は一般的にpdとする場合が多いです。

import pandas as pd

Seriesもしくは、DataFrameを頻繁に使用する場合は、次のようにすると便利です。

from pandas import Series, DataFrame

Seriesとは

PandasのSeriesは1次元のNumpy配列のようなものです。
Numpy配列との違いは、配列と関連付けられたインデックスを持つことです。

Seriesを作るには、PandasのSeries関数(コンストラクター)を使います。

特にインデックスを明示的に設置しなければ、0から始まるシーケンスになります。そしてキーワード引数のindexで明示的に指定すれば好きな値をインデックスに用いることができます。

別途時系列の取り扱いの学習で説明しますが、Pandasで時系列を扱う場合、時系列オブジェクトはタイムスタンプによってインデックス付けされたSeriesです。

Seriesデータの作成方法

インデックスなしのSeriesデータ作成

インデックスを明示的に指定しないで作成した場合、0から始まる数列がインデックスになります。

まずはNumpy配列の例

# Numpy配列の例
import numpy as np
data_np = np.array([0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
data_np

結果
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

Seriesでリストを作成すると、自動でインデックスが割り振られて**左側に表示されます**。
通常のリストやNumpy配列とここが違います。

インデックスは指定しなければ自動で0からN-1（Nはデータ数）の番号が割り振られます。

インデックスなしのSeries作成例

# インデックス指定なしのSeries
sample = pd.Series([0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
sample

結果
0 0
1 10
2 20
3 30
4 40
5 50
6 60
7 70
8 80
9 90
dtype: int64

インデックス指定ありのSeriesデータ作成

indexというキーワード引数で設定します。

インデックス付きのSeries作成例

# インデックス指定ありのSeries
sample2 = pd.Series([0, 10, 20, 30, 40, 50, 60, 70, 80, 90],
                                     index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
sample2

結果
a 0
b 10
c 20
d 30
e 40
f 50
g 60
h 70
i 80
j 90
dtype: int64

当然別に指定したリストをインデックスに使うことができます。

# インデックス指定ありのSeries
my_index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
sample2 = pd.Series([0, 10, 20, 30, 40, 50, 60, 70, 80, 90],
                                     index=my_index)
sample2

結果
a 0
b 10
c 20
d 30
e 40
f 50
g 60
h 70
i 80
j 90
dtype: int64

Pythonのtype関数で型を確認

type関数で型を確認する例

type(sample2)

結果
pandas.core.series.Series

Seriesの属性について

Seriesの属性は複数存在します。詳細はドキュメントを参考にしてください。

pandas.Series属性

データとインデックスを分離

values属性とindex属性

• valuesプロパティ：Seriesがもつデータ配列を返す
• indexプロパティ：インデックスオブジェクトを返す

Seriesの値だけ取得する例

data = sample2.values
print(data)

結果
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

Seriesのインデックスだけ取得する例

index = sample2.index
print(index)

結果
Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'], dtype='object')

<h3>1つの要素や複数の要素の指定</h3>
index付きのSeriesデータの作成

obj1 = pd.Series([4, 7, -5, 3], index=['No1', 'No2', 'No3', 'No4'])
obj1

結果
No1 4
No2 7
No3 -5
No4 3
dtype: int64

インデックスラベルで個別の要素を取得する方法

print(obj1['No2'])
print(obj1['No4'])

結果
7
3

インデックスをリストで指定することで特定の要素を複数指定できます。

print(obj1[['No1', 'No2', 'No4']])

結果
No1 4
No2 7
No4 3
dtype: int64

次の2つのコードのように順番を入れ替えて取り出すことができます。

print(obj1[['No1', 'No4', 'No2']])

結果
No1 4
No4 3
No2 7
dtype: int64

もともと付けられているインデックス番号（0から始まるシーケンス）でも指定可能です。

print(obj1[[1, 3, 2]])

結果
No2 7
No4 3
No3 -5
dtype: int64

スライスでの範囲指定

print(obj1[1:3])

結果
No2 7
No3 -5
dtype: int64

値の変更

個別の値を呼び出して、新たな値を代入すると変更できます。

obj1['No1'] = 2
obj1

結果
No1 2
No2 7
No3 -5
No4 3
dtype: int64

複数の値の変更

代入する値をリストかタプルで渡します。
obj1[[‘No2’, ‘No3’, ‘No4’]] = 10, 11, 12　は　obj1[[‘No2’, ‘No3’, ‘No4’]] = (10, 11, 12)　と同等です。

複数の値を変更する例

obj1[['No2', 'No3', 'No4']] = (10, 11, 12)
obj1

結果
No1 4
No2 10
No3 11
No4 12
dtype: int64

辞書をSeriesに変換できます。

Seriesは辞書に近いものです。従って辞書から簡単にSeriesに変換できます。

辞書からSeriesへ変更例

sdata = {'Apple':120, 'Orange':80, 'Banana':120, 'Grape':380}
obj2 = pd.Series(sdata)
obj2

結果
Apple 120
Orange 80
Banana 120
Grape 380
dtype: int64

インデックスの並び順を変更

辞書を読み込む際に、キーの並び順を変更できます。
辞書にないインデックスを指定するとNANが表示されます。

インデックス並び順変更例

sdata = {'Apple':120, 'Orange':80, 'Banana':100, 'Grape':380}
name = ['Grape', 'Orange', 'Apple', 'Peach']
obj3 = pd.Series(sdata,name)
obj3

結果
Grape 380.0
Orange 80.0
Apple 120.0
Peach NaN
dtype: float64

欠損値が存在するかどうか判定

• isnull()：NANが True となり、それ以外が False になります。
• notnull()：NANが False となり、それ以外が True になります。

Seriesの欠損値確認例

pd.isnull(obj3)

結果
Grape False
Orange False
Apple False
Peach True
dtype: bool

インデックスの置き換え

インデックスの置き換えは代入で簡単にできます。

インデックス置き換え例

obj3.index = ['No1', 'No2', 'No3', 'No4']
obj3

結果
No1 380.0
No2 80.0
No3 120.0
No4 NaN
dtype: float64

Seriesの参照とコピー

参照とコピーを確認するためにSeriesを作成

sdata = {'Apple':120, 'Orange':80, 'Banana':100, 'Grape':380}
obj4 = pd.Series(sdata)
obj4

結果
Apple 120
Orange 80
Banana 100
Grape 380
dtype: int64

出来上がったSeriesをさらにSeriesコンストラクタで新しいSeriesを作成し、その後新しいSeriesの値を変更して元のSeriesを確認すると参照しているためどちらも値が変更されています。

obj5 = pd.Series(obj4)

obj5['Apple'] = 150
print('obj5', obj5, sep='\n')
print('---------------------')
print('obj4', obj4, sep='\n')

結果
obj5
Apple 150
Orange 80
Banana 100
Grape 380
dtype: int64
———————
obj4
Apple 150
Orange 80
Banana 100
Grape 380
dtype: int64

sdata = {'Apple':120, 'Orange':80, 'Banana':100, 'Grape':380}
obj4 = pd.Series(sdata)

次の場合は、copy=Trueとなっているためデータはコピーされます。
そのため元データは変更されません。

obj6 = pd.Series(obj4, copy=True)
obj6

結果
Apple 120
Orange 80
Banana 100
Grape 380
dtype: int64

obj6['Apple'] = 150
print('obj6', obj6, sep='\n')
print('---------------------')
print('obj4', obj4, sep='\n')

結果
obj6
Apple 150
Orange 80
Banana 100
Grape 380
dtype: int64
———————
obj4
Apple 120
Orange 80
Banana 100
Grape 380
dtype: int64

参考になった書籍

Pandasを使いこなすための必携の本。Pandasの作者自ら書いた本でNumpyやPandasの使い方が詳細に書かれている。

Pythonサンプルのダウンロード

ここでダウンロードする「Pandas_video_series.ipynb」ファイルは、このPandas動画で使用したものです。

Pandas_video_series.ipynb

• Pandasの活用　groupbyメソッドの使い方（動画あり）
• Pandas 活用　ビン分割するcut関数とqcut関数(動画あり)
• Pandas活用のための基礎　(動画あり)
• Pandas入門　DataFrameから要素の抽出する方法（動画あり）
• Pandas入門　DataFrameの使い方（動画あり）
• Pandas入門　Seriesの使い方（動画あり）
• Pandas活用　factorize()関数の意味がわかる：Pandasのカテゴリ型データの取り扱い