pandas:データ更新【UPDATE,INSERT】方法

page:[pandasまとめ]

前提

• データ（データフレーム）作成
  • pandas:【縦横の方向を考えた】データフレーム作成
• データ抽出のあれこれ
  • 列の抽出、df.loc/df.ilocの利用
  • pandasまとめ

サンプルコード

特定の列を置き換え（df.update利用）

データ作成

df = pd.DataFrame({'a': [1, 2, 3],'b': [400, 500, 600]})
print(df)
print(df.shape)

   a    b
0  1  400
1  2  500
2  3  600
(3, 2)

• サイズ(3,2)のデータフレーム
• 列はa,bの2つ
  • 以降でb列を更新

更新する列のデータを作成

new_b = pd.Series([100,np.nan,200],name='b')
print(new_b)

0    100.0
1      NaN
2    200.0
Name: b, dtype: float64

• 更新データを作成
• 上記はSeriesで作成したが、DataFrameでもOK
• 更新内容
  • インデックス番号0が100、1が200にそれぞれ更新予定
  • データを「np.nan」にすると更新されない

df.updateを使って更新

df.update(new_b)
print(df)
print(df.shape)

   a      b
0  1  100.0
1  2  500.0
2  3  200.0
(3, 2)

• 想定通りに更新された
• 元に戻せないので注意

特定列の置き換え（リスト利用）

データ作成

df = pd.DataFrame({'a':['01', '02', '03'],'b':[100, 200, 300]})
print(df)
print(df.shape)

    a    b
0  01  100
1  02  200
2  03  300
(3, 2)

• サイズ(3,2)のデータ
• b列を更新予定

データ更新

df.b = [10,np.nan,20]

    a     b
0  01  10.0
1  02   NaN
2  03  20.0

• df.b
  • 対象列を指定する
  • df['b’]としてもOK
• 更新するデータをリストで作成
• np.nan
  • df.updateと異なりnp.nanで更新される

対象データを指定して更新

データ作成

df = pd.DataFrame({'p':['01', '02', '03'],'q':['a','b','c'],'r':[100,200,300]})
print(df)
print(df.shape)

    p  q    r
0  01  a  100
1  02  b  200
2  03  c  300
(3, 3)

• サイズ(3,3)のデータが作成された
• 列名はp,q,r

例1

df[[True,False,False]] = 5
print(df)

    p  q    r
0   5  5    5
1  02  b  200
2  03  c  300

• df[[True,False,False]]
  • boolインデックス参照
  • インデックス番号0の行が更新対象
• 更新がブロードキャストされる
  • 5で更新
  • 更新対象行の全ての列が更新された

例2

df.loc[0] = ['01','a',100]
print(df)

    p  q    r
0  01  a  100
1  02  b  200
2  03  c  300

• 元に戻した
• df.loc[0]
  • インデックス番号0の行が更新対象
• [’01’,’a’,100]
  • 更新内容をリストで指定
  • 列の更新に似ているので混同しないように
  • df.loc[:,’p’]のようにすると、列が選択されているので列更新になる

例3

df.iloc[0,1] = 'dd'
print(df)

    p   q    r
0  01  dd  100
1  02   b  200
2  03   c  300

• df.iloc[0,1]
  • 行のインデックス番号0
  • 列のインデックス番号1（q列）が更新対象
• 'dd’
  • 1つのデータが選択されている
  • そのデータのみ更新

行の追加

データ作成

df = pd.DataFrame({'a':['01', '02', '03'],'b':[100,200,300]})
print(df)
print(df.shape)

    a    b
0  01  100
1  02  200
2  03  300
(3, 2)

• サイズ(3,2)のデータを作成
• 3行のデータ

行データ追加とインデックス番号のリセット

df.loc[5] = ['04',400]
print(df)
print(df.shape)
df = df.reset_index(drop=True)
print(df)
print(df.shape)

    a    b
0  01  100
1  02  200
2  03  300
5  04  400
(4, 2)
    a    b
0  01  100
1  02  200
2  03  300
3  04  400
(4, 2)

• df.loc[5]
  • 行のインデックス番号5を指定している
  • インデックス番号5はないため追加になる
  • そのままのインデックス番号になるので注意
• df.reset_index(drop=True)
  • インデックス番号をリセット
  • 「drop=False（デフォルト）」なら元のインデックス番号が残る