pandas:【行選択の基本】ブールインデックス参照

page:[pandasまとめ]

はじめに

ここに書いてあること

• ブールインデックス参照を使った行抽出方法
• SQL文で言うとWHERE句に該当する

前提

• 用語
  • ブールインデックス参照とは
    • NumPy配列:2つの【データ参照方法】
  • インデックス列とは
    • pandas:【基礎】最初に知っておきたいこと
• 操作
  • データフレームの作成
    • pandas:【NumPy配列から】データフレーム作成
  • 列の指定方法
    • pandas:【基本】列の指定（Select句）

データ準備

import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(10,100,(5,5)),columns=['a','b','c','d','e'])
print(df)
print(df.shape)
print(df.index)

    a   b   c   d   e
0  36  51  25  12  11
1  55  34  81  32  75
2  33  86  69  25  15
3  92  19  28  44  22
4  11  98  43  33  58
(5, 5)
RangeIndex(start=0, stop=5, step=1)

• データフレームのサイズ(3,4)

基本

ブールインデックス参照での行の取り出し例

arr = [True,False,True,True,False]
sample = df[arr]
print(sample)

    a   b   c   d   e
0  36  51  25  12  11
2  33  86  69  25  15
3  92  19  28  44  22

• インデックス列（一番左）に注目
  • 0～2まで
  • ステップ数1ずつ
  • 並んだデータ3個

データ参照のポイント

• bool型の配列をどのように作成するか
  • 以降はbool型配列の作成方法について説明

サンプルコード（bool型配列の作成）

利用できるもの

手作業

arr1 = [True,False,True,True,False]
arr2 = np.array([True,False,True,True,False])
print(arr1)
print(type(arr1))
print(arr2)
print(type(arr2))

[True, False, True, True, False]
<class 'list'>
[ True False  True  True False]
<class 'numpy.ndarray'>

• データ件数が少ない場合
• リストやndarray（NumPy配列）

インデックス列

arr = df.index < 3
print(arr)
print(type(arr))

[ True  True  True False False]
<class 'numpy.ndarray'>

• ndarray（NumPy配列）になる

列

arr = df.b > 50
print(arr)
print(type(arr))

0     True
1    False
2     True
3    False
4     True
Name: b, dtype: bool
<class 'pandas.core.series.Series'>

• Seriesになる

bool型配列の作成例

特定の1つ

arr = df.index==3
print(arr)

[False False False  True False]

• インデックス番号3（0から開始）のみがTrue

特定の1つ以外

arr = df.index!=3
print(arr)

[ True  True  True False  True]

• インデックス番号3（0から開始）以外がTrue

不等号

arr = df.index>2
print(arr)

[False False False  True  True]

• インデックス番号3,4（0から開始）がTrue

否定

arr1 = df.index==0
arr2 = ~(df.index==0)
print(arr1)
print(arr2)

[ True False False False False]
[False  True  True  True  True]

• 頭に「~」チルダを付ける
  • 不等号の場合は()を付けるのを忘れずに（メソッドの場合は不要）
• True/Falseが逆転する

複数指定

arr = df.index.isin([1,4,5])
print(arr)

[False  True False False  True]

• インデックス番号1,4,5（0から開始）がTrue
• [1,4,5]のようにリストで指定する

補足

列の抽出と組み合わせた例（行と列の指定）

データ作成

import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(20).reshape(4,5), columns=['a','b','c','d','e'])
print(df)
print(df.shape)

    a   b   c   d   e
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19
(4, 5)

• データフレームのサイズ(4,5)

データ抽出（行と列の指定）

a = df[df.index.isin([0,3])][['b','c','e']]
print(a)
print(a.shape)

    b   c   e
0   1   2   4
3  16  17  19
(2, 3)

• (4,5)のサイズから(2,3)のサイズになった
  • インデックス番号が0と3の2行
  • 列名が[b,c,e]の3列