Pandas DataFrame の loc プロパティとは？

Pandas DataFrame の loc プロパティ

loc プロパティの仕組み

loc プロパティは、DataFrame の 軸ラベルに基づいてデータにアクセスします。DataFrame には、行と列の両方にラベルがあります。

例:

import pandas as pd

df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Carol'], 'Age': [25, 30, 35]})

print(df)

#   Name  Age
# 0  Alice   25
# 1   Bob    30
# 2  Carol   35

この例では、df という DataFrame に 2 つの列 (Name と Age) と 3 つの行があります。

loc プロパティを使用して、特定の行と列にアクセスできます。

例:

# 'Alice' という名前の行を取得
df.loc['Alice']

#   Name  Age
# 0  Alice   25

# 'Age' 列を取得
df.loc[:, 'Age']

# 0    25
# 1    30
# 2    35

# 'Alice' という名前の行の 'Age' 列を取得
df.loc['Alice', 'Age']

# 25

loc プロパティの使い方

loc プロパティは、さまざまな方法で使用できます。

ラベルによるアクセス

ラベルを使用して、特定の行と列にアクセスできます。

例:

# 'Bob' という名前の行の 'Age' 列を取得
df.loc['Bob', 'Age']

# 30

# 複数の行と列を取得
df.loc[['Alice', 'Carol'], ['Name', 'Age']]

#   Name  Age
# 0  Alice   25
# 2  Carol   35

スライスによるアクセス

スライスを使用して、行と列の範囲を選択できます。

例:

# 最初の 2 つの行を取得
df.loc[:2]

#   Name  Age
# 0  Alice   25
# 1   Bob    30

# 'Name' 列の最初の 2 つの要素を取得
df.loc[:, 'Name'][:2]

# 0    Alice
# 1     Bob

# 'Alice' と 'Carol' の間の行を取得
df.loc['Alice':'Carol']

#   Name  Age
# 0  Alice   25
# 2  Carol   35

ブール値配列によるアクセス

ブール値配列を使用して、条件に一致する行を選択します。

例:

# 'Age' が 30 より大きい行を取得
df.loc[df['Age'] > 30]

#   Name  Age
# 2  Carol   35

loc プロパティには、次のような利点があります。

• 直感的: ラベルを使用してデータにアクセスできるため、コードが読みやすく、理解しやすい。
• 強力: さまざまな方法で使用できるため、データのさまざまなサブセットを選択できる。
• 効率的: Pandas の内部インデックスを使用してデータにアクセスするため、高速で効率的。

loc プロパティは、Pandas DataFrame の重要な機能です。ラベルやスライス、ブール値配列を使用して、特定の行と列にアクセスできます。loc プロパティを使用すると、データの分析と操作が簡単になります。

Pandas DataFrame の loc プロパティを使用したサンプルコード

# 'Alice' という名前の行の 'Age' 列を取得
df.loc['Alice', 'Age']

# 30

# 複数の行と列を取得
df.loc[['Alice', 'Carol'], ['Name', 'Age']]

#   Name  Age
# 0  Alice   25
# 2  Carol   35

スライスによるアクセス

# 最初の 2 つの行を取得
df.loc[:2]

#   Name  Age
# 0  Alice   25
# 1   Bob    30

# 'Name' 列の最初の 2 つの要素を取得
df.loc[:, 'Name'][:2]

# 0    Alice
# 1     Bob

# 'Alice' と 'Carol' の間の行を取得
df.loc['Alice':'Carol']

#   Name  Age
# 0  Alice   25
# 2  Carol   35

ブール値配列によるアクセス

# 'Age' が 30 より大きい行を取得
df.loc[df['Age'] > 30]

#   Name  Age
# 2  Carol   35

# 'Name' 列が 'A' で始まる行を取得
df.loc[df['Name'].str.startswith('A')]

#   Name  Age
# 0  Alice   25

条件付きの値の更新

# 'Age' が 30 より大きい行の 'Age' 列を 10 増加
df.loc[df['Age'] > 30, 'Age'] += 10

#   Name  Age
# 0  Alice   25
# 1   Bob    30
# 2  Carol   45

データの追加

# 新しい行を追加
df.loc[3] = {'Name': 'Dave', 'Age': 40}

#   Name  Age
# 0  Alice   25
# 1   Bob    30
# 2  Carol   35
# 3   Dave    40

データの削除

# 'Bob' という名前の行を削除
df.drop('Bob', inplace=True)

#   Name  Age
# 0  Alice   25
# 2  Carol   35

データの型変換

# 'Age' 列を文字列型に変換
df['Age'] = df['Age'].astype('str')

#   Name  Age
# 0  Alice   25
# 1   Bob    30
# 2  Carol   35

これらのサンプルコードは、loc プロパティの基本的な使用方法を示しています。loc プロパティは、さまざまな方法で使用できるため、データの分析と操作に非常に役立ちます。

Pandas DataFrame の loc プロパティの代替方法

iloc プロパティは、整数インデックスを使用してデータにアクセスします。loc プロパティよりも高速ですが、ラベルを覚えておく必要があり、コードが読みづらくなる可能性があります。

例:

# 最初の 2 つの行を取得
df.iloc[:2]

#   Name  Age
# 0  Alice   25
# 1   Bob    30

# 'Name' 列の最初の 2 つの要素を取得
df.iloc[:, :2]

#   Name  Age
# 0  Alice   25
# 1   Bob    30

at プロパティは、単一の行と列にアクセスするための効率的な方法です。loc プロパティよりも高速ですが、複数の行や列にアクセスするには使用できません。

例:

# 'Alice' という名前の行の 'Age' 列を取得
df.at['Alice', 'Age']

# 25

# 'Name' 列の最初の要素を取得
df.at[0, 'Name']

# Alice

iterrows() メソッドは、DataFrame の各行を反復処理するための便利な方法です。ただし、loc プロパティよりも速度が遅くなる可能性があります。

例:

for row in df.iterrows():
    print(row[0], row[1])

# 0 Alice 25
# 1 Bob 30
# 2 Carol 35

query() メソッドは、DataFrame をフィルタリングするための便利な方法です。loc プロパティよりも速度が遅くなる可能性がありますが、条件に基づいてデータにアクセスするには便利です。

例:

# 'Age' が 30 より大きい行を取得
df.query('Age > 30')

#   Name  Age
# 2  Carol   35

mask() メソッドは、条件に基づいてデータを選択するための便利な方法です。loc プロパティよりも速度が遅くなる可能性がありますが、複雑な条件に基づいてデータにアクセスするには便利です。

例:

# 'Name' 列が 'A' で始まる行を取得
df.mask(df['Name'].str.startswith('A'))

#   Name  Age
# 0  Alice   25

これらの方法は、それぞれ利点と欠点があります。使用する方法は、特定のニーズによって異なります。

loc プロパティは、Pandas DataFrame の特定の行と列にアクセスするための強力なツールです。ただし、他の方法もいくつかあり、状況によってはこれらの方法の方が適している場合があります。