Pandasの配列について

2024年1月19日

PandasはPythonでデータ分析を行う際に非常に重要なライブラリです。

特に、そのデータ構造であるDataFrameやSeriesはデータ操作や分析において中心的な役割を果たします。

ここでは、Pandasの基本的な配列の一つであるSeriesについて、その特徴や使い方について詳しく説明します。

Seriesとは

PandasのSeriesは、1次元の配列のようなオブジェクトで、任意のデータ型（整数、文字列、浮動小数点数、Pythonオブジェクトなど）のデータを保持できます。

各データには、ラベル（index）が付与されています。

これにより、単なる数値のインデックスだけでなく、ラベルによるデータのアクセスが可能となります。

Seriesは以下のようにして作成できます。

import pandas as pd

# リストからSeriesを作成
data = [1, 3, 5, 7, 9]
series = pd.Series(data)

このとき、特にindexを指定しない場合、デフォルトで0から始まる整数のインデックスが付与されます。

しかし、明示的にindexを指定することもできます。

# インデックスを指定してSeriesを作成
index = ['a', 'b', 'c', 'd', 'e']
series = pd.Series(data, index=index)

Seriesのデータにアクセスするには、インデックスを使用します。

# インデックスによるアクセス
element = series['c']

Pandasの強力な機能の一つは、データの操作が容易なことです。

例えば、数学的な操作を行うことができます。

# 全ての要素に2を加える
new_series = series + 2

また、条件に基づくデータの選択も簡単に行えます。

# 特定の条件を満たす要素の選択
selected_series = series[series > 5]

SeriesはDataFrameの構成要素でもあります。

DataFrameは複数の列を持つ2次元のデータ構造で、各列はSeriesとして扱われます。

DataFrame内の一つの列を選択すると、それはSeriesとして表されます。

Seriesは基本的に二つの主要なコンポーネントから構成されます。

値とインデックスです。

値 (Values): これは基本的にNumPyの配列です。PandasはNumPyの機能を広範囲に利用しており、これにより高速な配列操作が可能になります。
インデックス (Index): これは各データ点を一意に識別するラベルのセットです。インデックスは数字だけでなく、文字列や日付なども使用できます。

追加: 新しいデータをSeriesに追加するには、新しいインデックスを指定して値を代入します。例えば、series['new_index'] = new_valueのようにします。
削除: dropメソッドを使用して特定のアイテムを削除できます。例えば、series.drop('index_to_remove')で指定されたインデックスの要素が削除されます。

データ型: Seriesのデータ型は、格納されているデータに依存します。例えば、整数のみを含むSeriesは int 型に、文字列を含むと object 型になります。適切なデータ型を使用することで、メモリ効率と処理速度が向上します。
ベクトル化された操作: SeriesはNumPyの配列と同様に、ベクトル化された操作をサポートしています。これにより、ループを使用するよりもずっと高速に計算を行うことができます。

文字列操作: str アクセサを使用すると、Series内の文字列データに対して様々な文字列操作をベクトル化して適用できます。例えば series.str.upper() はすべての文字列を大文字に変換します。
日付と時間の操作: Pandasは日付と時間のデータ型を持っており、これにより時間系列データの分析が容易になります。