データフレームの基本操作[pandas][DataFrame][Titanic][Python]

kaggleのTitanicのデータを利用して、データフレーム型（DataFrame）に対する基本操作を行っていきます。

データフレーム型はpandasの主要なデータ構造の一つで、行とカラムで構成された可変のテーブルで構成されています。

Titanicのデータは下記のページから取得できます（アカウント登録が必要です）。今回はtrain.csvを利用します。

開発環境

Python 3.5.1 :: Anaconda 2.5.0 (x86_64)
jupiter 4.0.6
pandas 0.18.0

import pandas as pd

# ファイルを読み込む
df = pd.read_csv('train.csv')

print(type(df))

#始めから3行分のみ表示
df[0:3]

import pandas as pd

# ファイルを読み込む

df = pd.read_csv('train.csv')

print(type(df))

#始めから3行分のみ表示

df[0:3]

結果

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female	38.0	1	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S

train.csvは既にデータフレーム型であることが分かります。もし配列をデータフレーム型に転換する場合は、df = pd.DataFrame(array)　のように記述します。

#行数
len(df)#891

#（行数,列数）
df.shape#(891, 12)

#カラム情報
print(df.info())

#行数

len(df)#891

#（行数,列数）

df.shape#(891, 12)

#カラム情報

print(df.info())

結果

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId 891 non-null int64
Survived 891 non-null int64
Pclass 891 non-null int64
Name 891 non-null object
Sex 891 non-null object
Age 714 non-null float64
SibSp 891 non-null int64
Parch 891 non-null int64
Ticket 891 non-null object
Fare 891 non-null float64
Cabin 204 non-null object
Embarked 889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB
None

#特定のカラムを抽出
df_name = df[['Name']]

df_name[0:3]

#特定のカラムを抽出

df_name = df[['Name']]

df_name[0:3]

結果

	Name
0	Braund, Mr. Owen Harris
1	Cumings, Mrs. John Bradley (Florence Briggs Th…
2	Heikkinen, Miss. Laina

#複数のカラムを抽出
df_name_sex = df[['Name','Sex']]

df_name_sex[0:3]

#複数のカラムを抽出

df_name_sex = df[['Name','Sex']]

df_name_sex[0:3]

結果

	Name	Sex
0	Braund, Mr. Owen Harris	male
1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female
2	Heikkinen, Miss. Laina	female

df.iloc[0:3,3:5]　や　df.ix[0:2,3:5]　で同じ結果を出力することができます。

#カラム名を指定して抽出
male = df[df.Sex == "male"]
print(len(male))

female = df[df.Sex == "female"]
print(len(female))

#カラム名を指定して抽出

male = df[df.Sex == "male"]

print(len(male))

female = df[df.Sex == "female"]

print(len(female))

結果

577
314

#年齢の平均
df.Age.mean()

1 2	#年齢の平均 df.Age.mean()

結果

29.69911764705882

#カラムを付け足す
df['New']= '1'
df[0:3]

#カラムを付け足す

df['New']= '1'

df[0:3]

結果

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked	New
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S	1
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female	38.0	1	PC 17599	71.2833	C85	C	1
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S	1

Newという名のカラムが追加され、全ての要素に1が入力されているのが分かります。カラムを削除する場合は、delを利用します。

#Newカラムを削除する
del df['New']

1 2	#Newカラムを削除する del df['New']

#Genderカラムを追加し、Sexカラムの要素であるmale/femaleを1/0に変換。要素として入力していく。
df['Gender'] = df['Sex'].map( {'male': 1, 'female': 0} ).astype(int)
df[0:3]

#Genderカラムを追加し、Sexカラムの要素であるmale/femaleを1/0に変換。要素として入力していく。

df['Gender'] = df['Sex'].map( {'male': 1, 'female': 0} ).astype(int)

df[0:3]

結果

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked	Gender
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S	1
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female	38.0	1	PC 17599	71.2833	C85	C	0
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S	0

#Pclass（乗船クラス階級）でグループ分けし年齢の平均を出力
df.groupby('Pclass').Age.mean()

1 2	#Pclass（乗船クラス階級）でグループ分けし年齢の平均を出力 df.groupby('Pclass').Age.mean()

結果

Pclass
1 38.233441
2 29.877630
3 25.140620
Name: Age, dtype: float64

#カテゴリーデータ（質的データ）を、ダミー変数に変換する。
sex = pd.get_dummies(df['Sex'])
sex[0:3]

#カテゴリーデータ（質的データ）を、ダミー変数に変換する。

sex = pd.get_dummies(df['Sex'])

sex[0:3]

結果

	female	male
0	0.0	1.0
1	1.0	0.0
2	1.0	0.0

#データフレームを結合する
df = pd.concat([df,sex],axis=1)
df[0:3]

#データフレームを結合する

df = pd.concat([df,sex],axis=1)

df[0:3]

結果

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Ticket	Fare	Cabin	Embarked	Gender	female	male
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	A/5 21171	7.2500	NaN	S	1	0.0	1.0
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female	38.0	1	PC 17599	71.2833	C85	C	0	1.0	0.0
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	STON/O2. 3101282	7.9250	NaN	S	0	1.0	0.0

ダミー変数に変換したSexデータフレームを、元からあるdfデータフレームと結合しています。axis=1の1は列を意味します（行は0）。

参照ページ

pandas 0.18.0 documentation

pandas.DataFrame

Pocket

思考の葉

プログラミング時々、批評

思考の葉

プログラミング時々、批評

データフレームの基本操作[pandas][DataFrame][Titanic]