Python入門トップページ

---

目次

1. Pandas とは
2. Pandas を利用するための準備
3. CSV ファイルを読み込む
4. DataFrame を表示する
5. 列や行を抽出する
6. 列名を抽出する
7. Python リストに変換する
8. Python リストから DataFrame に変換する
9. DataFrame から NumPy 配列に変換する
10. 基本統計量を出力する
11. CSV ファイルに書き出す
12. グループ化とピボットテーブル
13. データフレームの結合（系列名が等しいとき）
14. データフレームの結合（系列名が異なるとき）
    1. データの読み込み
    2. データフレームの結合
    3. 3つのデータフレームの結合
    4. 表示系列の選択
    5. 系列名の変更
    6. ソート
15. データフレームの連結

---

Pandas

データフレームの結合（系列名が異なるとき）

ここでは複数のデータフレームの結合演算を行います．これはリレーショナルデータベースの自然結合演算に相当します．

目次に戻る

データの読み込み

はじめに，モジュールをインポートします．

# モジュールのインポート
import pandas as pd

次に，3つの CSV ファイルを順番に読み込みます．まずは，販売データである machine-sales-sales.csv ファイルを読み込み，df_sales に格納します．ここで，系列 branch_id および staff_id は外部キーになっており，他のデータフレームの主キー（候補キー）を参照しています．

# CSV ファイルを読み込む
url = "https://github.com/rinsaka/sample-data-sets/blob/master/machine-sales-sales.csv?raw=true"
df_sales = pd.read_csv(url, parse_dates=["date"])
df_sales

続いて，支店一覧 machine-sales-branch.csv ファイルを読み込み，df_branch に格納します．このとき，df_branch の主キーは id になっており，これは df_sales の branch_id と関連付けられていることに注意します．

# CSV ファイルを読み込む
url = "https://github.com/rinsaka/sample-data-sets/blob/master/machine-sales-branch-id.csv?raw=true"
df_branch = pd.read_csv(url)
df_branch

さらに，営業担当者の一覧 machine-sales-staff.csv ファイルを読み込み，df_staff に格納します．このとき，df_staff の主キーは id になっており，これは df_sales の staff_id と関連付けられていることに注意します．

# CSV ファイルを読み込む
url = "https://github.com/rinsaka/sample-data-sets/blob/master/machine-sales-staff-id.csv?raw=true"
df_staff = pd.read_csv(url)
df_staff

ここでは，今読み込んだ3つのデータフレームを結合し，次のようなデータフレームを作成してみます．

目次に戻る

データフレームの結合

merge() 関数を利用すると，2つのデータフレームを結合することができます．しかしながら，このときデータフレームの同じ系列名を探して結合します．したがって，df_sales と df_branch では id 系列がありますが，id 系列では結合することができずエラーになります．

pd.merge(df_sales, df_branch)

ValueError         Traceback (most recent call last)

結合時の条件になる系列を指定したい場合は left_on と right_on を使うことになります．つまり，df_sales の branch_id と df_branch の id を関連付けるためには，次のように指定します．

pd.merge(
        df_sales, df_branch,
        left_on='branch_id',
        right_on='id'
    )

同じ方法で，df_sales と df_staff を結合します．

pd.merge(
        df_sales, df_staff,
        left_on='staff_id',
        right_on='id'
    )

目次に戻る

3つのデータフレームの結合

3つのデータフレームの結合は，まず2つのデータフレーム（df_sales と df_branch）を結合し，さらにその結果と3つ目のデータフレーム（df_staff）を結合することで実現できます．この方法が理解できれば4つ以上でも結合できるはずです．

pd.merge(
        pd.merge(
            df_sales, df_branch,
            left_on='branch_id', right_on='id'
        ),
        df_staff,
        left_on='staff_id', right_on='id'
    )

目次に戻る

表示系列の選択

上の結果で barnch_id や staff_id を表示する必要がないのであれば，必要な系列のみを抽出すると良いでしょう．これを関係データベースの世界では射影演算と呼びます．なお，系列の表示順も変更しています．

pd.merge(
        pd.merge(
            df_sales, df_branch,
            left_on='branch_id', right_on='id'
        ),
        df_staff,
        left_on='staff_id', right_on='id'
    )[['id_x', 'date', 'branch', 'name', 'amount']]

上で抽出した結果から新たなデータフレームを作成することももちろん可能です．

df = pd.merge(
        pd.merge(
            df_sales, df_branch,
            left_on='branch_id', right_on='id'
        ),
        df_staff,
        left_on='staff_id', right_on='id'
    )[['id_x', 'date', 'branch', 'name', 'amount']]
df

目次に戻る

系列名の変更

上の結果では，df_sales にあった id 系列の名称が id_x に変更されています（さらに，途中の段階で id_y なども使われていたことに注意してください）．データフレームの系列名を変更したい場合には，rename() を利用します．

df = df.rename(columns={'id_x': 'id'})
df

目次に戻る

ソート

上の結果では，id 列の表示順が変更されてしまっています．id 順にソートしてデータフレームを更新することも可能です．

df = df.sort_values(by=['id'], ascending=[True])
df

目次に戻る

---