Pandas ドロップ インデックス列: 例を使って説明

Pandas は、データ操作と分析に広く使用されている Python ライブラリです。pandas が提供する重要な機能の 1 つは、データセットの構造を変更する機能です。特に、DataFrame 内のインデックスの削除は、データセットを操作する際の重要な操作です。データから不要な行や列を削除できます。

pandas でインデックスを削除するには、.drop() メソッドと .reset_index() メソッドを使用できます。.drop() メソッドを使用すると、特定の行または列を削除できます。一方、 .reset_index() メソッドを使用すると、インデックスを削除してデフォルトの RangeIndex にリセットできます。

この記事では、これらのメソッドを使用して pandas DataFrame のインデックスを削除する方法について説明します。さまざまな例を見て、さまざまな分析ニーズに合わせてデータセットの構造を効果的に操作する方法を示します。これらの例を通じて、pandas ライブラリをデータ操作に利用する方法についてより深く理解できるようになります。

さあ、始めましょう！

目次

• Pandas Drop Index を理解する
  • 1. Pandas データフレームとは何ですか?
  • 2. インデックスとカラムとは何ですか?
  • 3. Pandas でインデックス列を削除する方法
    • 複数の行と列を削除する方法
    • インプレイスで行と列を削除する方法
• Pandas でインデックスを操作する方法
  • 1. インデックスの設定とリセット方法
    • 新しいインデックスの設定
    • インデックス値のリセット
  • 2. インデックス列を使用したさらなる操作
• Pandas で Drop 関数を使用するときにエラーを処理する方法
  • 1. KeyErrorの対処方法
  • 2. 重複行の処理方法
• 最終的な考え

Pandas Drop Index を理解する

pandas を使用したインデックスの削除に入る前に、pandas DataFrame とは何かを理解しておくことが非常に重要です。さらに、pandas DataFrame のインデックスと列の概念についても理解しておく必要があります。

このセクションでは、pandas DataFrame、インデックス、列の基本について説明します。次に、パンダを使用してインデックスを削除する例を見ていきます。

1. Pandas データフレームとは何ですか?

Pandas は、高性能のデータ操作および分析ツールを提供するオープンソースの Python ライブラリです。その主要なデータ構造の 1 つは DataFrameです。

pandas DataFrame は、ラベル付きの軸 (行と列) を持つ 2 次元のデータ構造です。DataFrame は、SQL テーブルまたは Excel スプレッドシートの Python オブジェクト表現として考えることができます。

以下は典型的なパンダのデータフレームです。

2. インデックスとカラムとは何ですか?

pandas DataFrame では、インデックスはデータ ポイントの「アドレス」として機能します。これは、DataFrame 全体でデータにアクセスして整理する手段を提供します。これは、pandas によって割り当てられたデフォルトの整数シーケンスか、ユーザー定義のカスタム インデックスのいずれかになります。

列は、 DataFrame 内のさまざまなタイプのデータをホストする変数です。各列は本質的に一連のデータです。整数、浮動小数点、文字列などのさまざまなデータ型を保持できます。列のラベル (通常は列名と呼ばれます) は、この一連のデータを識別します。

pandas DataFrame では、データ操作には多くの場合、行ラベル (インデックス) または列ラベルの操作が含まれます。

マルチインデックス DataFrame で実行できる一般的な操作には、ラベルに基づいた行や列の選択、名前変更、削除などがあります。

3. Pandas でインデックス列を削除する方法

pandas では、DataFrame メソッドのreset_index() を使用してインデックスを削除およびリセットできます。

次のデータフレームがあるとします。

インデックス列を削除するには、次のコードを使用できます。

df.reset_index(drop=True)

このコードを実行すると、次の例が表示されます。

出力では、インデックスが削除され、元のインデックス値に置き換えられていることがわかります。

パンダのDropメソッドを使用して、行または列から指定したラベルを削除することもできます 。

このメソッドの構文は次のとおりです。

DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

以下は、 dropメソッドの主要なパラメータです。

• label : 削除するラベル。軸パラメータに応じて、行または列のいずれかになります。

• axis : 行 ( 0または'index' ) または列 ( 1または'columns' ) のどちらからドロップするかを決定します。

• Index : axis=0を指定する代わりの方法。削除する行ラベルを指定できます。

• columns : axis=1を指定する代わりの方法。削除する列ラベルを指定できます。

• inplace : Trueに設定すると、操作はその場で実行され、元の DataFrame が変更されます。False (デフォルト)の場合、指定されたラベルが削除された新しいデータフレームが返されます。

• エラー: 欠落しているラベルの処理方法を制御します。'raise' (デフォルト)の場合、ラベルが見つからない場合にエラーが発生します。'coerce'の場合、欠落しているラベルは黙って無視されます。

次のデータフレームがあるとします。

インデックス 1 の行を削除したいと考えています。drop メソッドを使用してこれを行うには、import pandas で始まる次のコードを記述します。

import pandas as pd

# Drop row with index 1
df.drop(1, axis=0)

Drop関数のaxis =0引数は、行単位の操作を実行していることをインタープリタに伝えます。2 番目の引数1は行インデックスです。これは、インタープリタにインデックス 1 の行を削除するように指示します。

上記の操作の後、次の DataFrame を取得します。

ここで、列ヘッダーとして Age を持つ列を DataFrame から削除するとします。これを実現するには、次のコードを記述します。

# Drop column 'Age'
df.drop('Age', axis=1)

引数axis=1 は、列方向の操作を実行していることをインタープリタに伝えます。引数「Age」は、インタープリタに「Age」という名前の列を削除するように指示します。

上記のコードを実行すると、次の DataFrame が取得されます。

複数の行と列を削除する方法

上の例は、単一の行または列を削除する方法を示しています。複数の行または列を削除したい場合はどうすればよいでしょうか?

これを実現するには、同じコードに若干の変更を加えて使用します。単一の値を使用する代わりに、drop 関数に引数のリストを指定して、複数の行と列を一度に削除できます。

DataFrame の最初の 2 行を削除したいとします。これを実現するには、次のコードを使用できます。

# Dropping first 2 rows by index
df = df.drop([0, 1], axis=0)

このコードでは、行 0 と 1 を削除するようにインタープリタに指示しています。このコードの出力は次のとおりです。

行 0 と 1 が DataFrame になくなっていることがわかります。

「Department」列と「Salary」列も削除しましょう。これを行うには、次のコードを使用できます。

# Dropping columns by name
df = df.drop(['Salary', 'Department'], axis=1)

このPythonスクリプトでは、列ヘッダーとして「Salary」と「Department」を含む列を削除するようにインタープリターに依頼しています。このコードの出力は次のとおりです。

これが最終的なデータフレームです。ドロップ メソッドを使用して、合計 2 行と 2 列を DataFrame から削除しました。

パンダの MultiIndex について詳しくは、次のビデオをご覧ください。

インプレイスで行と列を削除する方法

前の例では、最初に DataFrame に変更を加えてから、それを新しい DataFrame として保存していることがわかります。ただし、これは行と列を削除する効率的な方法ではありません。

行と列を削除する別の方法は、drop 関数のinplace引数をTrueに設定することです。

inplaceパラメーターをTrueに設定すると、DataFrame を再割り当てすることなく永続的に変更できます。

これは、新しい DataFrame の作成を回避してメモリを節約できるため、大規模な DataFrame を扱う場合に便利です。

以下は、 inplaceを使用して行と列を削除する例です。

# Dropping rows by index inplace
df.drop(labels=[0, 1], axis=0, inplace=True)

# Dropping columns by name inplace
df.drop(['Salary', 'Department'], axis=1, inplace=True)

上記のコードの出力は次のとおりです。

ここでは、新しいデータフレームを作成しているのではなく、元のデータフレームに変更を加えていることがわかります。

Pandas でインデックスを操作する方法

このセクションでは、 pandas DataFrameでインデックスを操作する方法について説明します。次の 2 つのサブセクションについて説明します。

1. インデックスの設定とリセット

2. IDとインデックス列

1. インデックスの設定とリセット方法

パンダを使用する場合の重要な側面の 1 つは、インデックス列の設定およびリセット方法を理解することです。インデックスは各行のキー識別子であり、変更が必要になる場合があります。

新しいインデックスの設定

新しいインデックスを設定するには、set_index()メソッドを使用できます。set_indexの構文は次のとおりです。

df.set_index('column_name', inplace=True)

ここでの引数inplace=True は、既存の DataFrame に変更を加えていることを意味します。

これを示すために、次の DataFrame を使用します。

Name 列を DataFrame のインデックスにしたいとします。これを実現するには、次のコードを使用できます。

df.set_index('Name', inplace=True)

この Python スクリプトは、 Name をDataFrame のインデックスにします。このコードの出力は次のとおりです。

インデックス値のリセット

インデックスをデフォルトの形式 (つまり、0 から DataFrame の長さから 1 を引いた値までのRangeIndex ) にリセットするには、 reset_index()メソッドを使用できます。

reset_index()の構文は次のとおりです。

df.reset_index(drop=True, inplace=True)

drop=Trueを設定すると、現在のインデックス列が削除されます。一方、inplace=Trueを指定すると、新しいデータフレームを作成せずに、変更が DataFrame に直接適用されます。

このコードを前の DataFrame に適用すると、次の出力が得られます。

以前はインデックスであった名前がデフォルト値にリセットされていることがわかります。

2. インデックス列を使用したさらなる操作

CSV ファイルなどから DataFrame をインポートする場合、index_colパラメーターを使用して、インデックスとして使用する列を指定できます。

Index_colの構文は次のとおりです。

df = pd.read_csv('data.csv', index_col='column_name')

さらに、インデックス列なしで DataFrame をエクスポートする場合は、インデックスパラメーターをFalse に設定できます。

このメソッドの構文は次のとおりです。

df.to_csv('output.csv', index=False)

インデックスを削除する方法を理解したところで、次のセクションで、drop 関数を使用するときにエラーを処理する方法を見てみましょう。

Pandas で Drop 関数を使用するときにエラーを処理する方法

このセクションでは、パンダのドロップ関数を使用して DataFrame からインデックス列を削除するときのエラーと特殊なケースを処理する方法を検討します。

具体的には、次の点について説明します。

1. KeyError の処理

2. 重複行の操作

1. KeyErrorの対処方法

パンダでドロップ関数を使用する場合、指定されたインデックスまたは列がデータフレーム内に見つからない場合、KeyError が発生する可能性があります。

このエラーの発生を防ぐには、 errorsパラメーターを使用します。エラーパラメータには、「raise」と「ignore」の 2 つのオプションがあります。デフォルトでは、「raise」に設定されています。これは、指定されたインデックスまたは列が見つからない場合に KeyError が発生することを意味します。

ただし、エラーを抑制してコードの実行を続行したい場合は、「無視」に設定できます。

次の DataFrame があるとします。DataFrame に存在しない行を削除して、何が起こるかを見てみましょう。

# Attempt to drop a non-existent index, will raise KeyError
# df.drop(5, inplace=True)

Python スクリプトでは次のエラーが発生します。

このようなエラーを処理するには、データセット内に存在する行を参照していることを確認してください。

2. 重複行の処理方法

データをクリーニングするときの重要な作業は、重複を探して削除することです。

ドロップ関数を使用する場合、DataFrame 内の重複行の処理が複雑になる可能性があります。

重複したインデックス値に基づいて行を削除する場合は、duplicated関数を使用し、ブール型インデックスを使用して重複していない行のみを選択します。

次のデータフレームがあるとします。

データセット内に重複したインデックスがあることがわかります。重複を削除するには、まず次のコードを使用して重複値を特定します。

# Find duplicated index values
duplicated_rows = df.index.duplicated(keep='first')

この後、次のコードを使用して、重複していない行のみを選択し、前の DataFrame に格納します。

# Select only non-duplicated rows
df = df[~duplicated_rows]

最終的な出力は以下のとおりです。

最終出力には重複行がなくなりました。

最終的な考え

データ サイエンスと分析の取り組みを続けると、データの操作と管理の方法を理解することが最も重要なスキルとなります。

パンダでのインデックスの削除などの操作を習得することが、これの重要な部分です。インデックスをリセットまたは削除する方法を知ることは、データをクリーニング、変換し、データから貴重な洞察を引き出すための足がかりとなります。

インデックスを削除する方法を学ぶことで、DataFrame をより効果的に再形成できるようになります。また、読みやすく分析しやすい、よりクリーンなデータセットを作成することもできます。さらに、複数の DataFrame をマージまたは連結する場合、インデックスの競合が発生する可能性があるため、インデックスのリセットが重要になることがあります。

インデックスを削除できるため、データセットをより柔軟に制御できるようになります。