PandasでDataFrameの追加や結合をする

PandasでDataFrameの追加や結合をする
Page content

以前書いた ExcelをPython(openpyxl)で操作する - PandasのDataFrameに変換 では Pandas でExcelファイルの読み込みについて説明しました。

今回は読み込んだ複数のDataFrameの扱いについて説明します。

データを横方向に追加する

DataFrameを横方向に追加する、つまり、別の列として追加する方法を説明します。

ただし、前提として、マージする側とされる側の行数が同じで、かつ、データの順序が同じである必要があります。

例えば、以下のような sample シートのデータと

以下のような division シートのデータを一つの行のデータに統合します。

concat 関数を用いて、オプション axis=1 を指定すると、複数の DataFrame を横方向に統合できます。

 1import pandas as pd
 2
 3# sample シートを読み込む
 4df_sample = pd.read_excel('sample.xlsx', sheet_name='sample')
 5# division シートを読み込む
 6df_division = pd.read_excel('sample.xlsx', sheet_name='division')
 7
 8# axis=1で横方向に追加
 9result = pd.concat([df_sample, df_division], axis=1)
10result.head()
ID 名前 性別 部署ID 部署名
0 1 小林 1 経理部
1 2 田中 2 企画部
2 3 鈴木 3 営業部

データを縦方向に追加する

逆に縦方向にデータを追加する場合には、 concat 関数のオプションで axis=0 を指定します(デフォルト値なので、省略しても構いません)。

 1import pandas as pd
 2
 3# sample シートを読み込む
 4df_sample = pd.read_excel('sample.xlsx', sheet_name='sample')
 5
 6# axis=0で行を追加
 7# 今回は df_sample のDataFrameを2回縦に繋げる
 8result = pd.concat([df_sample, df_sample], axis=0, ignore_index=True)
 9# headはデフォルトで5行しか出力しないため、10行出力に変更
10result.head(10)
ID 名前 性別
0 1 小林
1 2 田中
2 3 鈴木
3 1 小林
4 2 田中
5 3 鈴木

ignore_index=True オプションを指定することで、結合前の行のインデックス番号を無視し、新たにインデックス番号を振り直します。

データを結合する

merge 関数を使います。複数の DataFrame に共通して存在するキーを使って、データを結合できます。 これはSQLに馴染みのある人であればピンと来ると思いますが、SQLのJOIN句と概念的に同じです。 そのため、正規化された複数の DataFrame に対して merge 関数を使うケースが多いです。

以下のような sample シートのデータと

以下のような division シートのデータがあり、

部署ID をキーとして、一つのデータに結合してみましょう。

 1import pandas as pd
 2
 3# sample シートを読み込む
 4df_sample = pd.read_excel('sample.xlsx', sheet_name='sample')
 5# division シートを読み込む
 6df_division = pd.read_excel('sample.xlsx', sheet_name='division')
 7
 8# 部署IDをキーにJOINする
 9result = df_sample.merge(df_division, on='部署ID')
10result.head()

sample シートのデータを軸として、division シートのデータを結合した行が出力されます。

ID 名前 性別 部署ID 部署名
0 1 小林 1 経理部
1 2 田中 2 企画部
2 3 鈴木 3 営業部

merge 関数には how オプションがあり、結合方法を指定できます。 デフォルトは left となっており、LEFT JOIN を意味します。

なお、 merge 関数と似たような機能を持つ join 関数も存在します。 join 関数は、データを結合するためのキーを インデックスとして指定する必要があります。 これには set_index 関数を使います。

以下のように書くことができます。

1result = df_sample.join(df_division.set_index('部署ID'), on='部署ID')

まとめ

concat 関数を使えば、DataFrame 同士を縦横に追加できます。 一方で正規化されたデータの DataFrame の結合は merge または join 関数でできます。 個人的にはオプションの多い merge 関数のほうがオススメです。

関連記事

soudegesu avatar
About soudegesu
Software Engineer
comments powered by Disqus