Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

97

3

章 

pandas

を使ったデータ操作

前の章では、

NumPy

とその

ndarray

オブジェクトについて詳しく説明しました。このオブジェ

クトは、

Python

で高密度の型付き配列を効率的に格納する手段と、効果的に操作する機能を提供

します。この章では、

pandas

ライブラリによって提供されるデータ構造を詳しく調べ、同様の知

識を習得します。

pandas

は、

NumPy

の上に構築された新しいパッケージであり、

DataFrame

の効

率的な実装を提供します。

DataFrame

は本質的に多次元の配列であり、行と列のラベルが付加され、

異なる型のデータや欠落したデータを許容します。

pandas

はラベル付きデータを格納するための

便利なインターフェースを提供するだけでなく、データベースやスプレッドシート・プログラムの

ユーザにとって使い慣れた強力なデータ操作も実装しています。

NumPy

の

ndarray

データ構造は、数値計算タスクでよく見られる、きれいで整然としたデータ

に対して欠かせない機能を提供します。こうしたデータには非常にうまく機能するものの、世界中

に溢れるさまざまな形式の非構造化データを分析するために必要となる柔軟なデータ操作（データ

へのラベルの貼り付けや欠落したデータの処理など）や、要素ごとのブロードキャストではうまく

対応できない操作（グループ化やピボットなど）を行う際には、

NumPy

の制限が明らかになります。

pandas

、特に

Series

と

DataFrame

オブジェクトは、

NumPy

配列構造