Pandas データ構造 - Series

Series は Pandas における中核的なデータ構造の一つで、1次元の配列に似ており、データとインデックスを持ちます。

Series は任意のデータ型（整数、浮動小数点数、文字列など）を格納でき、ラベル（インデックス）を介して要素にアクセスできます。

Series のデータ構造は非常に便利です。さまざまなデータ型を扱えるだけでなく、ラベルによる高速なデータアクセスや操作など、効率的なデータ操作能力を維持しているからです。

Series の特徴：

  • 1次元配列：Series の各要素には対応するインデックス値があります。

  • インデックス：各データ要素はラベル（インデックス）を介してアクセスできます。デフォルトではインデックスは 0 から始まる整数ですが、カスタムのインデックスを設定することもできます。

  • データ型： Series整数、浮動小数点数、文字列、Python オブジェクトなど、異なるデータ型の要素を格納できます。

  • サイズ不変性：Series のサイズは作成後は変わりませんが、append や delete などの特定の操作によって変更できます。

  • 操作：Series は、数学演算、統計分析、文字列処理など、さまざまな操作をサポートします。

  • 欠損データ：Series には欠損データを含めることができ、Pandas では欠損値や値なしを表すために NaN（Not a Number）を使用します。

  • 自動アライメント：複数の Series に対して演算を行うと、Pandas はインデックスに基づいて自動的にデータを整列させます。これにより、データ処理がより効率的になります。

Pandas ライブラリを使用して Series オブジェクトを作成し、インデックス（Index）、名前（Name）、値（Values）を指定できます。

例

import pandas as pd

# Series オブジェクトを作成し、名前を 'A'、値をそれぞれ 1, 2, 3, 4 に指定 # デフォルトのインデックスは 0, 1, 2, 3 # Series オブジェクトを表示
# デフォルトのインデックスは 0, 1, 2, 3
series = pd.Series([1, 2, 3, 4], name='A')

# Series オブジェクトを表示
print(series)

# インデックスを明示的に設定したい場合は、次のようにします。
custom_index = [1, 2, 3, 4]  # カスタムインデックス
series_with_index = pd.Series([1, 2, 3, 4], index=custom_index, name='A')

# カスタムインデックスを持つ Series オブジェクトを表示
print(series_with_index)

出力結果は次のとおりです。

0    1
1    2
2    3
3    4
Name: A, dtype: int64
1    1
2    2
3    3
4    4
Name: A, dtype: int64

Series は Pandas における基本的なデータ構造の一つで、1次元配列やリストに似ていますが、ラベル（インデックス）を持つため、データの処理や分析においてより柔軟性があります。

以下は、Pandas の Series に関する詳細な説明です。

Series の作成

pd.Series() コンストラクタを使用して Series オブジェクトを作成できます。データ配列（リスト、NumPy 配列など）と、オプションのインデックス配列を渡します。

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

パラメータの説明：

  • data：Series のデータ部分。リスト、配列、辞書、スカラー値などを指定できます。このパラメータを指定しない場合、空の Series が作成されます。
  • index：Series のインデックス部分で、データにラベルを付けるために使用します。リスト、配列、インデックスオブジェクトなどを指定できます。このパラメータを指定しない場合、デフォルトの整数インデックスが作成されます。
  • dtype：Series のデータ型を指定します。NumPy のデータ型を指定できます。例えばnp.int64、np.float64など。このパラメータを指定しない場合、データからデータ型が自動的に推測されます。
  • name：Series の名前で、Series オブジェクトを識別するために使用します。このパラメータを指定すると、作成された Series オブジェクトは指定された名前を持ちます。
  • copy：データをコピーするかどうか。デフォルトは False で、データをコピーしないことを意味します。True に設定すると、入力データがコピーされます。
  • fastpath：高速パスを有効にするかどうか。デフォルトは False です。高速パスを有効にすると、状況によってはパフォーマンスが向上する場合があります。

簡単な Series の例を作成します：

例

import pandas as pd

a = [1, 2, 3]

myvar = pd.Series(a)

print(myvar)

出力結果は次のとおりです。

上の図からわかるように、インデックスを指定しない場合、インデックス値は 0 から始まります。インデックス値に基づいてデータを読み取ることができます。

例

import pandas as pd

a = [1, 2, 3]

myvar = pd.Series(a)

print(myvar[1])

出力結果は次のとおりです。

2

インデックス値を指定することもできます。次の例のとおりです：

例

import pandas as pd

a = ["Google", "サンプル", "Wiki"]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar)

出力結果は次のとおりです。

インデックス値によるデータの読み取り:

例

import pandas as pd

a = ["Google", "サンプル", "Wiki"]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar["y"])

出力結果は次のとおりです。

サンプル

key/value オブジェクトを辞書のように使用して Series を作成することもできます：

例

import pandas as pd

sites = {1: "Google", 2: "サンプル", 3: "Wiki"}

myvar = pd.Series(sites)

print(myvar)

出力結果は次のとおりです。

上の図からわかるように、辞書のキーがインデックス値になります。

辞書の一部のデータだけが必要な場合は、必要なデータのインデックスを指定するだけで済みます。次の例のとおりです：

例

import pandas as pd

sites = {1: "Google", 2: "サンプル", 3: "Wiki"}

myvar = pd.Series(sites, index = [1, 2])

print(myvar)

出力結果は次のとおりです。

Series の名前パラメータを設定する：

例

import pandas as pd

sites = {1: "Google", 2: "サンプル", 3: "Wiki"}

myvar = pd.Series(sites, index = [1, 2], name="サンプル-Series-TEST" )

print(myvar)

Series のメソッド

以下は、Series でよく使われるメソッドの一部です：

メソッド名機能の説明
indexSeries のインデックスを取得する
valuesSeries のデータ部分を取得する（NumPy 配列を返す）
head(n)Series の先頭 n 行を返す（デフォルトは 5）
tail(n)Series の末尾 n 行を返す（デフォルトは 5）
dtypeSeries のデータの型を返す
shapeSeries の形状（行数）を返す
describe()Series の統計的な要約（平均、標準偏差、最小値など）を返す
isnull()各要素が NaN かどうかを示すブール型の Series を返す
notnull()各要素が NaN でないかどうかを示すブール型の Series を返す
unique()Series 内の一意の値（重複排除）を返す
value_counts()Series 内の各一意の値の出現回数を返す
map(func)指定した関数を Series の各要素に適用する
apply(func)指定した関数を Series の各要素に適用します。カスタム操作でよく使用されます。
astype(dtype)Series を指定した型に変換する
sort_values()Series の要素をソートする（値によるソート）
sort_index()Series のインデックスをソートする
dropna()Series 内の欠損値（NaN）を削除する
fillna(value)Series 内の欠損値（NaN）を埋める
replace(to_replace, value)Series 内の指定した値を置換する
cumsum()Series の累積和を返す
cumprod()Series の累積積を返す
shift(periods)Series の要素を指定したステップ数だけシフトする
rank()Series 内の要素のランクを返す
corr(other)Series と別の Series との相関（ピアソン相関係数）を計算する
cov(other)Series と別の Series との共分散を計算する
to_list()Series を Python のリストに変換する
to_frame()Series を DataFrame に変換する
iloc[]位置インデックスによるデータの選択
loc[]ラベルインデックスによるデータの選択

例

import pandas as pd

# Series を作成
data = [1, 2, 3, 4, 5, 6]
index = ['a', 'b', 'c', 'd', 'e', 'f']
s = pd.Series(data, index=index)

# 基本情報を確認
print("インデックス：", s.index)
print("データ：", s.values)
print("データ型：", s.dtype)
print("先頭2行のデータ：", s.head(2))

# map 関数を使用して各要素を2倍にする
s_doubled = s.map(lambda x: x * 2)
print("要素を2倍にした後：", s_doubled)

# 累積和を計算
cumsum_s = s.cumsum()
print("累積和：", cumsum_s)

# 欠損値を探す（ここには欠損値がないため、すべて False が返されます）
print("欠損値の判定：", s.isnull())

# ソート
sorted_s = s.sort_values()
print("ソート後の Series：", sorted_s)

出力結果は次のとおりです。

索引： Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')
数据： [1 2 3 4 5 6]
数据类型： int64
前两行数据： a    1
b    2
dtype: int64
元素加倍后： a     2
b     4
c     6
d     8
e    10
f    12
dtype: int64
累计求和： a     1
b     3
c     6
d    10
e    15
f    21
dtype: int64
缺失值判断： a    False
b    False
c    False
d    False
e    False
f    False
dtype: bool
排序后的 Series： a    1
b    2
c    3
d    4
e    5
f    6
dtype: int64

詳細な Series の説明

リスト、辞書、または配列を使用して、デフォルトのインデックスを持つ Series を作成します。

# 使用列表创建 Series
s = pd.Series([1, 2, 3, 4])

# 使用 NumPy 数组创建 Series
s = pd.Series(np.array([1, 2, 3, 4]))

# 使用字典创建 Series
s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4})

基本操作：

# 指定索引创建 Series
s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

# 获取值
value = s[2]  # 获取索引为2的值
print(s['a'])  # 返回索引标签 'a' 对应的元素

# 获取多个值
subset = s[1:4]  # 获取索引为1到3的值

# 使用自定义索引
value = s['b']  # 获取索引为'b'的值

# 索引和值的对应关系
for index, value in s.items():
    print(f"Index: {index}, Value: {value}")


# 使用切片语法来访问 Series 的一部分
print(s['a':'c'])  # 返回索引标签 'a' 到 'c' 之间的元素
print(s[:3])  # 返回前三个元素

# 为特定的索引标签赋值
s['a'] = 10  # 将索引标签 'a' 对应的元素修改为 10

# 通过赋值给新的索引标签来添加元素
s['e'] = 5  # 在 Series 中添加一个新的元素，索引标签为 'e'

# 使用 del 删除指定索引标签的元素。
del s['a']  # 删除索引标签 'a' 对应的元素

# 使用 drop 方法删除一个或多个索引标签，并返回一个新的 Series。
s_dropped = s.drop(['b'])  # 返回一个删除了索引标签 'b' 的新 Series

基本演算：

# 算术运算
result = series * 2  # 所有元素乘以2

# 过滤
filtered_series = series[series > 2]  # 选择大于2的元素

# 数学函数
import numpy as np
result = np.sqrt(series)  # 对每个元素取平方根

統計データの計算：Series のメソッドを使用して記述統計を計算します。

print(s.sum())  # 输出 Series 的总和
print(s.mean())  # 输出 Series 的平均值
print(s.max())  # 输出 Series 的最大值
print(s.min())  # 输出 Series 的最小值
print(s.std())  # 输出 Series 的标准差

属性とメソッド：

# 获取索引
index = s.index

# 获取值数组
values = s.values

# 获取描述统计信息
stats = s.describe()

# 获取最大值和最小值的索引
max_index = s.idxmax()
min_index = s.idxmin()

# 其他属性和方法
print(s.dtype)   # 数据类型
print(s.shape)   # 形状
print(s.size)    # 元素个数
print(s.head())  # 前几个元素，默认是前 5 个
print(s.tail())  # 后几个元素，默认是后 5 个
print(s.sum())   # 求和
print(s.mean())  # 平均值
print(s.std())   # 标准差
print(s.min())   # 最小值
print(s.max())   # 最大值

ブール式の使用：条件に基づいて Series をフィルタリングします。

print(s > 2)  # 返回一个布尔 Series，其中的元素值大于 2

データ型を確認する：dtype属性を使用してSeriesのデータ型を確認します。

print(s.dtype)  # 输出 Series 的数据类型

データ型を変換する：astypeメソッドを使用してSeriesを別のデータ型に変換します。

s = s.astype('float64')  # 将 Series 中的所有元素转换为 float64 类型

注意事項：

  • Series中のデータは順序付けられています。
  • 〜をSeriesインデックス付きの1次元配列とみなすことができます。
  • インデックスは一意でも構いませんが、必須ではありません。
  • データはスカラー、リスト、NumPy配列などです。
その他の拡張