【pandas入門】条件に合うデータを抽出する方法|複数条件・isinも解説

Python

こんにちは!ぼりたそです!

今回は、pandasのDataFrameから条件に合う行だけを取り出す方法を解説します。

例えば、売上データから「売上が3,000円以上の商品」「東京店のデータ」「大阪店で売上が3,000円以上のデータ」を探したい場合、条件抽出を使えば必要な行をまとめて取り出せます。

この記事で学べること

Point
  • 比較演算子を使った数値・文字列の条件抽出
  • &(AND)・|(OR)・~(NOT)による複数条件の指定
  • isin()を使った複数候補の抽出
  • 条件に合う行と必要な列を同時に選択する方法

Pythonの基本文法が分かれば読み進められます。順番に確認していきましょう!

スポンサーリンク

条件抽出とは?

条件抽出は、DataFrameの各行について条件を判定し、条件を満たす行だけを残す操作です。

基本の書き方はdf[条件式]です。

例えばdf["売上"] >= 3000と書くと、各行の「売上」が3,000以上かどうかを調べます。判定結果はTrue(条件を満たす)またはFalse(満たさない)です。この判定結果をdf[...]の中に指定すると、Trueに対応する行だけが抽出されます。

使用するDataFrameを作成する

この記事では、店舗ごとの商品売上を例にします。以下のコードを実行すると、6行4列のDataFrameが作成されます。

import pandas as pd

df = pd.DataFrame({
    "店舗": ["東京", "大阪", "東京", "大阪", "東京", "大阪"],
    "商品": ["ペン", "ノート", "ノート", "ペン", "消しゴム", "定規"],
    "売上": [1200, 3500, 4200, 2800, 800, 5100],
    "個数": [10, 7, 12, 20, 4, 10],
})

print(df)

# 実行結果:
#    店舗    商品    売上  個数
# 0  東京    ペン  1200  10
# 1  大阪   ノート  3500   7
# 2  東京   ノート  4200  12
# 3  大阪    ペン  2800  20
# 4  東京  消しゴム   800   4
# 5  大阪    定規  5100  10

左端の0〜5はインデックス(各行のラベル)です。「店舗」「商品」「売上」「個数」の4つがデータ列に当たります。

DataFrameの作成や確認方法については、こちらの記事も参考にしてください。

比較演算子で条件を指定する

数値を条件にするときは、Pythonと同じ比較演算子を使用します。

演算子意味例
==等しいdf["売上"] == 3000
!=等しくないdf["店舗"] != "東京"
>より大きいdf["売上"] > 3000
>=以上df["売上"] >= 3000
<より小さいdf["売上"] < 3000
<=以下df["売上"] <= 3000

=は値の代入に使う記号なので、「等しいか」を比較するときは==と2つ並べます。また、3000を含むかどうかによって、>と>=の抽出結果が変わります。

条件式による判定

最初に、売上が3,000円以上かどうかだけを判定してみましょう。

condition = df["売上"] >= 3000
print(condition)

# 実行結果:
# 0    False
# 1     True
# 2     True
# 3    False
# 4    False
# 5     True
# Name: 売上, dtype: bool

1行目の売上1,200円は条件を満たさないためFalse、2行目の3,500円はTrueです。

dtype: boolは、真偽値を扱うデータ型であることを表します。判定結果には元のDataFrameと同じインデックスが付いています。

数値条件で行を抽出する

判定結果をDataFrameの角括弧に渡すと、Trueの行だけを残せます。

filtered = df[df["売上"] >= 3000]
print(filtered)

# 実行結果:
#    店舗   商品    売上  個数
# 1  大阪  ノート  3500   7
# 2  東京  ノート  4200  12
# 5  大阪   定規  5100  10

売上が3,000円以上の3行だけが残りました。

条件抽出では基本的に行が選ばれ、列は元のままです。また、抽出後のインデックスは1、2、5のままで、自動的に0から振り直されるわけではありません。

文字列を条件にして抽出する

文字列も==で比較できます。「東京店」の行だけ取り出す例を見てみましょう。

print(df[df["店舗"] == "東京"])

# 実行結果:
#    店舗    商品    売上  個数
# 0  東京    ペン  1200  10
# 2  東京   ノート  4200  12
# 4  東京  消しゴム   800   4

文字列は"東京"のように引用符で囲みます。==による比較は基本的に文字列全体の一致を調べるため、「東京本店」のような別の文字列は一致しません。

一部の文字列を含む行を探すときは、str.contains()を利用できます。

print(df[df["商品"].str.contains("ノート")])

# 実行結果:
#    店舗   商品    売上  個数
# 1  大阪  ノート  3500   7
# 2  東京  ノート  4200  12

ここでは「商品」列に「ノート」を含む行が抽出されます。

対象列に欠損値が混じる場合は、str.contains("ノート", na=False)のように指定すると、欠損値を一致しないものとして扱えます。

スポンサーリンク

複数条件で抽出する:AND・OR・NOT

実際のデータ分析では、「売上が3,000円以上かつ大阪店」といった複数条件を使うことが多くあります。

pandasでは、条件ごとに丸括弧()を付け、専用の演算子でつなぎます。

条件の組み合わせ演算子意味
AND(かつ)&両方の条件を満たす
OR(または)|少なくとも一方を満たす
NOT(否定)~条件を満たさない

AND:両方の条件を満たす行

「売上が3,000円以上」かつ「大阪店」のデータを抽出します。

and_result = df[(df["売上"] >= 3000) & (df["店舗"] == "大阪")]
print(and_result)

# 実行結果:
#    店舗   商品    売上  個数
# 1  大阪  ノート  3500   7
# 5  大阪   定規  5100  10

売上条件と店舗条件の両方を満たすのは、インデックス1と5の行です。東京店の4,200円の行は売上条件を満たしても、店舗条件を満たさないので含まれません。

OR:どちらかの条件を満たす行

「売上が3,000円以上」または「大阪店」のデータを抽出します。

or_result = df[(df["売上"] >= 3000) | (df["店舗"] == "大阪")]
print(or_result)

# 実行結果:
#    店舗   商品    売上  個数
# 1  大阪  ノート  3500   7
# 2  東京  ノート  4200  12
# 3  大阪   ペン  2800  20
# 5  大阪   定規  5100  10

売上が3,000円未満でも、大阪店であれば残ります。逆に東京店でも、売上が3,000円以上なら残ります。

NOT:条件を満たさない行

~は条件の真偽を反転させる演算子です。「東京店ではない行」は次のように指定できます。

print(df[~(df["店舗"] == "東京")])

# 実行結果:
#    店舗   商品    売上  個数
# 1  大阪  ノート  3500   7
# 3  大阪   ペン  2800  20
# 5  大阪   定規  5100  10

~は(df["店舗"] == "東京")の結果を反転させています。この例はdf["店舗"] != "東京"と書いても同じ結果になります。

注意: DataFrameの条件を組み合わせる際には、通常のPythonで使うand・or・notではなく、&・|・~を使います。各条件を丸括弧で囲まないと、演算の優先順位によってエラーや意図しない判定につながることがあります。

isin()で複数の候補から抽出する

「ペンまたはノート」のように、1つの列で複数の値を候補として指定する場合はisin()が便利です。

print(df[df["商品"].isin(["ペン", "ノート"])])

# 実行結果:
#    店舗   商品    売上  個数
# 0  東京   ペン  1200  10
# 1  大阪  ノート  3500   7
# 2  東京  ノート  4200  12
# 3  大阪   ペン  2800  20

isin(["ペン", "ノート"])は、商品名が指定したリストのいずれかに一致する行を判定します。

対象を増やす場合はリストに候補を追加するだけです。

isin()も完全一致であり、部分一致を検索するstr.contains()とは役割が異なります。

条件に合う行と必要な列を同時に取り出す

ここまでは、条件に合う行を選び、元の列をすべて残していました。

例えば「大阪店で売上3,000円以上の行から、商品と売上だけを確認したい」場合は、locを使います。

result = df.loc[
    (df["売上"] >= 3000) & (df["店舗"] == "大阪"),
    ["商品", "売上"],
]
print(result)

# 実行結果:
#     商品    売上
# 1  ノート  3500
# 5   定規  5100

df.loc[行の条件, 列名のリスト]と書くと、行を条件で絞り込みながら、必要な列だけを選択できます。

locの基本やilocとの違いは、こちらの記事で詳しく解説しています。

条件抽出でよくある間違い

  • andやorを使ってしまう: pandasのSeriesを組み合わせるときは&と|を使い、条件ごとに丸括弧を付けます。
  • =と==を混同する: 値が等しいか調べる場合は==を使います。
  • 数値が文字列になっている: CSVから読んだ「売上」列が文字列の場合、数値との比較に失敗することがあります。df.dtypesで確認してから数値型へ変換します。
  • 抽出後のインデックスを0から始まると考える: 行を取り出しても元のインデックスが残ります。

条件抽出だけでは元のdfは書き換わりません。

抽出結果を別の表として加工したい場合は、次のように明示的にコピーしておくと扱いやすくなります。

filtered_copy = df.loc[df["売上"] >= 3000].copy()
print(filtered_copy.index.tolist())
print(df.shape)

# 実行結果:
# [1, 2, 5]
# (6, 4)

filtered_copyには3行が入りますが、元のdfは6行4列のままです。

抽出後のデータに新しい列を追加するなどの処理をする場合にも、.copy()を使うと元データとの関係が明確になります。

pandas入門書の紹介

この記事では、数値・文字列による条件抽出から、複数条件、isin()、列の選択までを学びました。

実際のデータ分析では、こうした抽出操作と、CSV・Excelの読み込み、欠損値の処理、集計、保存などを組み合わせることになります。

これらを基礎から体系的に学びたい方に向けて、Kindle書籍**『機械学習・データ分析のためのpandas入門 ― データ加工と集計の基本をPythonで学ぶ ―』**(著者:ぼりたそ)を執筆しました。

本書では、Series・DataFrameの基本からデータの読み込み・加工・集計・結合まで、図解やコード例、演習を通じて順番に学べます。

ブログで操作を一つずつ確認し、書籍でデータ処理全体の流れを身に付けたい方におすすめです。

まとめ

今回は、pandasで条件に合うデータを抽出する方法を解説しました。

  • df[条件式]で、条件がTrueになった行だけを取り出せます。
  • ==・>=などの比較演算子で、数値や文字列を条件にできます。
  • 複数条件では&(AND)・|(OR)・~(NOT)を使い、条件を丸括弧で囲みます。
  • isin()を使うと、複数候補のいずれかに一致する行を抽出できます。
  • df.loc[条件, 列名]で、行の絞り込みと列の選択を組み合わせられます。

まずは今回の6行のデータを使って、数値や店舗名、商品の候補を変えながら抽出結果を確認してみてください。

スポンサーリンク
タイトルとURLをコピーしました